涛思数据

随着知轮智慧轮胎系统的不断升级迭代，数据规模也在不断增长，内外部人员对智慧系统整体业务响应速度和稳定性要求变得更高。为了满足这一需求，该项目团队决定应用 TDengine 替换原有的 Elasticsearch 检索分析引擎。

在 2021 楼宇科技 TRUE 大会上，美的暖通与楼宇事业部首次发布了数字化平台 iBuilding，以“软驱硬核”方式赋能建筑行业。作为一个全新的项目，iBuilding 在数据库选型上比较谨慎，分别对比了多款 Database 产品之后，才做出了自己的选择。本文分享了他们的数据库选型思考和落地经验。...

现在主流的时序数据库确实集群方案大多数都选择闭源，除了从技术角度上来看，商业的考量也是众多大厂必须考虑的元素之一。TDengine 作为一款全自研的开源软件，继2019年单机版开源后，在2020年也宣布集群版正式开源。这意味着，在集群搭建方面，对于研发资源单薄、时间精力都有限的企业来说，无疑是拨云见日的一则好消息。

酷哞哞与 TDengine 结缘于 2019 年，在其工业互联网设备上云解决方案中，选择了 TDengine 作为数据平台，以满足海量工业数据存储和分析的需求。本篇文章解读了 TDengine 在此方案中的具体应用。

面对海量的车载轨迹数据，四维图新数据存储面对非常大的压力——每分钟的轨迹数据大概有 2000 万条记录，他们此前使用的 Elasticsearch 存储方式不仅造成了严重的物理资源浪费，还存在查询瓶颈，所以急需转换数据存储中间件。本文讲述了四维图新在数据库选型测试、搭建与迁移等方面的相关实践经验。

此前，韵达使用 MySQL 分区+索引处理订单数据的方式遭受到了挑战，面对每日亿级的数据量，MySQL 显然已经无法满足当下的数据处理需求。为更好地发展业务，在此基础上韵达新增了 TDengine 的数据源，用专业的数据库来进行时序数据的处理。

目前，北明天时已经在热网监控和能耗分析系统上应用了 TDengine，相比于 MySQL，当前在存储和查询上都获得了显著提升。在其他项目中，他们也正在加速 TDengine 对其他数据库产品的替代。本文中北明天时分享了关于 TDengine 的应用实践，以供参考。

随着智慧城市的加速建设，物联设备的管理问题凸显，数字政通研发“城市管理物联网平台”对物联网设备实行监督，通过鸟瞰整体数据来发现设备问题，便于及时派单处理。面对海量物联网数据的处理，TDengine 的高效存储给了数字政通相当大的助力。

作为一个新项目，RTC Power Cloud 舍弃了旧有的技术体系架构，直接在最前沿的技术中选型。就具体的业务场景而言，我们需要一款高性能的时序数据库产品来存储和处理时序数据。我们关注了 TDengine、Apache IoTDB 以及阿里云时序数据库等几款产品，最终经过详细的对比和考虑，我们做出了最终的决定——TDengine。

聚焦到实际效果上，TDengine 数据写入性能很强。原本我们的单套存储系统需要 10 多台高配机器，IO 平均 30% 最高 100% 的情况下才能写完数据；现在只需要 7 台机器，并且 CPU 消耗在 10% 左右、磁盘 IO 消耗在 1% 左右，这点非常的棒!

禹为科技在现代灌区信息化平台的建设过程中，经历了数据库&定时任务的架构、以流式计算为核心的架构和以 TDengine 为核心的架构三个阶段，最终选用 TDengine 帮助其对水位、流量、水量等实时指标数据分析。

至数物联网平台场景多、数据模型复杂，伴随着业务需求的不断迭代及数据量的不断上涨，原有的 OpenTSDB+MySQL 的组合逐渐力不从心，局限性日益凸显。在对 TDengine 进行充分了解与调研后，基于 TDengine 对至数摇光进行了彻底性的改造。

而现在得益于 TDengine 超强的压缩算法，我们使用非常小的存储空间就存储了几千万数据，压缩率远超 1/20，在单机上面布署一个 TDengine 服务器就可以轻轻松松地存储上亿的数据。

小 T 导读：在欧圣达的物联网智能设备平台项目中，需支持数百万以上物联网表具和智能终端的接入管理，支持分布式部署且具备良好扩展性。在规则引擎场景下，TDengine 提供了很好的查询和存储性能，成为本项目实现实时告警和监控服务的重要一环。本篇文章分享了欧圣达在数据库调研和搭建阶段的思考和经验，供参考。公司简介哈工欧圣达是深圳市欧圣达科技有限公司和哈工大机器人集团的合资公司，总公司深圳市欧圣达科技有限公司成立于 2010 年 5 月，总部位于深圳，下设合肥研发中心、华东分公司（合肥）和西南分公司（.

从 MySQL + HBase 方案换为TDengine，对比之前使用 HBase 查询速度提升明显，从查询单设备24小时数据的秒级返回，到查询相同数据的毫秒级返回；每天增量数据占用的存储空间相当于原来使用 HBase 时的50%；集群计算资源成本相比使用 HBase 节省超过60%。

WAL（Write Ahead Log），是 TDengine 的一个重要的功能模块，它可以实现数据的容错能力，保证数据的高可用。

通过电、水、石油、天然气使用分析，对工厂能源结构优化和节能降耗，实现降能耗 5%左右，预计每年为 TCL 空调实现降本收益上千万元。

得益于 TDengine 的优化，能达到恐怖的 0.01 的压缩率，简单计算下来大约需要 3.67GB 每亿条。

从写入性能到查询性能均大幅满足现场实际需求，整体压缩率可以达到3/100。

查询最近7天的数据，70倍的查询效率提升也如实映射为正常业务环境下的表现。

业主指定要求数据采集使用TDengine数据库，从容应对船舶行业的特殊场景需求。

解决了扩容实施难和业务开发难的问题。

同等条件下测试结果显示，TDengine的压缩率最高，查询性能最优。

整体压缩比在7-8倍，数据查询也实现秒级响应。

之前存储 3 天原生数据及聚合数据的空间，现在可供原始数据存储 45 天。

实现了海量物联数据的高性能、低成本的存储。

TDengine在处理超高频的数据采集、边缘智能计算框架、数据流引擎和数据模型等方面效果显著。

使用 TDengine，高效解决高采样率的原始信号数据存储问题。

单核 2G 轻量服务器的配置，近百万条数据的分析查询时间仅在 3 秒以内。

降本增效之利器！

支持应用端约 10 个看板页面，合计近百个聚合请求。

从6台4核32G机器到2台8核32G机器。

将数据从12TB压缩到2TB， TDengine压缩性能显神威。

改造后数据存储周期由原来的5分钟减少到1秒钟。

每秒钟需采集22050条数据，如何修改TDengine默认时间精度？

TDengine满足了3万条/秒的写入速度，并且压缩率达到了惊人的1/7左右。对于在校园网环境服务的整个构架中运作的应用来说，TDengine不停机的数据节点扩展也保证了稳定的服务。

目前，曲烟卷包、制丝车间均使用的是国产时序数据库 TDengine，逐渐替代了之前使用的时序数据库。

查询某些设备的所有仿真计算结果为0.09秒。

搭载TDengine后，监控数据上报后的实时展示、历史回溯都非常快！

TDengine 让我们看到了时序数据库之于物联网时代的重要性。优异的性能，强兼容性等优势让 TDengine 从其他时序数据库中脱颖而出。让我们来看看它在智慧水务系统中的应用。