目前解决方案存在的问题
传统数据(ju)库在处理大量车联网产生的时序数据(ju)时，由于缺乏有效(xiao)的数据(ju)压缩和存(cun)储机制，会导致存(cun)储空(kong)间迅速(su)膨胀，从而增加(jia)了存(cun)储成本。
传统数据库在处理大量车联网(wang)产生的时序数据时，由(you)于缺乏有(you)效的数据压缩和存(cun)储机制，会(hui)导致(zhi)存(cun)储空间迅(xun)速膨胀，从而(er)增加了(le)存(cun)储成本。
应用往往需(xu)要实时或近(jin)实时的数据处理能(neng)(neng)力，以便快速响应变化和(he)紧急情况。而传统(tong)数据库(ku)在(zai)数据写(xie)入(ru)和(he)查询可能(neng)(neng)无法满足实时性(xing)要求。
为了处(chu)理(li)车(che)联(lian)网(wang)数据，可能需要(yao)构建复(fu)(fu)杂的(de)数据处(chu)理(li)架构，包(bao)括数据收集、存储、分析等多个环节(jie)，增加(jia)了系(xi)统的(de)复(fu)(fu)杂性和维护(hu)的(de)难度。
复杂(za)的系统架构导致开发人员可能需要学习和(he)掌(zhang)握多种技术(shu)和(he)工(gong)具(ju)来(lai)处理(li)这(zhei)些(xie)数据，这(zhei)无疑增加(jia)了学习成本。
复杂的(de)系统架构，导(dao)致(zhi)车联网数(shu)据平台可能缺乏灵(ling)活的(de) API 接口(kou)和(he)标准(zhun)化的(de)数(shu)据交(jiao)换格式，这使得与第三(san)方应用的(de)集成变得复杂和(he)困难。
架构图
TDengine TSDB 解决方案的优点
TDengine TSDB 针(zhen)对时序数(shu)据(ju)的(de)特点进(jin)行了优化，其数(shu)据(ju)插入和查(cha)询的(de)性能比(bi)通用大数(shu)据(ju)平台高出 10 倍以上(shang)。
由(you)于(yu)高效的(de)压(ya)缩和多(duo)级存储(chu)，TDengine TSDB 在存储(chu)时序数据时占用(yong)的(de)空间远小(xiao)于(yu)传统解(jie)决方案。
内置流计算(suan)、数(shu)据(ju)订阅(yue)、缓存等(deng)功能，减少了对其他(ta)大数(shu)据(ju)组件的依(yi)赖(lai)，如 Kafka、HBase、Spark、Redis 等(deng)。
简化的架构(gou)和高性能使得研发(fa)和运营(ying)成本大(da)幅减少。
TDengine TSDB 具备强(qiang)大的弹性伸缩能力，能够(gou)处理(li)不(bu)同规模的车(che)联网(wang)数据处理(li)需求。
换电站
- 14810 k/s 读取，880k/s 写入
- 引入超级表管理子表
- 多级存储，降低成本
- 不依赖任何第三方软件，集群安装方便，支持灵活扩容
- 提供多种聚合函数
为了(le)给用(yong)户(hu)提供更好的(de)补(bu)能(neng)体验，蔚来(lai)能(neng)源在加(jia)电基础设施上进行了(le)大量的(de)投入，截(jie)止(zhi) 2021 年底，已经在全国(guo)各地(di)布局了(le)换电站 777 座，超充桩(zhuang)(zhuang) 3,404 根，目充桩(zhuang)(zhuang) 3,461 根，为用(yong)户(hu)安装家充桩(zhuang)(zhuang) 96,000+ 根。为了(le)对设备进行更高效的(de)管理，需(xu)要将设备采集数据上报至云端进行存(cun)储(chu)，并(bing)提供实(shi)时数据查询、历史数据查询等业务(wu)服务(wu)，用(yong)来(lai)做(zuo)设备监控和分析(xi)。
车联网实时信号
- 解决使用数据重复解析问题
- 列式存储，支持 SQL，提高业务灵活性
- 提升 10～20 倍压缩性能，节省存储成本
- 入库性能高，解决以前 Hbase 入库不及时的问题
浙江零(ling)(ling)跑(pao)科(ke)技(ji)股(gu)份(fen)有限公司(leapmotor)作为(wei)一家科(ke)技(ji)型企业，是国内(nei)极少(shao)数(shu)拥(yong)有智能电动(dong)汽车(che)完整(zheng)自主研发能力并掌握核心技(ji)术(shu)的新能源汽车(che)厂家。一直以来(lai)，在数(shu)据存(cun)储上零(ling)(ling)跑(pao)的选择(ze)都是 MongoDB 和 HBase，但是随(sui)着业务(wu)的加速扩张，写入速度太(tai)慢、支撑成本(ben)过(guo)高等问题也逐渐显现。
云端基础平台
- 每次数据上报都包含时间戳，这是典型的时序数据场景
- 有效支撑极氪在数据管理和分析上的需求
- 处理大规模数据时的高效读写性能和水平扩展能力
随着极氪(ke)汽(qi)车(che)(che)销(xiao)量的(de)快(kuai)速增长和业(ye)务的(de)不断扩张，车(che)(che)机(ji)和智能(neng)座(zuo)舱(cang)等产生(sheng)的(de)数据(ju)量呈爆炸式增长。极氪(ke)在设计研发新一代(dai)车(che)(che)联网(wang)云端基(ji)础平台(tai)时(shi)，经过(guo)充分(fen)的(de)对比选(xuan)型(xing)，参(can)考国内外主流(liu)系统架构，最终选(xuan)择(ze)应用 TDengine 构建云端基(ji)础平台(tai)。基(ji)于 TDengine 的(de)云端基(ji)础平台(tai)将有效支撑极氪(ke)在数据(ju)管理和分(fen)析上(shang)的(de)需求，特别是(shi)在处理大规模数据(ju)时(shi)的(de)高效读(du)写性(xing)能(neng)和水(shui)平扩展能(neng)力(li)，为(wei)后(hou)续(xu)新车(che)(che)和其他车(che)(che)型(xing)的(de)大规模接入提供(gong)了有力(li)保障。
应用场景
实时监(jian)控车(che)辆(liang)的(de)状(zhuang)态，如速度、位置和(he)运行(xing)状(zhuang)况。
分析时序(xu)数据以预测车辆的维护需(xu)求。
评估(gu)驾驶员的行(xing)为(wei)模式，提高安全性。
监测(ce)和优化车(che)辆的能(neng)源消耗。
存储和(he)查询(xun)车辆的历史(shi)轨迹(ji)数据。
处理车辆事(shi)件触发的(de)数据，如碰撞或异常移动。
提供车辆状态的实时更新和警报。
实时处理和分析车辆数据(ju)流。
为车企(qi)提供数(shu)据管理和分析上的支持.
