車(chē)聯(lián)網(wǎng)之困

作為智慧交通領(lǐng)域的領(lǐng)先企業(yè)，我們?cè)谕七M(jìn)新一代車(chē)聯(lián)網(wǎng)云控平臺(tái)的建設(shè)初期，主要面臨以下三大核心痛點(diǎn)：

• 其一，車(chē)端數(shù)據(jù)接入壓力巨大：全市 10 萬(wàn)+ 運(yùn)營(yíng)車(chē)輛需實(shí)時(shí)上報(bào)車(chē)速、電機(jī)轉(zhuǎn)速、電池包 SOC、GPS 軌跡等時(shí)序數(shù)據(jù)，傳統(tǒng)數(shù)據(jù)庫(kù)難以支撐高頻次、高并發(fā)的數(shù)據(jù)寫(xiě)入，時(shí)常出現(xiàn)數(shù)據(jù)擁堵或丟失；
• 其二，路側(cè)感知數(shù)據(jù)處理滯后：路側(cè) RSU、攝像頭、雷達(dá)產(chǎn)生的目標(biāo)級(jí)結(jié)構(gòu)化數(shù)據(jù)（含目標(biāo) ID、坐標(biāo)、速度、類(lèi)型）需用于實(shí)時(shí)碰撞風(fēng)險(xiǎn)計(jì)算與信號(hào)燈協(xié)同，但傳統(tǒng)存儲(chǔ)方案寫(xiě)入延遲超過(guò)秒級(jí)，無(wú)法滿足毫秒級(jí)決策需求；
• 其三，數(shù)據(jù)價(jià)值挖掘低效：車(chē)路協(xié)同產(chǎn)生的 PB 級(jí)歷史數(shù)據(jù)分散存儲(chǔ)，缺乏統(tǒng)一的時(shí)序數(shù)據(jù)管理工具，想要聚合特定時(shí)段、路段的流量、平均速度等關(guān)鍵指標(biāo)，需耗費(fèi)數(shù)小時(shí)甚至數(shù)天，嚴(yán)重影響交通宏觀決策效率。

TDengine TSDB：開(kāi)啟變革

為破解上述難題，我們引入專為時(shí)序數(shù)據(jù)設(shè)計(jì)的 TDengine TSDB。 憑借“超級(jí)表 + 子表”的獨(dú)特?cái)?shù)據(jù)建模方式，TDengine TSDB 能夠很好地適配車(chē)聯(lián)網(wǎng)場(chǎng)景中“設(shè)備數(shù)量多、數(shù)據(jù)并發(fā)高、采集頻率高”的數(shù)據(jù)特征。同時(shí)，TDengine TSDB 原生支持 MQTT、Kafka 等物聯(lián)網(wǎng)數(shù)據(jù)接入方式，可實(shí)現(xiàn)設(shè)備數(shù)據(jù)的直連寫(xiě)入，大幅降低系統(tǒng)接入復(fù)雜度。此外，其內(nèi)置豐富的時(shí)序數(shù)據(jù)聚合函數(shù)，可將歷史數(shù)據(jù)查詢時(shí)間從小時(shí)級(jí)縮短至秒級(jí)，為車(chē)聯(lián)網(wǎng)系統(tǒng)的實(shí)時(shí)管控與歷史分析提供了堅(jiān)實(shí)的技術(shù)支撐。

亮點(diǎn)一：車(chē)端實(shí)時(shí)數(shù)據(jù)接入飛躍，10 萬(wàn)+ 車(chē)輛毫秒級(jí)在線管控

我們基于 TDengine TSDB 設(shè)計(jì)了 “一車(chē)一子表” 的數(shù)據(jù)模型：以 “車(chē)輛信息超級(jí)表（vehicle_info_st）” 統(tǒng)一定義車(chē)速（speed）、電機(jī)轉(zhuǎn)速（motor_speed）、電池包 SOC（battery_soc）、GPS 經(jīng)度（gps_lng）、GPS 緯度（gps_lat）等字段，每輛車(chē)對(duì)應(yīng)一張獨(dú)立子表（子表名以車(chē)輛 VIN 碼命名，如 vin_123456789）。車(chē)輛通過(guò) T-Box 以 MQTT 協(xié)議實(shí)時(shí)上報(bào)數(shù)據(jù)， TDengine TSDB 實(shí)現(xiàn)毫秒級(jí)入庫(kù)，穩(wěn)定支撐 10 萬(wàn)+ 車(chē)輛同時(shí)在線，確保每輛車(chē)的動(dòng)態(tài)數(shù)據(jù)無(wú)延遲、無(wú)丟失。

TDengine TSDB SQL 語(yǔ)句（車(chē)輛實(shí)時(shí)數(shù)據(jù)查詢與監(jiān)控）：

 --   1. 創(chuàng)建車(chē)輛信息超級(jí)表（定義時(shí)序數(shù)據(jù)結(jié)構(gòu)）
CREATE   STABLE vehicle_info_st (
    ts TIMESTAMP,  -- 數(shù)據(jù)采集時(shí)間戳
    speed FLOAT,   -- 車(chē)速（單位：km/h）
    motor_speed INT,  -- 電機(jī)轉(zhuǎn)速（單位：rpm）
    battery_soc INT,  -- 電池包SOC（單位：%）
    gps_lng DOUBLE,   -- GPS經(jīng)度
    gps_lat DOUBLE    -- GPS緯度
)   TAGS (
    vin STRING,    -- 車(chē)輛唯一標(biāo)識(shí)（子表標(biāo)簽）
    vehicle_type STRING  -- 車(chē)輛類(lèi)型（如公交車(chē)、出租車(chē)、私家車(chē)）
);
--   2. 查詢某輛車(chē)（VIN：vin_123456789）最近10分鐘的實(shí)時(shí)數(shù)據(jù)（用于大屏實(shí)時(shí)監(jiān)控）
SELECT   ts, speed, battery_soc, gps_lng, gps_lat 
FROM   vin_123456789 
WHERE   ts >= NOW() - 10m 
ORDER   BY ts DESC;
--   3. 統(tǒng)計(jì)全市各類(lèi)型車(chē)輛的平均車(chē)速（用于交通狀態(tài)分析）
SELECT   vehicle_type, AVG(speed) AS avg_speed 
FROM   vehicle_info_st 
WHERE   ts >= NOW() - 5m 
GROUP   BY vehicle_type;

亮點(diǎn)二：路側(cè)感知數(shù)據(jù)接入升級(jí)，毫秒級(jí)支撐碰撞風(fēng)險(xiǎn)與信號(hào)燈協(xié)同

針對(duì)路側(cè)感知數(shù)據(jù)，我們采用 TDengine TSDB的“一路口一張子表” 建模方案：創(chuàng)建 “路側(cè)目標(biāo)信息超級(jí)表（road_side_target_st）”，定義目標(biāo) ID（target_id）、目標(biāo)坐標(biāo)（target_x/target_y）、目標(biāo)速度（target_speed）、目標(biāo)類(lèi)型（target_type，如機(jī)動(dòng)車(chē)、非機(jī)動(dòng)車(chē)、行人）等字段，每個(gè)路口的路側(cè)設(shè)備（RSU + 攝像頭 + 雷達(dá)）對(duì)應(yīng)一張子表（子表名以路口編號(hào)命名，如 crossing_001）。

路側(cè)設(shè)備通過(guò) MQTT、Kafka 協(xié)議將結(jié)構(gòu)化數(shù)據(jù)實(shí)時(shí)推送至區(qū)域云，由 TDengine TSDB 進(jìn)行毫秒級(jí)寫(xiě)入與統(tǒng)一存儲(chǔ)。數(shù)據(jù)隨后實(shí)時(shí)同步至碰撞風(fēng)險(xiǎn)計(jì)算模塊和信號(hào)燈控制系統(tǒng)。當(dāng)系統(tǒng)檢測(cè)到車(chē)輛與行人距離小于安全閾值時(shí)，可在 500 毫秒內(nèi)觸發(fā)預(yù)警，并動(dòng)態(tài)調(diào)整信號(hào)燈配時(shí)，從而提升路口通行安全。

TDengine TSDB SQL 語(yǔ)句（路側(cè)目標(biāo)數(shù)據(jù)查詢與風(fēng)險(xiǎn)預(yù)警） ：

--   1. 創(chuàng)建路側(cè)目標(biāo)信息超級(jí)表
CREATE   STABLE road_side_target_st (
    ts TIMESTAMP,  -- 數(shù)據(jù)采集時(shí)間戳
    target_id INT,  -- 目標(biāo)唯一標(biāo)識(shí)
    target_x DOUBLE,  -- 目標(biāo)x坐標(biāo)（單位：m，基于路口坐標(biāo)系）
    target_y DOUBLE,  -- 目標(biāo)y坐標(biāo)（單位：m，基于路口坐標(biāo)系）
    target_speed FLOAT,  -- 目標(biāo)速度（單位：m/s）
    target_type STRING  -- 目標(biāo)類(lèi)型（motor_vehicle/non_motor_vehicle/pedestrian）
)   TAGS (
    crossing_id STRING,  -- 路口編號(hào)（子表標(biāo)簽）
    device_id STRING     -- 路側(cè)設(shè)備ID
);
--   2. 查詢某路口（crossing_001）最近30秒內(nèi)的所有目標(biāo)數(shù)據(jù)（用于碰撞風(fēng)險(xiǎn)計(jì)算）
SELECT   ts, target_id, target_x, target_y, target_speed, target_type 
FROM   crossing_001 
WHERE   ts >= NOW() - 30s 
ORDER   BY ts DESC;
--   3. 統(tǒng)計(jì)某路口早晚高峰（7:00-9:00、17:00-19:00）的各類(lèi)目標(biāo)流量（用于信號(hào)燈配時(shí)優(yōu)化）
SELECT   target_type, COUNT(DISTINCT target_id) AS target_count 
FROM   road_side_target_st 
WHERE   crossing_id = 'crossing_001' 
  AND (ts BETWEEN '2024-01-01 07:00:00' AND   '2024-01-01 09:00:00' 
       OR ts BETWEEN '2024-01-01 17:00:00'   AND '2024-01-01 19:00:00') 
GROUP   BY target_type;

亮點(diǎn)三：云控平臺(tái)與歷史分析革新，PB 級(jí)數(shù)據(jù)支撐宏觀決策

在 “邊緣云→區(qū)域云→中心云” 三級(jí)云控架構(gòu)中，TDengine TSDB 承擔(dān) “實(shí)時(shí)數(shù)據(jù)湖 + 歷史倉(cāng)庫(kù)” 雙重角色：邊緣云實(shí)時(shí)采集車(chē)端、路側(cè)數(shù)據(jù)并寫(xiě)入 TDengine TSDB，區(qū)域云基于 TDengine TSDB 進(jìn)行實(shí)時(shí)計(jì)算（如路段流量統(tǒng)計(jì)），中心云則存儲(chǔ)全量 PB 級(jí)歷史數(shù)據(jù)。

借助 TDengine TSDB 超級(jí)表的高效聚合能力，系統(tǒng)能夠快速查詢?nèi)我鈺r(shí)間范圍（如近一周、近一個(gè)月）以及任意路段（如西湖大道、錢(qián)江新城隧道）的交通關(guān)鍵指標(biāo)，包括車(chē)流量、平均速度以及基于車(chē)速和車(chē)輛類(lèi)型計(jì)算的碳排強(qiáng)度。實(shí)際應(yīng)用中，相關(guān)數(shù)據(jù)查詢響應(yīng)時(shí)間已從傳統(tǒng)方案的 2 小時(shí)縮短至 3 秒以內(nèi)，為交通宏觀決策、高精地圖更新以及城市級(jí)交通仿真提供了精準(zhǔn)的數(shù)據(jù)支撐。

TDengine TSDB SQL 語(yǔ)句（交通宏觀數(shù)據(jù)聚合與分析） ：

--   1. 聚合某路段（如西湖大道，通過(guò)GPS范圍界定）近1周的日均車(chē)流量與平均車(chē)速
SELECT   DATE(ts) AS stat_date, 
       COUNT(DISTINCT vin) AS   daily_flow,  -- 日均車(chē)流量（按車(chē)輛VIN去重）
       AVG(speed) AS avg_daily_speed       -- 日均平均車(chē)速
FROM   vehicle_info_st 
WHERE   gps_lng BETWEEN 120.123 AND 120.145  --   西湖大道路段經(jīng)度范圍
  AND gps_lat BETWEEN 30.234 AND 30.256   -- 西湖大道路段緯度范圍
  AND ts >= NOW() - 7d 
GROUP   BY stat_date 
ORDER   BY stat_date;
--   2. 計(jì)算全市近1個(gè)月各區(qū)域的碳排強(qiáng)度（基于車(chē)輛類(lèi)型與車(chē)速的自定義公式）
SELECT   vehicle_type, 
       AVG(CASE WHEN speed <= 20 THEN   0.8  -- 低速行駛碳排系數(shù)
                WHEN speed <= 60 THEN   0.5  -- 中速行駛碳排系數(shù)
                ELSE 0.6 END) AS   carbon_intensity  -- 高速行駛碳排系數(shù)
FROM   vehicle_info_st 
WHERE   ts >= NOW() - 30d 
GROUP   BY vehicle_type;
--   3. 查詢某區(qū)域（如錢(qián)江新城）近24小時(shí)的交通流量變化趨勢(shì)（用于實(shí)時(shí)仿真）
SELECT   DATE_TRUNC('hour', ts) AS stat_hour,    -- 按小時(shí)聚合
       COUNT(*) AS hourly_flow 
FROM   vehicle_info_st 
WHERE   gps_lng BETWEEN 120.167 AND 120.189 
  AND gps_lat BETWEEN 30.268 AND 30.290 
  AND ts >= NOW() - 24h 
GROUP   BY stat_hour 
ORDER   BY stat_hour;

業(yè)務(wù)改進(jìn)與提升

1. 成本效益雙豐收

相比傳統(tǒng)數(shù)據(jù)庫(kù)方案， TDengine TSDB 通過(guò) “超級(jí)表 + 子表” 的輕量化建模，將存儲(chǔ)成本降低 60%（PB 級(jí)數(shù)據(jù)存儲(chǔ)無(wú)需額外擴(kuò)容硬件）；同時(shí)，其原生支持?jǐn)?shù)據(jù)壓縮與分布式計(jì)算，減少了 50% 的服務(wù)器部署數(shù)量，每年為我們節(jié)省硬件采購(gòu)與運(yùn)維成本超 200 萬(wàn)元。此外，數(shù)據(jù)查詢效率提升 99%（從 2 小時(shí)縮短至 3 秒），大幅減少計(jì)算資源占用，進(jìn)一步降低 IT 運(yùn)營(yíng)成本。

2. 決策精準(zhǔn)效率高

依托 TDengine TSDB 的實(shí)時(shí)數(shù)據(jù)處理能力，我們的車(chē)輛管控業(yè)務(wù)實(shí)現(xiàn)了從 “事后追溯” 到 “實(shí)時(shí)預(yù)警” 的轉(zhuǎn)變（如 10 萬(wàn) + 車(chē)輛異常狀態(tài)可在 1 秒內(nèi)觸發(fā)警報(bào)）；在宏觀決策層面，基于 TDengine TSDB 的快速數(shù)據(jù)聚合，交通信號(hào)燈配時(shí)優(yōu)化周期從 1 個(gè)月縮短至 1 周。

未來(lái)展望：持續(xù)進(jìn)化

下一步，我們將繼續(xù)深化 TDengine TSDB 的應(yīng)用場(chǎng)景：一方面，拓展 “車(chē)-路-云-人” 全要素?cái)?shù)據(jù)接入，將共享單車(chē)、行人過(guò)馬路數(shù)據(jù)納入 TDengine TSDB 中進(jìn)行管理，構(gòu)建更全面的交通數(shù)據(jù)體系；另一方面，基于 TDengine TSDB 的時(shí)序數(shù)據(jù)挖掘能力，開(kāi)發(fā) “交通擁堵預(yù)測(cè)模型”，實(shí)現(xiàn)提前 15 分鐘預(yù)測(cè)路段擁堵情況并推送至市民導(dǎo)航 APP，進(jìn)一步提升城市交通智能化水平。

關(guān)于?？抵锹?lián)

浙江海康智聯(lián)科技有限公司為中電?？导瘓F(tuán)旗下企業(yè)，秉承中國(guó)電子科技集團(tuán)有限公司新一代信息基礎(chǔ)設(shè)施戰(zhàn)略，用科技筑基交通強(qiáng)國(guó)偉業(yè)，致力成為國(guó)內(nèi)領(lǐng)先的智能網(wǎng)聯(lián)與車(chē)路協(xié)同產(chǎn)品和技術(shù)服務(wù)商。在《交通強(qiáng)國(guó)建設(shè)綱要》的指引下，?？抵锹?lián)持續(xù)以“客戶為中心”進(jìn)行技術(shù)與產(chǎn)品的研發(fā)和創(chuàng)新，打造數(shù)字化、網(wǎng)聯(lián)化、智能化、協(xié)同化的數(shù)智道路，構(gòu)建泛在的、先進(jìn)的交通信息基礎(chǔ)設(shè)施。

作者：?？抵锹?lián) 徐翔

在流計(jì)算中，數(shù)據(jù)是以源源不斷的流（stream）的形式到達(dá)的。由于流數(shù)據(jù)是無(wú)界的（理論上數(shù)據(jù)會(huì)一直產(chǎn)生），為了劃分最小的計(jì)算單元，就有了窗口的概念。通過(guò)不同邏輯的窗口劃分，流計(jì)算可以滿足不同的業(yè)務(wù)需求。

在 TDengine 的流計(jì)算中，對(duì)數(shù)據(jù)集提供了 5 種特色的窗口查詢：https://docs.taosdata.com/reference/taos-sql/distinguished/。簡(jiǎn)單來(lái)講：分別是通過(guò)固定時(shí)間間隔劃分窗口的 interval , 通過(guò)布爾值劃分窗口的 state_window, 通過(guò)狀態(tài)持續(xù)時(shí)間劃分窗口的 session , 通過(guò)數(shù)據(jù)行數(shù)劃分窗口的 count_window，通過(guò)自定義表達(dá)式制定規(guī)則的 event_window。每一種窗口功能，都包含了很多典型的業(yè)務(wù)需求，它們使 TDengine 在車(chē)聯(lián)網(wǎng)行業(yè)中發(fā)揮了更重要的作用。

以通過(guò)布爾值劃分窗口的 state_window 舉例：用戶可以通過(guò)對(duì)車(chē)輛移動(dòng)狀態(tài)進(jìn)行移動(dòng)/靜止的窗口劃分，然后實(shí)時(shí)計(jì)算獲取車(chē)輛的每次啟停的時(shí)間、位置、中間耗時(shí)。通過(guò)類(lèi)似這樣的語(yǔ)句，就可以做到實(shí)時(shí)掌握車(chē)輛的移動(dòng)狀態(tài)。再通過(guò)與實(shí)時(shí)數(shù)據(jù)的對(duì)比，就可以及時(shí)對(duì)超時(shí)/異常停車(chē)的車(chē)輛發(fā)出告警。

CREATE stream overtime_parking INTO overtime_parking_output_stb AS
SELECT
    _wstart,
    _wend,
    TIMEDIFF(_wstart, _wend, 1s) AS sparking_time,
    LAST(address) address,
    speed_status,
    COUNT(*) AS record_count,
    tbname
FROM
    stb_cold_gps PARTITION BY tbname state_window(speed_status); 

除此之外，用戶還可以通過(guò)車(chē)輛采集到的各種信號(hào)值，從而通過(guò)業(yè)務(wù)邏輯自定義出兩種狀態(tài)。

通過(guò) CASE WHEN 的邏輯，用戶自定義地設(shè)置這個(gè)窗口：STATE_WINDOW( CASE WHEN speed >= xxx THEN true ELSE false END)，從而滿足更靈活的業(yè)務(wù)需求。

本文僅以此窗口為例，而對(duì)于其他更多的窗口的流計(jì)算應(yīng)用場(chǎng)景，請(qǐng)點(diǎn)擊這里，申請(qǐng)演示。

現(xiàn)代新能源汽車(chē)，作為一種內(nèi)部系統(tǒng)極為復(fù)雜的交通工具，配備了大量傳感器、導(dǎo)航設(shè)備、應(yīng)用軟件，這些傳感器產(chǎn)生的數(shù)據(jù)都需要上報(bào)到車(chē)聯(lián)網(wǎng)平臺(tái)當(dāng)中。對(duì)于這些車(chē)輛的狀態(tài)數(shù)據(jù)（如車(chē)速、發(fā)動(dòng)機(jī)轉(zhuǎn)速等）、位置數(shù)據(jù)（經(jīng)緯度等）以及用戶行為數(shù)據(jù)，車(chē)聯(lián)網(wǎng)平臺(tái)需要對(duì)它們進(jìn)行實(shí)時(shí)/離線計(jì)算分析，從而為用戶提升駕駛體驗(yàn)，提供安全保障，為廠商提供質(zhì)量檢測(cè)、功能優(yōu)化，為交通管理部門(mén)提供流量、違章監(jiān)測(cè)、甚至為城市規(guī)劃提供幫助。

因此，同樣是車(chē)聯(lián)網(wǎng)平臺(tái)，對(duì)于車(chē)隊(duì)管理，政府監(jiān)督，主機(jī)廠商等不同場(chǎng)景，由于應(yīng)用側(cè)重點(diǎn)的不同，它們所需要接入的數(shù)據(jù)的類(lèi)型，量級(jí)，頻率也各不相同。

對(duì)于主機(jī)廠商來(lái)說(shuō)，它的車(chē)聯(lián)網(wǎng)平臺(tái)服務(wù)的對(duì)象更為廣泛，包括車(chē)主、經(jīng)銷(xiāo)商、售后服務(wù)部門(mén)以及主機(jī)廠自身的研發(fā)、生產(chǎn)等部門(mén)。由于目標(biāo)是提升車(chē)輛的用戶體驗(yàn)、增強(qiáng)品牌競(jìng)爭(zhēng)力，因此主機(jī)廠商需要采集的數(shù)據(jù)量是最大也是最完整的。一輛汽車(chē)可能有數(shù)千個(gè)數(shù)據(jù)采集點(diǎn)甚至近萬(wàn)個(gè)采集點(diǎn)要隨時(shí)上報(bào)數(shù)據(jù)，采集頻率也各不相同。

性能和易用性難以兼得

以上原因，就導(dǎo)致了在同一時(shí)刻一定不會(huì)是所有的數(shù)據(jù)采集點(diǎn)都有數(shù)據(jù)上報(bào)。在數(shù)據(jù)庫(kù)的建模環(huán)節(jié)中，如果采用最簡(jiǎn)單清晰的“一車(chē)對(duì)一表”數(shù)據(jù)建模方式，那么在一行高達(dá)幾千列的數(shù)據(jù)中，會(huì)有相當(dāng)多列的值為 NULL 。更主要的是，即使業(yè)務(wù)查詢只涉及其中少數(shù)幾列，在實(shí)際執(zhí)行的時(shí)候也要整行整塊地讀取很多無(wú)效數(shù)據(jù)再做篩選，從而大大拖累查詢性能。

但如果按照設(shè)備種類(lèi)對(duì)這個(gè)表進(jìn)行縱向的拆分，當(dāng)涉及到統(tǒng)計(jì)分析的時(shí)候，必將又會(huì)導(dǎo)致原來(lái)的 SQL 語(yǔ)句引入大量的插值、連接等功能，這會(huì)使 SQL 的編寫(xiě)十分復(fù)雜，容易出錯(cuò)，難以維護(hù)，且難以適應(yīng)業(yè)務(wù)的頻繁變化。

一車(chē)一表模型，助力數(shù)據(jù)管理

為了解決這一難題，TDengine 結(jié)合自身底層的存儲(chǔ)/查詢模型，以創(chuàng)新的設(shè)計(jì)，將復(fù)雜 SQL 封裝起來(lái)，這樣一來(lái)，用戶側(cè)可以在沒(méi)有任何感知的情況下編寫(xiě) SQL 語(yǔ)句訪問(wèn)數(shù)據(jù)，既防止了大量無(wú)效數(shù)據(jù)導(dǎo)致的查詢性能下降，又確保了 SQL 語(yǔ)句的簡(jiǎn)潔易懂、易維護(hù)、可擴(kuò)展，從而在用戶側(cè)實(shí)現(xiàn)了：“一車(chē)一表的簡(jiǎn)潔建模設(shè)計(jì)”。 在性能方面，TDengine 利用每個(gè)數(shù)據(jù)流都是天然有時(shí)序的這一特點(diǎn)，把數(shù)據(jù)的寫(xiě)入變成最簡(jiǎn)單的追加操作。做到了在相同硬件資源下，單個(gè)數(shù)據(jù)流上最好的寫(xiě)入效率。在此基礎(chǔ)上，TDengine 又使用分布式架構(gòu)，讓所有的 cpu 并行工作，甚至可以同時(shí)寫(xiě)入十億百億級(jí)別點(diǎn)位的數(shù)據(jù)流。

讀取方面同理：由于車(chē)輛各個(gè)設(shè)備產(chǎn)生的時(shí)序數(shù)據(jù)在硬盤(pán)上都是連續(xù)存儲(chǔ)。因此，批量拉取時(shí)便也均為連續(xù)讀，有充分的性能保障，再輔以流計(jì)算、訂閱、自定義函數(shù)（UDF）、各種時(shí)序數(shù)據(jù)場(chǎng)景的專用函數(shù)，共同為車(chē)聯(lián)網(wǎng)平臺(tái)各種實(shí)時(shí)/離線分析提供堅(jiān)實(shí)的底座。

在此基礎(chǔ)上，為了防止硬盤(pán)成為性能瓶頸，TDengine 可以為不同的存儲(chǔ)路徑，同時(shí)掛載不同的硬盤(pán)并發(fā)讀寫(xiě)。

綜上可見(jiàn)，TDengine 充分利用了計(jì)算機(jī)的最大能力，也充分適配了車(chē)聯(lián)網(wǎng)行業(yè)數(shù)據(jù)上報(bào)量大，數(shù)據(jù)采集點(diǎn)多的特點(diǎn)。

支持 Geometry 類(lèi)型，賦能空間分析

自 3.1.0.0 版本開(kāi)始，TDengine 提供了全新的數(shù)據(jù)類(lèi)型 Geometry 用于點(diǎn)線面等幾何類(lèi)型的存儲(chǔ)，并且正在逐步提供一套符合 OGC(Open Geospatial Consortium) 標(biāo)準(zhǔn)的 SQL 函數(shù)，包括幾何輸入輸出、空間關(guān)系、幾何測(cè)量、集合操作和幾何處理等等。 這樣一來(lái)，各類(lèi)車(chē)聯(lián)網(wǎng)平臺(tái)就可以更輕松地進(jìn)行車(chē)輛軌跡數(shù)據(jù)的分析，比如：熱點(diǎn)路線，軌跡段數(shù)據(jù)，停留點(diǎn)，行駛事件等等，從而進(jìn)一步簡(jiǎn)化軟件系統(tǒng)架構(gòu)，真正做到針對(duì)車(chē)輛時(shí)間空間一體化的數(shù)據(jù)分析、預(yù)警等工作。

多級(jí)存儲(chǔ)，降低數(shù)據(jù)成本

在存儲(chǔ)方面，由于車(chē)聯(lián)網(wǎng)行業(yè)監(jiān)管法規(guī)、客戶服務(wù)需求、自身產(chǎn)研基于數(shù)據(jù)的需求等原因，每輛車(chē)的數(shù)據(jù)保留數(shù)據(jù)經(jīng)常要保留數(shù)年之久，因此存儲(chǔ)成本十分之高。但得益于 TDengine 多級(jí)存儲(chǔ)功能，可以使得最熱的數(shù)據(jù)保留在內(nèi)存，次熱的數(shù)據(jù)保留在SSD，冷數(shù)據(jù)保留在機(jī)械盤(pán)，極冷數(shù)據(jù)保留在成本最低廉的 S3 存儲(chǔ)上，再輔以列式存儲(chǔ)+定制化壓縮算法帶來(lái)的高壓縮比，用戶的存儲(chǔ)成本可以大幅下降。

由上可見(jiàn)，在對(duì)海量車(chē)聯(lián)網(wǎng)數(shù)據(jù)的采集、存儲(chǔ)、處理分發(fā)的整個(gè)數(shù)據(jù)管理過(guò)程中，TDengine 可以確保車(chē)輛上傳的各種數(shù)據(jù)都能作為有效的資源而被高效地運(yùn)用。作為一臺(tái)巨大復(fù)雜的設(shè)備，新能源汽車(chē)徹底放大了 TDengine 的核心設(shè)計(jì)“一個(gè)設(shè)備一張表，一類(lèi)設(shè)備一張超級(jí)表”的核心理念，因此可以說(shuō)它們是天作之合。

具體應(yīng)用可以參考 ：http://www.fjzmyy.cn/iov-time_series_database

在車(chē)聯(lián)網(wǎng)領(lǐng)域中 MQTT 是十分常見(jiàn)的協(xié)議，它所具備的：能夠適應(yīng)不穩(wěn)定的網(wǎng)絡(luò)環(huán)境、輕量級(jí)、低延遲等特點(diǎn)，使其非常適合車(chē)輛數(shù)據(jù)的上報(bào)，也是目前主流的車(chē)聯(lián)網(wǎng)邊端-云端數(shù)據(jù)交互的通訊協(xié)議。

而 TDengine 是一款從誕生之初便致力于為工業(yè)、物聯(lián)網(wǎng)領(lǐng)域推動(dòng)信息化改革的時(shí)序大數(shù)據(jù)平臺(tái)。而車(chē)聯(lián)網(wǎng)作為物聯(lián)網(wǎng)的重要分支，自然也是 TDengine 主攻的領(lǐng)域之一。因此，在 TDengine Enterprise/TDengine Cloud 的外部數(shù)據(jù)源接入組件中，我們提供了諸如：MQTT、OPC-UA、OPC-DA 等數(shù)據(jù)直采的功能。讓用戶可以憑借十分簡(jiǎn)單的 Web 界面配置，無(wú)需任何一行代碼，便完成車(chē)聯(lián)網(wǎng)的位置、車(chē)輛狀態(tài)、用戶行為等數(shù)據(jù)的接入。

我們可以想象出這樣一個(gè)場(chǎng)景：

通過(guò) TDengine 的 web 界面工具，訂閱 MQTT 的 “GPS” topic 們獲取全部車(chē)輛的 GPS 數(shù)據(jù)，然后把“GPS” topic 和 TDengine 中創(chuàng)建出來(lái)的“超級(jí)表 GPS”對(duì)應(yīng)起來(lái)，再把 MQTT 數(shù)據(jù)中的“車(chē)牌號(hào)”, “車(chē)型”，“汽車(chē)品牌”同 TDengine “GPS” 超級(jí)表中不同的標(biāo)簽映射起來(lái)。最終， MQTT 數(shù)據(jù)就可以源源不斷地接入TDengine 當(dāng)中了。

TDengine 的數(shù)據(jù)采集插件就像是一個(gè)翻譯官，它能理解 MQTT 數(shù)據(jù)結(jié)構(gòu)映射到時(shí)序庫(kù)數(shù)據(jù)結(jié)構(gòu)的需求，最終把他們巧妙地結(jié)合在一起。

那么，使用 TDengine 采集車(chē)聯(lián)網(wǎng)上報(bào)的 MQTT 數(shù)據(jù)到底有多簡(jiǎn)單？

抽象一下，只需要如下步驟：

1. 對(duì)于非 TDengine Enterprise（企業(yè)版）用戶，花 3 分鐘時(shí)間注冊(cè) TDengine Cloud ，https://cloud.taosdata.com/auth/login，根據(jù)提示兌換 600 元額度的免費(fèi)使用。

2. 在TDengine 中提前創(chuàng)建好一個(gè)數(shù)據(jù)庫(kù)，用于存放MQTT數(shù)據(jù)。（具體建庫(kù)參數(shù)值如需自定義，可參閱：https://docs.taosdata.com/reference/taos-sql/database/）

3. 確保代理插件和 MQTT server 處在同一網(wǎng)絡(luò)，然后根據(jù)提示，逐步復(fù)制粘貼，安裝代理插件并啟動(dòng)。

4. 新增數(shù)據(jù)源。

5. 按順序填寫(xiě)/選擇：自定義的任務(wù)名稱；MQTT 類(lèi)型；選擇剛剛創(chuàng)建的代理插件；填寫(xiě)MQTT server 的 IP 和端口。 PS：這里可以用一個(gè)免費(fèi)的 MQTT server 做驗(yàn)證（broker.emqx.io:1883）。

6. 填寫(xiě) MQTT 協(xié)議版本、自定義的Client ID、和需要訂閱的主題（topic）以及該訂閱的 QOS （Quality of Service 服務(wù)質(zhì)量）級(jí)別，QOS 可選范圍為0、1、2，具體寫(xiě)法參考示例即可。（用戶名密碼為選填項(xiàng)。）

7. 解析數(shù)據(jù)，在MQTT Payload 模塊中配置解析 MQTT 消息：

可以點(diǎn)擊從服務(wù)器檢索，從 MQTT Broker 獲得示例數(shù)據(jù)。也可以自己填寫(xiě) MQTT 消息體中的示例數(shù)據(jù)，例如：{“id”: 1, “message”: “hello-word”}{“id”: 2, “message”: “hello-word”}。

8. 獲得數(shù)據(jù)之后，可以選擇自定義的方式依次去處理這個(gè)json：

• 提取出列。
• 對(duì)提取出的列數(shù)據(jù)，通過(guò)分隔符、正則表達(dá)式等進(jìn)行提取或拆分：比如把“中國(guó)-北京”拆分成“中國(guó)”和“北京” 兩列。
• 對(duì)最終的結(jié)果進(jìn)行過(guò)濾：比如只取車(chē)速大于 xxx 的數(shù)據(jù)。。

9. 創(chuàng)建一個(gè)超級(jí)表，用于存儲(chǔ)MQTT數(shù)據(jù)。然后把剛剛處理過(guò)的 MQTT 數(shù)據(jù)結(jié)構(gòu)和 TDengine 的超級(jí)表做一個(gè)映射關(guān)系：這里我們可以使用各種靈活的方式處理映射關(guān)系。比如設(shè)置時(shí)間戳自動(dòng)生成、固定制、默認(rèn)值、以及最基本的匹配。

10. 填寫(xiě)完成以上信息后，下拉到底部點(diǎn)擊“保存并應(yīng)用”按鈕，即可直接啟動(dòng)從 MQTT 到 TDengine 的數(shù)據(jù)同步了。

11.在這里看到連接代理和數(shù)據(jù)源任務(wù)都處于正常狀態(tài)之后，就可以去TDengine 中使用 SQL 語(yǔ)句檢查我們的 MQTT 數(shù)據(jù)了。

現(xiàn)在，我們已經(jīng)看到MQTT server 的數(shù)據(jù)正在源源不斷地寫(xiě)入 TDengine 了。

在這個(gè)配置過(guò)程中，我們還能在 WEB 頁(yè)面看到很多其他配置項(xiàng)，但是他們都是選填項(xiàng)，這部分用戶可以根據(jù)實(shí)際情況填寫(xiě)，比如：

1. 用戶名/密碼，SSL 認(rèn)證。
2. Keep Alive 和 Clean Session 為具體使用時(shí)候關(guān)于空連接釋放和是否記錄訂閱進(jìn)度的配置。
3. 代理插件的日志級(jí)別、日志保留天數(shù)、mqtt原始數(shù)據(jù)的保留設(shè)置。

現(xiàn)在，我們就已經(jīng)輕松完成了車(chē)輛 MQTT 數(shù)據(jù)的上傳。整個(gè)過(guò)程中，唯一耗時(shí)的地方，可能就在于 MQTT 數(shù)據(jù)結(jié)構(gòu)和 TDengine 的超級(jí)表結(jié)構(gòu)的匹配環(huán)節(jié)。如果您對(duì) TDengine 的“超級(jí)表-子表”的數(shù)據(jù)模型十分熟悉的話，想必不會(huì)花很多時(shí)間。

小T導(dǎo)讀：隨著知輪智慧輪胎系統(tǒng)的不斷升級(jí)迭代，數(shù)據(jù)規(guī)模也在不斷增長(zhǎng)，內(nèi)外部人員對(duì)智慧系統(tǒng)整體業(yè)務(wù)響應(yīng)速度和穩(wěn)定性要求變得更高。為了滿足這一需求，該項(xiàng)目團(tuán)隊(duì)決定應(yīng)用 TDengine 替換原有的 Elasticsearch 檢索分析引擎，本文就 TDengine 的應(yīng)用情況、改造效果等進(jìn)行了全面分析，給到大家參考。

知輪（杭州）科技有限公司隸屬于中策橡膠集團(tuán)，是一家專注為商用車(chē)客戶提供輪胎數(shù)字化解決方案以及輪胎新零售、移動(dòng)救援的互聯(lián)網(wǎng)科技公司。我們以輪胎為核心，致力于幫助用戶在車(chē)輛行駛過(guò)程中更好地應(yīng)對(duì)輪胎購(gòu)買(mǎi)和使用、輪胎故障救援以及輪胎安全預(yù)警等三個(gè)關(guān)鍵場(chǎng)景下的一系列問(wèn)題。

以下是知輪科技三大服務(wù)場(chǎng)景：

項(xiàng)目選型背景

知輪智慧輪胎系統(tǒng)（簡(jiǎn)稱 VTIS 系統(tǒng)）經(jīng)過(guò)近年的不斷升級(jí)迭代，數(shù)據(jù)規(guī)模不斷增長(zhǎng)。特別是最近兩年，隨著知輪智租系統(tǒng)車(chē)輛和某國(guó)內(nèi)快遞車(chē)隊(duì)全國(guó)快遞車(chē)輛等相關(guān)系統(tǒng)的接入，外部客戶和內(nèi)部人員對(duì)智慧系統(tǒng)整體業(yè)務(wù)響應(yīng)延遲變得更為敏感，對(duì)系統(tǒng)穩(wěn)定性的要求也變得更高。

而知輪 VTIS 系統(tǒng)先前采用的是 Elasticsearch 檢索分析引擎，其無(wú)論在產(chǎn)品選型、應(yīng)用場(chǎng)景還是開(kāi)發(fā)迭代效率方面，都無(wú)法滿足數(shù)據(jù)量不斷增加的需求?？紤]到數(shù)據(jù)特點(diǎn)和處理需求，我們決定選擇更專業(yè)的物聯(lián)網(wǎng)和車(chē)聯(lián)網(wǎng)時(shí)序數(shù)據(jù)庫(kù)（Time Series Database）來(lái)滿足系統(tǒng)的要求。

通過(guò)各類(lèi)選型調(diào)研后，最終我們選擇應(yīng)用 TDengine 作為 VTIS 系統(tǒng)的時(shí)序數(shù)據(jù)庫(kù)。主要有以下幾方面的考量：

• 業(yè)務(wù)適配性：TDengine 符合 VTIS 系統(tǒng)物聯(lián)網(wǎng) + 車(chē)聯(lián)網(wǎng)特性。
• 運(yùn)維成本：TDengine Enterprise（企業(yè)版）由濤思數(shù)據(jù)提供 24 小時(shí)專人運(yùn)維服務(wù)，運(yùn)維成本顯著降低。
• 數(shù)據(jù)壓縮率：時(shí)序列式存儲(chǔ)促成了 TDengine 超高的數(shù)據(jù)壓縮比，結(jié)合數(shù)據(jù)重整功能，實(shí)測(cè)數(shù)據(jù)相比 Elasticsearch 數(shù)據(jù)壓縮比超過(guò) 1:10，為企業(yè)節(jié)省了更多的服務(wù)器磁盤(pán)費(fèi)用。
• 讀寫(xiě)性能優(yōu)異：對(duì)于時(shí)序數(shù)據(jù)來(lái)說(shuō) TDengine 的寫(xiě)入性能極高，實(shí)測(cè) 3 節(jié)點(diǎn)高效云盤(pán)寫(xiě)入速度可達(dá) 30W 測(cè)點(diǎn)每秒。數(shù)據(jù)讀取性能也表現(xiàn)的很優(yōu)異，針對(duì)相同時(shí)序數(shù)據(jù)量，其讀取速率 10 倍于原有的 Elasticsearch 引擎。
• TDengine 具有低服務(wù)器資源占用率、高可用性和穩(wěn)定性的特點(diǎn)。它支持用戶自定義函數(shù)（UDF）算法集成，并提供各類(lèi)數(shù)學(xué)算法的支持。
• 冷熱分離：TDengine 提供多級(jí)存儲(chǔ)，對(duì)歷史數(shù)據(jù)可全自動(dòng)遷移低頻低價(jià)存儲(chǔ)介質(zhì)中進(jìn)行存儲(chǔ)，降低企業(yè)數(shù)據(jù)存儲(chǔ)費(fèi)用。
• 車(chē)企接入率高：針對(duì)公司所屬行業(yè)合作對(duì)接情況，結(jié)合濤思數(shù)據(jù)官網(wǎng)各類(lèi)落地案例，TDengine 在快遞物流行業(yè)、物聯(lián)網(wǎng)行業(yè)均有較高接入率，能夠?yàn)楣竞罄m(xù)商業(yè)發(fā)展提供更友好的數(shù)據(jù)支持。

業(yè)務(wù)架構(gòu) & 經(jīng)驗(yàn)分享

目前該項(xiàng)目上使用的是 TDengine 3.1.1.11 企業(yè)版的 3 節(jié)點(diǎn)集群，單臺(tái)配置為 16 核 CPU + 64GB 內(nèi)存 + 3TB 高效云盤(pán)。數(shù)據(jù)整體流向架構(gòu)圖（簡(jiǎn)化）如下所示：

以車(chē)輛實(shí)時(shí)胎溫胎壓數(shù)據(jù)采集為例。邊緣網(wǎng)關(guān)一般會(huì)每隔一定時(shí)間（秒級(jí)）采集胎溫胎壓數(shù)據(jù)，其中包括胎溫、胎壓、漏氣情況等數(shù)據(jù)，通過(guò)邊緣計(jì)算進(jìn)行首次數(shù)據(jù)整合、比對(duì)預(yù)警閾值后，網(wǎng)關(guān)一般情況下以 3 分鐘（報(bào)警時(shí)秒級(jí)）間隔通過(guò) TCP 鏈接 + 私有協(xié)議將數(shù)據(jù)發(fā)送至 VTIS 云平臺(tái) Netty 網(wǎng)關(guān)。

實(shí)時(shí)流數(shù)據(jù)經(jīng) VTIS Netty 網(wǎng)關(guān)服務(wù)后依次執(zhí)行數(shù)據(jù)解碼、流數(shù)據(jù)實(shí)時(shí)分析、預(yù)警推送、數(shù)據(jù)整合等步驟后批量寫(xiě)入 TDengine 中。需要注意的是，TDengine 寫(xiě)入需保持單子表順序?qū)懭氲囊?guī)則，因此寫(xiě)入前的數(shù)據(jù)順序重整很有必要，這可以減少數(shù)據(jù)空洞的產(chǎn)生。

基于 TDengine 一個(gè)設(shè)備采集點(diǎn)一張子表的建模思路，在濤思數(shù)據(jù)交付團(tuán)隊(duì)協(xié)助下，我們建立了車(chē)輛胎溫胎壓數(shù)據(jù)的庫(kù)表結(jié)構(gòu)大致如下（簡(jiǎn)化）：

列設(shè)計(jì)-采集量：

列設(shè)計(jì)-狀態(tài)量：

標(biāo)簽設(shè)計(jì)：

上述數(shù)據(jù)保存時(shí)間為 180 天，數(shù)據(jù)文件切分跨度 1 天，由于單車(chē)輛存在多輪位同時(shí)刻胎溫胎壓數(shù)據(jù)，我們便以時(shí)間戳后六位對(duì)數(shù)據(jù)進(jìn)行區(qū)分。此外，通過(guò) TDengine 提供的各類(lèi)原有函數(shù)配合用戶自定義函數(shù)，我們編寫(xiě)了基于時(shí)序的算法配合實(shí)時(shí)流計(jì)算（如即時(shí)態(tài)勢(shì)溫度感知），以此提高預(yù)警效率和及時(shí)性，減少誤報(bào)情況的發(fā)生。

運(yùn)行情況 & 改造效果

項(xiàng)目上線后穩(wěn)定運(yùn)行至今，資源占用率平穩(wěn)。對(duì)比原有的 Elasticsearch，TDengine 存儲(chǔ)時(shí)序數(shù)據(jù)存在明顯的優(yōu)勢(shì)，主要表現(xiàn)在如下幾點(diǎn)：

• 磁盤(pán)占用

Elasticsearch：基于 Lucene 內(nèi)部以 JSON 格式存儲(chǔ)，數(shù)據(jù)壓縮率低，磁盤(pán)占用率高；

TDengine：時(shí)序列式存儲(chǔ)，同一設(shè)備隨時(shí)間數(shù)據(jù)變化不大，壓縮率極高，相比 Elasticsearch 有 10 倍左右的壓縮比，磁盤(pán)占用率低。

• 內(nèi)存占用（單節(jié)點(diǎn)內(nèi)存配置皆為 64GB）

Elasticsearch：內(nèi)存占用量 4 個(gè)節(jié)點(diǎn)皆在 54GB 以上；

TDengine：內(nèi)存占用量 3 個(gè)節(jié)點(diǎn)皆僅在 4GB 左右。

此外，TDengine 還具有如下優(yōu)點(diǎn)：

• 數(shù)據(jù)讀寫(xiě)性能強(qiáng)大：對(duì)于時(shí)序數(shù)據(jù)的順序?qū)懭胨俾蕵O快 ，時(shí)間范圍查詢效率極高。
• 復(fù)雜時(shí)序運(yùn)算：通過(guò) TDengine 的 UDF（用戶自定函數(shù)）功能，方便 VTIS 系統(tǒng)后續(xù)進(jìn)行時(shí)序態(tài)勢(shì)胎溫實(shí)時(shí)流計(jì)算和其他復(fù)雜時(shí)序數(shù)據(jù)的實(shí)時(shí)計(jì)算。復(fù)雜運(yùn)算不影響整體集群穩(wěn)定性和時(shí)延。
• 數(shù)據(jù)訂閱服務(wù)：利用 TDengine 的數(shù)據(jù)訂閱功能，將數(shù)據(jù)實(shí)時(shí)導(dǎo)入阿里云 MaxCompute 大數(shù)據(jù)倉(cāng)庫(kù)，實(shí)現(xiàn)近實(shí)時(shí)的數(shù)據(jù)可視化分析和模型建立。

第三方平臺(tái)可以利用 TDengine 的數(shù)據(jù)訂閱功能實(shí)現(xiàn)數(shù)據(jù)便捷流轉(zhuǎn)，便于知輪科技與各家快遞物流、車(chē)企、公交集團(tuán)等進(jìn)行數(shù)據(jù)對(duì)接。未來(lái)希望 TDengine 能增加更多便于運(yùn)維的功能，比如無(wú)阻塞的數(shù)據(jù)重整、數(shù)據(jù)慢查詢隔離池等。

可視化與未來(lái)

在車(chē)輛胎溫胎壓監(jiān)控領(lǐng)域的可視化中，展示信息的完整性、實(shí)時(shí)性、可交互性和靈活性至關(guān)重要。TDengine 提供高效的查詢能力和簡(jiǎn)單易用的 SQL 語(yǔ)句，能輕松實(shí)現(xiàn)這些需求。通過(guò)網(wǎng)頁(yè)展示工具調(diào)用 TDengine 的 SQL，我們成功創(chuàng)建了展示各類(lèi)車(chē)輛預(yù)警事件的主看板，為車(chē)隊(duì)集團(tuán)的運(yùn)營(yíng)決策提供重要支持。

以上是 TDengine 3.0 在輪胎智能預(yù)警領(lǐng)域的應(yīng)用案例，類(lèi)似的需求也存在于快遞物流、公共交通、港口碼頭等多個(gè)輪胎應(yīng)用場(chǎng)景中。隨著智能化的不斷演進(jìn)，知輪科技的 VTIS 系統(tǒng)將通過(guò)采用 TDengine 在未來(lái)扮演更加重要的角色。

作者簡(jiǎn)介：尤佳迪，知輪（杭州）科技有限公司，負(fù)責(zé) VTIS 系統(tǒng)物聯(lián)網(wǎng)平臺(tái)業(yè)務(wù)。

異常事件預(yù)警

在具體業(yè)務(wù)中，軌跡數(shù)據(jù)的傳輸形式主要有兩種，正常情況下設(shè)備會(huì)實(shí)時(shí)向服務(wù)端推送數(shù)據(jù)，但當(dāng)設(shè)備無(wú)信號(hào)時(shí)就會(huì)出現(xiàn)離線數(shù)據(jù)，車(chē)輛聯(lián)網(wǎng)后會(huì)將離線數(shù)據(jù)再次進(jìn)行推送。利用這些推送數(shù)據(jù)，我們需要計(jì)算運(yùn)輸車(chē)輛超時(shí)停車(chē)預(yù)警。

這一需求實(shí)現(xiàn)的難點(diǎn)在于實(shí)時(shí)數(shù)據(jù)計(jì)算停車(chē)停留時(shí)間后，離線數(shù)據(jù)上傳，離線數(shù)據(jù)可能存在實(shí)時(shí)數(shù)據(jù)的中間，所以停留時(shí)間需要重新計(jì)算，數(shù)據(jù)量大，計(jì)算量大，復(fù)雜度也高，準(zhǔn)確性低。

我們的解決方案是：

• 對(duì)于實(shí)時(shí)數(shù)據(jù)，可以直接計(jì)算每個(gè)軌跡點(diǎn)的停留時(shí)間，并根據(jù)預(yù)設(shè)的超時(shí)閾值進(jìn)行判斷，是否需要發(fā)出超時(shí)停車(chē)預(yù)警。同時(shí)使用 Redis 內(nèi)存數(shù)據(jù)庫(kù)或者是使用分布式緩存系統(tǒng)進(jìn)行緩存優(yōu)化，將計(jì)算結(jié)果進(jìn)行緩存，避免重復(fù)計(jì)算；
• 對(duì)于離線數(shù)據(jù)，可以在車(chē)輛重新聯(lián)網(wǎng)后，將離線數(shù)據(jù)與實(shí)時(shí)數(shù)據(jù)進(jìn)行合并，并根據(jù)時(shí)間戳進(jìn)行排序，從而保證數(shù)據(jù)順序的正確性。然后根據(jù)新的軌跡點(diǎn)數(shù)據(jù)重新計(jì)算超時(shí)停車(chē)預(yù)警，避免離線數(shù)據(jù)對(duì)預(yù)警結(jié)果造成影響。

在原有方案中，我們通過(guò)對(duì)已接收的數(shù)據(jù)進(jìn)行實(shí)時(shí)計(jì)算，以此確定每個(gè)軌跡點(diǎn)是離線還是在線狀態(tài)。但這一方案存在兩點(diǎn)缺陷：

• 由于計(jì)算數(shù)據(jù)量較大，導(dǎo)致接收數(shù)據(jù)存在延時(shí)問(wèn)題
• 因有離線數(shù)據(jù)，需要考慮離線數(shù)據(jù)與實(shí)時(shí)數(shù)據(jù)結(jié)合，可能有超時(shí)停車(chē)的情況出現(xiàn)，導(dǎo)致計(jì)算量復(fù)雜程度倍增

后面經(jīng)過(guò)數(shù)據(jù)庫(kù)選型，我們選擇了時(shí)序數(shù)據(jù)庫(kù)（Time Series Database） TDengine 存儲(chǔ)車(chē)輛軌跡數(shù)據(jù)，它能夠很好地實(shí)時(shí)分析并記錄車(chē)輛的位置、速度和行駛方向等信息，為 B 端客戶提供實(shí)時(shí)車(chē)輛運(yùn)輸位置跟蹤。

TDengine 流式計(jì)算

時(shí)序數(shù)據(jù)通常都是實(shí)時(shí)產(chǎn)生的，需要實(shí)時(shí)存儲(chǔ)和分析，TDengine 作為一款面向時(shí)序數(shù)據(jù)的高性能數(shù)據(jù)庫(kù)，對(duì)時(shí)序數(shù)據(jù)的處理正是它的強(qiáng)項(xiàng)。相比于傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)，TDengine 采用了列式存儲(chǔ)和壓縮算法等技術(shù)來(lái)提高數(shù)據(jù)存儲(chǔ)和查詢的效率，從而可以更好地滿足高頻率、高容量、高并發(fā)的數(shù)據(jù)處理需求。在了解 TDengine 的過(guò)程中，我發(fā)現(xiàn)它除了高性能的時(shí)序數(shù)據(jù)庫(kù)功能外，還支持了流式計(jì)算和數(shù)據(jù)訂閱等功能。

使用 TDengine 的流式計(jì)算功能進(jìn)行數(shù)據(jù)處理和分析時(shí)，用戶可以按照當(dāng)前流入的數(shù)據(jù)進(jìn)行實(shí)時(shí)計(jì)算，而且當(dāng)離線數(shù)據(jù)到達(dá)后，也可以重新計(jì)算，從而滿足統(tǒng)計(jì)超時(shí)停車(chē)數(shù)據(jù)的需求。具體到我們的業(yè)務(wù)來(lái)說(shuō)，可以通過(guò)在 TDengine 中建立超時(shí)停車(chē)數(shù)據(jù)模型，定義超時(shí)停車(chē)的規(guī)則和閾值，并將實(shí)時(shí)收集的軌跡數(shù)據(jù)與之進(jìn)行對(duì)比，從而實(shí)現(xiàn)實(shí)時(shí)預(yù)警和統(tǒng)計(jì)。

使用如下代碼創(chuàng)建存儲(chǔ)車(chē)輛軌跡信息表：

為了滿足統(tǒng)計(jì)車(chē)輛超時(shí)停車(chē)業(yè)務(wù)展示的相關(guān)需求，我們可以從軌跡開(kāi)始時(shí)間、軌跡結(jié)束時(shí)間、時(shí)長(zhǎng)、最新位置、運(yùn)行狀態(tài)和軌跡點(diǎn)數(shù)等方面對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)和展示：

• 軌跡開(kāi)始時(shí)間：記錄車(chē)輛行駛軌跡開(kāi)始的時(shí)間，精確到秒級(jí)別。這個(gè)時(shí)間可以用于計(jì)算車(chē)輛是否存在超時(shí)停車(chē)的情況。
• 軌跡結(jié)束時(shí)間：記錄車(chē)輛行駛軌跡結(jié)束的時(shí)間，同樣精確到秒級(jí)別，用于計(jì)算車(chē)輛行駛時(shí)長(zhǎng)。
• 時(shí)長(zhǎng)：通過(guò)軌跡開(kāi)始時(shí)間和結(jié)束時(shí)間的計(jì)算，可以得到車(chē)輛行駛軌跡的時(shí)長(zhǎng)，以秒為單位，對(duì)于B端客戶非常有用。
• 最新位置：記錄車(chē)輛最新的位置，可以實(shí)現(xiàn)實(shí)時(shí)跟蹤車(chē)輛位置和行駛狀態(tài)。這個(gè)信息可以在地圖上進(jìn)行展示，幫助客戶更好地了解車(chē)輛的行駛情況。
• 運(yùn)行狀態(tài)：根據(jù)流式計(jì)算技術(shù)實(shí)時(shí)處理的結(jié)果，可以確定車(chē)輛的運(yùn)行狀態(tài)，例如停車(chē)或行駛等。這個(gè)信息也可以以圖標(biāo)或顏色等方式在地圖上進(jìn)行展示，方便客戶快速了解車(chē)輛的運(yùn)行情況。
• 軌跡點(diǎn)數(shù)：通過(guò)統(tǒng)計(jì)軌跡經(jīng)過(guò)的點(diǎn)數(shù)，可以判斷車(chē)輛的行駛軌跡是否正常。如果軌跡點(diǎn)數(shù)明顯增多，則可能是因?yàn)檐?chē)輛發(fā)生了異常情況，例如線路擁堵等。

實(shí)時(shí)數(shù)據(jù)分析

創(chuàng)建流：

插入數(shù)據(jù)（實(shí)時(shí)）：

插入實(shí)時(shí)數(shù)據(jù)，觀察流式計(jì)算結(jié)果select * from overtime_parking_output_stb;，如下：

通過(guò)應(yīng)用 TDengine 流式計(jì)算功能，我們可以將行駛和超時(shí)停車(chē)的數(shù)據(jù)分別存儲(chǔ)，并記錄對(duì)應(yīng)軌跡和時(shí)長(zhǎng)，方便查找和分析正常行駛和超時(shí)停車(chē)的情況。

在車(chē)輛行駛過(guò)程中，TDengine 流式計(jì)算引擎能夠?qū)崟r(shí)判斷車(chē)輛的運(yùn)行狀態(tài)，區(qū)分出行駛和停車(chē)的狀態(tài)，并將這些數(shù)據(jù)實(shí)時(shí)處理并存儲(chǔ)到不同的數(shù)據(jù)庫(kù)表或者數(shù)據(jù)流中。在數(shù)據(jù)存儲(chǔ)的過(guò)程中，也會(huì)記錄對(duì)應(yīng)軌跡和時(shí)長(zhǎng)等信息，為后續(xù)的數(shù)據(jù)分析提供依據(jù)。

對(duì)于超時(shí)停車(chē)的情況，通過(guò) TDengine 流式計(jì)算可以實(shí)時(shí)監(jiān)控車(chē)輛的運(yùn)行狀態(tài)和位置信息，如果發(fā)現(xiàn)車(chē)輛停留時(shí)間過(guò)長(zhǎng)，就可以將其標(biāo)記為超時(shí)停車(chē)，并及時(shí)進(jìn)行預(yù)警和管控。同時(shí)，利用這一功能，我們也可以通過(guò)對(duì)行駛和停車(chē)數(shù)據(jù)進(jìn)行分析，進(jìn)一步優(yōu)化路線規(guī)劃和運(yùn)營(yíng)管理，提升運(yùn)輸效率和安全性。

離線數(shù)據(jù)分析

插入離線數(shù)據(jù)（實(shí)時(shí)數(shù)據(jù)的中間部分，觀察流式計(jì)算結(jié)果）：

插入離線數(shù)據(jù)，觀察流式計(jì)算結(jié)果select * from overtime_parking_output_stb;，如下：

在離線數(shù)據(jù)上傳后，TDengine 流式計(jì)算引擎會(huì)將這些數(shù)據(jù)在對(duì)應(yīng)的時(shí)間點(diǎn)上進(jìn)行數(shù)據(jù)計(jì)算處理，按照數(shù)據(jù)的時(shí)間順序進(jìn)行處理，并且完全滿足軌跡按時(shí)間排序計(jì)算的正常順序，確保不會(huì)出現(xiàn)漏洞或者混亂的情況。這樣一來(lái)，離線數(shù)據(jù)與實(shí)時(shí)數(shù)據(jù)就不會(huì)再出現(xiàn)錯(cuò)誤計(jì)算的問(wèn)題，我們也能夠?yàn)?B 端客戶提供更準(zhǔn)確、實(shí)時(shí)、有效的運(yùn)營(yíng)數(shù)據(jù)和報(bào)表。

總之，TDengine 流式計(jì)算功能不僅幫助我們實(shí)現(xiàn)了車(chē)輛行駛數(shù)據(jù)的實(shí)時(shí)處理和分類(lèi)，也很好地實(shí)現(xiàn)了運(yùn)輸車(chē)輛超時(shí)停車(chē)預(yù)警，減輕了服務(wù)端的計(jì)算壓力，滿足業(yè)務(wù)需求的同時(shí)幫助我們極大節(jié)省了數(shù)據(jù)處理成本，提高了車(chē)輛的運(yùn)輸效率和安全性。

寫(xiě)在最后

在運(yùn)行 TDengine 過(guò)程中，濤思數(shù)據(jù)團(tuán)隊(duì)始終以客戶需求為導(dǎo)向，為我們提供高效、可靠的數(shù)據(jù)處理和分析服務(wù)，滿足了不斷升級(jí)的業(yè)務(wù)需求，我們也非常感謝他們。未來(lái)我們還有計(jì)劃將 TDengine 引入到其他業(yè)務(wù)中進(jìn)行時(shí)序數(shù)據(jù)的處理，在實(shí)踐中推進(jìn)時(shí)序數(shù)據(jù)庫(kù)技術(shù)的發(fā)展，實(shí)現(xiàn)共贏。

小T導(dǎo)讀：在中移物聯(lián)網(wǎng)的智慧出行場(chǎng)景中，需要存儲(chǔ)車(chē)聯(lián)網(wǎng)設(shè)備的軌跡點(diǎn)，還要支持對(duì)車(chē)輛軌跡進(jìn)行查詢。為了更好地進(jìn)行數(shù)據(jù)處理，他們?cè)?2021 年上線了 TDengine 2.0 版本的 5 節(jié)點(diǎn) 3 副本集群。 3.0 發(fā)布后，它的眾多特性吸引著中移物聯(lián)網(wǎng)進(jìn)行了大版本升級(jí)。本文詳細(xì)分享了中移物聯(lián)網(wǎng)在 3.0 項(xiàng)目的業(yè)務(wù)實(shí)踐和全新體驗(yàn)，以此給大家作參考。

關(guān)于中移物聯(lián)網(wǎng)：

中移物聯(lián)網(wǎng)有限公司是中國(guó)移動(dòng)通信集團(tuán)有限公司出資成立的全資子公司。公司按照中國(guó)移動(dòng)整體戰(zhàn)略布局，圍繞“物聯(lián)網(wǎng)業(yè)務(wù)服務(wù)的支撐者、專用模組和芯片的提供者、物聯(lián)網(wǎng)專用產(chǎn)品的推動(dòng)者”的戰(zhàn)略定位，專業(yè)化運(yùn)營(yíng)物聯(lián)網(wǎng)專用網(wǎng)絡(luò)，設(shè)計(jì)生產(chǎn)物聯(lián)網(wǎng)專用模組和芯片，打造智慧出行、智能家居、智能穿戴等特色產(chǎn)品，開(kāi)發(fā)運(yùn)營(yíng)物聯(lián)網(wǎng)連接管理平臺(tái) OneLink 和物聯(lián)網(wǎng)開(kāi)放平臺(tái) OneNET，推廣物聯(lián)網(wǎng)解決方案，形成了五大方向業(yè)務(wù)布局和物聯(lián)網(wǎng)“云-網(wǎng)-邊-端 ”全方位的體系架構(gòu)。

業(yè)務(wù)背景：

智慧出行是中移物聯(lián)網(wǎng)的一個(gè)非常典型的場(chǎng)景，我們需要存儲(chǔ)車(chē)聯(lián)網(wǎng)設(shè)備的軌跡點(diǎn)，還要支持對(duì)軌跡進(jìn)行查詢。最初我們使用的是 Oracle 小型機(jī)單表分區(qū)存儲(chǔ)數(shù)據(jù)，運(yùn)維復(fù)雜不便管理。2017 年，響應(yīng)集團(tuán)去 IOE 的要求，該項(xiàng)目開(kāi)始使用 MySQL 集群。2019 年，產(chǎn)品提出了更高的數(shù)據(jù)存儲(chǔ)需求，我們又開(kāi)始調(diào)研國(guó)產(chǎn)數(shù)據(jù)庫(kù) TiDB，但由于其存儲(chǔ)成本過(guò)高，不適合軌跡存儲(chǔ)這種低價(jià)值的數(shù)據(jù)，而且不能解決行業(yè)客戶軌跡數(shù)據(jù)存儲(chǔ)周期定制化的需要，因此我們開(kāi)始繼續(xù)調(diào)研新的存儲(chǔ)方案——國(guó)產(chǎn)開(kāi)源時(shí)序數(shù)據(jù)庫(kù) （Time Series Database）TDengine 就是這個(gè)時(shí)候進(jìn)入了我們的視野。

在調(diào)研中我們發(fā)現(xiàn)，智慧出行軌跡數(shù)據(jù)的特點(diǎn)天然適合 TDengine ：

• 高頻寫(xiě)入，每天寫(xiě)入約兩億條軌跡數(shù)據(jù)；
• 低頻查詢，通常是由用戶觸發(fā)，查詢最近幾天的軌跡；
• 企業(yè)用戶有定制軌跡存儲(chǔ)周期的需求；
• 不針對(duì) OLAP 需求，數(shù)據(jù)價(jià)值密度低。

因此，在經(jīng)歷了嚴(yán)謹(jǐn)?shù)倪x型測(cè)試后，我們最終確定選擇 TDengine 作為新的數(shù)據(jù)存儲(chǔ)引擎。具體選型過(guò)程和項(xiàng)目歷史背景可以參考 2.x 版本的案例《存儲(chǔ)空間降為原來(lái)的1/7，TDengine在中移物聯(lián)網(wǎng)軌跡數(shù)據(jù)存儲(chǔ)中的應(yīng)用》。

改造后系統(tǒng)的整體架構(gòu)如下圖所示：

我們?cè)?nbsp;2021 年上線 TDengine 的 2.4.0.18 的 5 節(jié)點(diǎn) 3 副本集群穩(wěn)定運(yùn)行至今。今年 3.0 發(fā)布后，它的眾多特性十分吸引我們，其中最典型的幾個(gè)包括：

1. Raft 協(xié)議的引入使 TDengine 擁有了更標(biāo)準(zhǔn)的一致性算法
2. 存儲(chǔ)引擎的重構(gòu)優(yōu)化了 2.x 版本的設(shè)計(jì)
3. 查詢靈活度大幅提升，可實(shí)現(xiàn)的需求變得多元化
4. 支持更強(qiáng)大的流式計(jì)算

因此，盡管 2 – 3 版本底層數(shù)據(jù)文件并不兼容，我們還是自己寫(xiě)了程序把數(shù)據(jù)遷移到了 3.0.2.5 版本，以至于后面官方正式發(fā)布了企業(yè)版遷移工具 taosX 的時(shí)候，我們?cè)缇拖茸咭徊搅恕?/p>

3.0 使用體驗(yàn)：

TDengine 3.0 的安裝部署上保留了和 2.0 一樣的簡(jiǎn)單易用模式，升級(jí)操作只需要備份數(shù)據(jù)文件目錄，覆蓋安裝即可，而且寫(xiě)入速度極高，接近硬盤(pán)的連續(xù)寫(xiě)入性能。TDengine 的高效壓縮算法，可以節(jié)省大量存儲(chǔ)空間，SQL 使用也非常簡(jiǎn)單。在此前對(duì) MySQL 方案的替換中，我們的存儲(chǔ)空間降為原來(lái)的 1/7，可以看到，在節(jié)省存儲(chǔ)空間方面，TDengine 的優(yōu)勢(shì)極為明顯。

目前我們共有 102 萬(wàn)張子表，已經(jīng)累積的總數(shù)據(jù)量已經(jīng)達(dá)到了 2000 億行，3 副本，磁盤(pán)占用 3.1TB。在遷移到 TDengine 3.0 之后，各方面的表現(xiàn)依然非常不錯(cuò)：業(yè)務(wù)的寫(xiě)入峰值達(dá)到了 1.2-1.3w 行/s ，數(shù)據(jù)遷移的過(guò)程中可以達(dá)到 20w 行/s，這些情況下 TDengine 都可以輕松處理；存儲(chǔ)大約只有 MySQL 的 1/7；讀取數(shù)據(jù)性能也很突出，我們最常用的單設(shè)備單日查詢，可以在 0.1s 內(nèi)返回結(jié)果。

我們當(dāng)前使用的是 3.0.2.5 版本，但是由于業(yè)務(wù)本身不允許停機(jī)，所以沒(méi)辦法做離線升級(jí)。因此，后續(xù)會(huì)由 TDengine 企業(yè)版團(tuán)隊(duì)協(xié)助我們?cè)诰€升級(jí)至最新版本（當(dāng)前最新版本為 3.0.5.1）。

建模設(shè)計(jì)：

在庫(kù)表設(shè)計(jì)上，我們運(yùn)用了自動(dòng)建表來(lái)寫(xiě)入數(shù)據(jù)，每個(gè)終端設(shè)備產(chǎn)生的軌跡點(diǎn)位數(shù)據(jù)在第一次入庫(kù)的時(shí)候自動(dòng)創(chuàng)建子表，這樣只需要建一個(gè) database 和業(yè)務(wù)需求的超級(jí)表就可以了，省掉了數(shù)據(jù)入庫(kù)時(shí)的校驗(yàn)和建表操作。

值得一提的是，在 2.x 時(shí)代，元數(shù)據(jù)是在管理節(jié)點(diǎn)上集中存儲(chǔ)的，因此在當(dāng)時(shí)的版本中，自動(dòng)建表的速度會(huì)受到單線程工作能力的制約，當(dāng)時(shí)大概最高每秒只能創(chuàng)建 6000 個(gè)子表左右，不過(guò)當(dāng)時(shí)我們也沒(méi)有這么高的建表頻率所以也沒(méi)有受到太大影響。經(jīng)過(guò)重構(gòu)之后，3.0 的元數(shù)據(jù)已經(jīng)完全做到了分布式存儲(chǔ)，所有 vnode 都會(huì)獨(dú)立存儲(chǔ)自己表的元數(shù)據(jù)并處理寫(xiě)入操作，所以自動(dòng)建表的寫(xiě)入效率已經(jīng)大幅增加。

我們的超級(jí)表建表語(yǔ)句如下，可以給大家參考：

1.車(chē)輛歷史狀態(tài)、位置：

create stable device_statushis (pos_time TIMESTAMP,sample_time TIMESTAMP,record_time TIMESTAMP,online_status SMALLIN
T,alarm_status SMALLINT,pos_method SMALLINT,pos_precision SMALLINT,pos_longitude DOUBLE,pos_latitude DOUBLE,pos_altitude D
OUBLE,pos_speed FLOAT,pos_direction FLOAT,acc_forward FLOAT,acc_side FLOAT,acc_verticle FLOAT,rollover_level SMALLINT,powe
r_voltage FLOAT,acc_status SMALLINT,satellite_num SMALLINT) tags(device_id BINARY(32)) ;

2.車(chē)輛事件：四急( 急加速  急減速 急剎車(chē)  急轉(zhuǎn)彎)

CREATE STABLE `emg_info` (`pos_time` TIMESTAMP, `sample_time` TIMESTAMP, `record_time` TIMESTAMP, `duration` SMALLINT, `mid_interval` SMALLINT, `mid_number` SMALLINT, `pre_number` SMALLINT, `pre_interval` SMALLINT, `start_time` TIMESTAMP, `end_time` TIMESTAMP, `start_lat` DOUBLE, `end_lat` DOUBLE, `start_lng` DOUBLE, `end_lng` DOUBLE, `event_type` SMALLINT, `sample_info` NCHAR(2048), `parameter_type` NCHAR(10)) TAGS (`device_id` VARCHAR(32), `app_code` NCHAR(32));

3.GPS 信息：

CREATE STABLE `gps_info` (`pos_time` TIMESTAMP, `sample_time` TIMESTAMP, `record_time` TIMESTAMP, `online_status` SMALLINT, `alarm_status` SMALLINT, `pos_method` SMALLINT, `pos_precision` SMALLINT, `pos_longitude` DOUBLE, `pos_latitude` DOUBLE, `pos_altitude` DOUBLE, `pos_speed` FLOAT, `pos_direction` FLOAT, `acc_forward` FLOAT, `acc_side` FLOAT, `acc_verticle` FLOAT, `rollover_level` SMALLINT, `power_voltage` FLOAT, `acc_status` SMALLINT, `satellite_num` SMALLINT) TAGS (`device_id` VARCHAR(32), `app_code` NCHAR(32), `device_hash` INT);

4. 汽車(chē)總線數(shù)據(jù)：

CREATE STABLE `can_info` (`pos_time` TIMESTAMP, `sample_time` TIMESTAMP, `record_time` TIMESTAMP, `gas_pedal_position` FLOAT, `spark_angle` FLOAT, `total_fuel_consumption` INT, `storage_battery_voltage` FLOAT, `latest_engine_runtime` INT, `fuel_pressure` INT, `distance_after_mil` INT, `long_term_fuel_trim` FLOAT, `engine_rpm` INT, `intake_manifold_pressure` SMALLINT, `distance_total` INT, `engine_inlet_port_temp` SMALLINT, `calcu_load` TINYINT, `vehicle_speed` SMALLINT, `fuel_type` NCHAR(30), `area_code` INT) TAGS (`device_id` VARCHAR(32), `app_code` NCHAR(32));

在應(yīng)用層，由于我們存儲(chǔ)的數(shù)據(jù)是車(chē)輛軌跡數(shù)據(jù)，因此會(huì)做很多關(guān)于車(chē)輛軌跡數(shù)據(jù)的分析，比如：熱點(diǎn)路線、軌跡段數(shù)據(jù)、停留點(diǎn)、行駛事件（急轉(zhuǎn)彎、急加速、急減速、車(chē)輛其它信息），但由于 TDengine 一直以來(lái)都是時(shí)序數(shù)據(jù)庫(kù)，并沒(méi)有地理信息相關(guān)的計(jì)算函數(shù)，所以在這塊我們自己寫(xiě)了很多函數(shù)，通過(guò) Spark 的 RDD 來(lái)進(jìn)行了計(jì)算分析，最后再把分析后的數(shù)據(jù)返回給客戶端。

未來(lái)展望：

目前 TDengine 能夠很好地解決我們的需求，尤其是強(qiáng)大的存取能力是我們最滿意的地方。但近期我從官方人員處得知，從即將于 7 月份發(fā)布的 3.0.6.0 版本開(kāi)始，TDengine 將提供全新的數(shù)據(jù)類(lèi)型 geometry 用于點(diǎn)線面等幾何類(lèi)型的存儲(chǔ)，并且會(huì)逐步提供一套符合 OGC(Open Geospatial Consortium) 標(biāo)準(zhǔn)的 SQL 函數(shù)，包括幾何輸入輸出、空間關(guān)系、幾何測(cè)量、集合操作和幾何處理等等。

其實(shí)通過(guò)我們觀察，還是有很多車(chē)聯(lián)網(wǎng)用戶對(duì)于軌跡分析有使用需求，如果 TDengine 可以完整支持到空間數(shù)據(jù)的處理，這樣我們的系統(tǒng)架構(gòu)將會(huì)進(jìn)一步簡(jiǎn)化，連 Spark 都可以不用了，這就可以說(shuō)是完全意義上地使用了 All in one 的時(shí)序數(shù)據(jù)處理引擎。

可惜的是，目前由于我們歷史數(shù)據(jù)的經(jīng)緯度都是通過(guò)單獨(dú)列來(lái)存儲(chǔ)的，對(duì)于 Geometry 帶來(lái)的全新數(shù)據(jù)類(lèi)型，我們龐大的歷史數(shù)據(jù)量和應(yīng)用層是很難快速調(diào)整的，所以只能在測(cè)試環(huán)境應(yīng)用，先逐漸試用起來(lái)。

最后，祝 TDengine 越來(lái)越好，最終成為時(shí)序數(shù)據(jù)庫(kù)的事實(shí)標(biāo)準(zhǔn)。

作者介紹： 薛超，中移物聯(lián)網(wǎng)數(shù)據(jù)庫(kù)運(yùn)維高級(jí)工程師，10 年數(shù)據(jù)庫(kù)運(yùn)維經(jīng)歷，2017 年加入中移物聯(lián)網(wǎng)，負(fù)責(zé)智能硬件產(chǎn)品部數(shù)據(jù)庫(kù)相關(guān)工作，專注于數(shù)據(jù)庫(kù)優(yōu)化和推動(dòng)架構(gòu)演進(jìn)；近年來(lái)主要研究國(guó)產(chǎn)新型數(shù)據(jù)庫(kù)，目前所在部門(mén)全部業(yè)務(wù)已經(jīng)去“O”，在此過(guò)程中，積累了大量新型數(shù)據(jù)庫(kù)的運(yùn)維經(jīng)驗(yàn)。

TDengine 2.0 和 3.0 的主要區(qū)別可以從以下幾個(gè)方面來(lái)看：

• 存儲(chǔ)引擎：TDengine 3.0 對(duì)底層的存儲(chǔ)引擎進(jìn)行了大規(guī)模的優(yōu)化和重構(gòu)。更注重各種場(chǎng)景下的存儲(chǔ)和查詢效率，不僅要對(duì)管理節(jié)點(diǎn)進(jìn)一步“減負(fù)”，提供高效合理的更新、刪除功能，支持?jǐn)?shù)據(jù)備份、流式處理等功能，還要考慮到數(shù)據(jù)維度膨脹下的高效處理、多表場(chǎng)景下的開(kāi)機(jī)啟動(dòng)速度、合理高效且準(zhǔn)確地使用系統(tǒng)資源等需求，詳見(jiàn)《支持消息隊(duì)列和流式計(jì)算背后，TDengine 3.0 存儲(chǔ)引擎的優(yōu)化與升級(jí)》
• 分布式架構(gòu)：TDengine 3.0 完成了分布式系統(tǒng)架構(gòu)的迭代，集群支持 10 億條以上的時(shí)間線、100 臺(tái)服務(wù)器節(jié)點(diǎn)，成為一款真正的云原生時(shí)序數(shù)據(jù)庫(kù)，具有極強(qiáng)的彈性伸縮能力，詳見(jiàn)《支持 10 億個(gè)設(shè)備、100 臺(tái)服務(wù)器節(jié)點(diǎn)，TDengine 3.0 架構(gòu)詳解》
• 數(shù)據(jù)訂閱：TDengine 3.0 重構(gòu)并優(yōu)化了數(shù)據(jù)訂閱功能，在 TDengine 3.0 中，既可以訂閱一個(gè)數(shù)據(jù)庫(kù)，也可以訂閱一個(gè)自帶標(biāo)簽的“超級(jí)表”，訂閱完成后無(wú)需再拿到應(yīng)用端去過(guò)濾，極大提升了數(shù)據(jù)傳輸?shù)男?，詳?jiàn)《數(shù)據(jù)訂閱》。
• 流計(jì)算：TDengine 3.0支持事件驅(qū)動(dòng)的流計(jì)算。從方便用戶使用的角度出發(fā)，TDengine 的流計(jì)算語(yǔ)法就是 SQL，里面做了 windows 等擴(kuò)展，可以在數(shù)據(jù)寫(xiě)入時(shí)觸發(fā)，也可以在窗口結(jié)束觸發(fā)，詳見(jiàn)《流式計(jì)算》。
• TDengine Cloud：基于 TDengine 3.0，誕生了全托管的時(shí)序數(shù)據(jù)管理云服務(wù)平臺(tái) TDengine Cloud，提供安全可靠的企業(yè)級(jí)服務(wù)。點(diǎn)擊這里，注冊(cè)體驗(yàn)。
• 周邊生態(tài)：TDengine 3.0 對(duì)周邊生態(tài)進(jìn)行了豐富和完善，支持了更多的可視化工具和平臺(tái)，詳見(jiàn)《第三方工具》。

從 2.0 升級(jí)到 3.0 的好處主要有以下幾點(diǎn)：

• 提升了數(shù)據(jù)處理的性能和效率，降低了存儲(chǔ)空間和資源消耗。
• 簡(jiǎn)化了集群管理和運(yùn)維的復(fù)雜度，提高了系統(tǒng)的可靠性和可用性。
• 增加了數(shù)據(jù)寫(xiě)入和查詢的靈活性和多樣性，滿足了不同場(chǎng)景和需求的用戶。
• 擴(kuò)展了周邊生態(tài)的兼容性和覆蓋度，增強(qiáng)了與其他系統(tǒng)和平臺(tái)的集成能力。

點(diǎn)擊這里，下載最新安裝包，升級(jí) TDengine 3.0。

小 T 導(dǎo)讀：車(chē)聯(lián)網(wǎng)業(yè)務(wù)是中通科技配送全鏈路業(yè)務(wù)中非常重要的一環(huán)，在實(shí)際的項(xiàng)目需求中，需要實(shí)時(shí)查詢車(chē)輛最新位置狀態(tài)，達(dá)到車(chē)輛運(yùn)營(yíng)可視化管理。中智車(chē)聯(lián)服務(wù)平臺(tái)選擇了用 TDengine 來(lái)高效處理從車(chē)輛上實(shí)時(shí)采集的時(shí)序數(shù)據(jù)。

業(yè)務(wù)背景

目前，中通科技擁有一支千人規(guī)模的研發(fā)團(tuán)隊(duì)，在數(shù)字信息科技研發(fā)方面以“互聯(lián)網(wǎng)+物流”的理念，自研的軟件系統(tǒng)和數(shù)字化工具已達(dá)百余個(gè)，賦能覆蓋快遞業(yè)務(wù)全場(chǎng)景，同時(shí)為快運(yùn)、國(guó)際、云倉(cāng)、優(yōu)選、金融、商業(yè)等生態(tài)圈業(yè)務(wù)提供全方位的研發(fā)支持，建立起完善的互聯(lián)網(wǎng)產(chǎn)品研發(fā)體系，全場(chǎng)景、全鏈路的數(shù)字化、互聯(lián)化和智能化的業(yè)務(wù)地圖愈發(fā)成熟。

2021 年年底，中通快遞已完成了總部園區(qū)的實(shí)景三維模型，通過(guò)接入園區(qū)內(nèi)的在線傳感器，根據(jù)現(xiàn)有園區(qū)各功能區(qū)的區(qū)位布局，基于此三維模型開(kāi)展園區(qū)內(nèi)生產(chǎn)規(guī)劃、調(diào)度運(yùn)行和維護(hù)管理的全過(guò)程應(yīng)用，從而實(shí)現(xiàn)園區(qū)內(nèi)人、車(chē)、物在精準(zhǔn)運(yùn)行、資源優(yōu)化和配置服務(wù)中的全過(guò)程精益化管理。

隨著生產(chǎn)設(shè)備的小型化和智能化，快遞企業(yè)也將更快地進(jìn)入空間地理信息數(shù)據(jù)生產(chǎn)領(lǐng)域，有包裹流動(dòng)的地方，就會(huì)有時(shí)空數(shù)據(jù)服務(wù)的需求。

這里先給大家介紹一下配送全鏈路業(yè)務(wù)，這是指包裹從商家倉(cāng)出來(lái)一直到用戶手上的這段派送履約鏈路，它包含 4 個(gè)主要的實(shí)操流程，分別是分撥實(shí)操、運(yùn)輸實(shí)操、站點(diǎn)實(shí)操和快遞員實(shí)操。把 4 種實(shí)操管理放到三個(gè)系統(tǒng)里面，這三個(gè)系統(tǒng)分別是分撥管理、運(yùn)輸管理、末端站點(diǎn)實(shí)操管理。具體如下圖所示。

其中車(chē)聯(lián)網(wǎng)業(yè)務(wù)也是非常重要的一環(huán)，通過(guò)人、車(chē)、貨、場(chǎng)全鏈條覆蓋的車(chē)聯(lián)網(wǎng)設(shè)備應(yīng)用，實(shí)現(xiàn)物流運(yùn)輸全鏈路感知。在實(shí)際的項(xiàng)目需求中，我們需要實(shí)時(shí)查詢車(chē)輛最新位置狀態(tài)，達(dá)到車(chē)輛運(yùn)營(yíng)可視化管理，也就是我們的中智車(chē)聯(lián)服務(wù)平臺(tái)。

技術(shù)選型

在上述業(yè)務(wù)過(guò)程中，我們使用了 TDengine 來(lái)完成這個(gè)目標(biāo)。

在選型時(shí)，我們對(duì)比了 Prometheus 和 TDengine 這兩款很有代表性的時(shí)序數(shù)據(jù)庫(kù)（Time Series Database）。 相對(duì)而言，TDengine 的“一個(gè)設(shè)備采集點(diǎn)一張表”的底層設(shè)計(jì)，自帶的降采樣和窗口函數(shù)的優(yōu)秀性能，都十分契合車(chē)輛網(wǎng)場(chǎng)景。其列式存儲(chǔ)帶來(lái)的壓縮比也更好。所以我們選擇了 TDengine。

技術(shù)架構(gòu)

我們?cè)诿枯v車(chē)上都安裝了部標(biāo)機(jī)（即衛(wèi)星定位汽車(chē)行駛記錄儀），來(lái)實(shí)時(shí)采集車(chē)輛的行駛速度、時(shí)間、里程以及與車(chē)輛行駛相關(guān)的其他狀態(tài)信息。采集到的數(shù)據(jù)，通過(guò)我們的 IoT service 這層應(yīng)用來(lái)處理。然后數(shù)據(jù)經(jīng)由 MQ （消息隊(duì)列）層由 JDBC-RESTful 的方式寫(xiě)入 TDengine 集群，以供上游平臺(tái)使用，而部標(biāo)機(jī)產(chǎn)生的其他類(lèi)數(shù)據(jù)則通過(guò)別的途徑供上游平臺(tái)使用。

我們使用了三節(jié)點(diǎn)三副本的模式落地了 TDengine 集群。 

建表很簡(jiǎn)單，我們選擇了一類(lèi)數(shù)據(jù)對(duì)應(yīng)一張超級(jí)表，超級(jí)表下根據(jù)車(chē)牌號(hào)劃分子表，表結(jié)構(gòu)如下圖所示。目前還是項(xiàng)目初期，所以只接入了 700 余輛車(chē)，后續(xù)會(huì)逐步增加接入車(chē)輛。也正因?yàn)檫@套環(huán)境接入設(shè)備不多，寫(xiě)入方面并無(wú)壓力，遠(yuǎn)遠(yuǎn)達(dá)不到 TDengine 的寫(xiě)入極限。

具體應(yīng)用

我們要通過(guò)數(shù)據(jù)的變化來(lái)實(shí)時(shí)得到車(chē)輛的很多信息，比如是否有停留、超速、緩行、離線等事件發(fā)生。有些功能可以通過(guò) TDengine 的查詢功能實(shí)現(xiàn)，有些不方便實(shí)現(xiàn)的暫時(shí)通過(guò)應(yīng)用來(lái)完成。

下面我們通過(guò)幾個(gè)例子來(lái)看看目前業(yè)務(wù)中使用比較頻繁的查詢：

1.獲取車(chē)輛的最新位置

SQL 語(yǔ)句如下。

select  last_row(longitude,latitude),deviceId   from ioc_gps.vehicle_location groupby deviceId  where device_id = #{deviceId}  and ts >= #{startTime} and ts <= #{endTime}

業(yè)務(wù)需要快速查詢每輛車(chē)的最新坐標(biāo)，這里用到了 TDengine 提供的 last_row 函數(shù)。除了查詢單獨(dú)某輛車(chē)，經(jīng)常還會(huì)根據(jù) groupId 或者一批 deviceId 去查詢一批車(chē)輛的最新坐標(biāo)。

系統(tǒng)界面如下圖所示。

2. 車(chē)查軌跡信息查詢：

select ts,device_id as deviceId,longitude,latitude,altitude,speed as speed,direction,alarm as warnBit,status as statusBit,mobile,mileage,speed2,rssi,satellites,signal_status as signalStatus,gmt_create as gmtCreate,create_ip as createIp,kind,oil,message_id as messageId,device_name as deviceName,plate,device_group_id as deviceGroupId,device_group_name as deviceGroupName,acc, device_code as deviceCode
        from ioc_gps.vehicle_location
        where device_id = #{deviceId}
          and ts >= #{startTime}
          and ts <= #{endTime}

通過(guò)指定時(shí)間范圍和具體的車(chē)牌號(hào)，就可以立刻獲得該車(chē)輛的軌跡數(shù)據(jù)并渲染出軌跡圖像。如果知道子表名的話，還可以直接查詢子表，這樣會(huì)減少超級(jí)表中對(duì)于標(biāo)簽的檢索。

系統(tǒng)界面如下圖所示。

未來(lái)規(guī)劃

通過(guò)項(xiàng)目初期的表現(xiàn)，可以知道 TDengine 能夠輕松滿足我們的業(yè)務(wù)需求。未來(lái)我們還有其他的使用規(guī)劃，比如在我們的表字段中，有個(gè) ACC 字段，1 表示點(diǎn)火，0 表示熄火，要求能夠計(jì)算點(diǎn)火駕駛行程，由于 TDengine 當(dāng)前還沒(méi)有直接支持 GIS 計(jì)算，暫時(shí)不能通過(guò)坐標(biāo)算出直線距離（當(dāng)前所用的 TDengine 2.0 版本可能需要使用自定義的 UDF 實(shí)現(xiàn)），但是應(yīng)該可以通過(guò)狀態(tài)窗口+加權(quán)平均速度+開(kāi)火時(shí)間算出車(chē)輛每次點(diǎn)火的駕駛路程，就想這樣：

select time*speed from (select elapsed(ts,1s)as time,twa(speed) as speed,acc from t1 state_window(acc)) where acc =1  ;

而每次 ACC 開(kāi)火熄火的起始點(diǎn)和結(jié)束點(diǎn)信息，可以通過(guò) state_window 配合 first/last 函數(shù)來(lái)實(shí)現(xiàn)，比如：

select last(*),first(*) from t2 state_window(charge);

除此之外，我們也需要電子圍欄計(jì)算，需要快速計(jì)算新軌跡點(diǎn)是否進(jìn)入某電子圍欄之中，或者需要快速計(jì)算（1s 內(nèi)）位于某行政區(qū)劃（省份/城市）邊界內(nèi)的所有車(chē)輛的數(shù)量。這類(lèi)查詢都需要等 TDengine 繼續(xù)完善才能實(shí)現(xiàn)。

后續(xù)我們接入的車(chē)輛會(huì)達(dá)到幾萬(wàn)輛，對(duì)于部標(biāo)機(jī)產(chǎn)生的相關(guān)時(shí)序數(shù)據(jù)的使用也會(huì)越來(lái)越多。期待 TDengine 可以繼續(xù)為車(chē)聯(lián)網(wǎng)場(chǎng)景下的查詢提供更為多樣性的支持，產(chǎn)品越來(lái)越好。

小 T 導(dǎo)讀：為了解決廣大新能源汽車(chē)車(chē)主面臨的充電效率問(wèn)題，協(xié)鑫能科打造了以換電為核心業(yè)務(wù)的移動(dòng)能源品牌「協(xié)鑫電港」，需要對(duì)各種數(shù)據(jù)流進(jìn)行科學(xué)管理、合理運(yùn)用與智能調(diào)度，在數(shù)據(jù)庫(kù)的選擇上尤為重要。本文分享了他們對(duì)于數(shù)據(jù)庫(kù)架構(gòu)的搭建思考以及 TDengine 的應(yīng)用心得。

企業(yè)簡(jiǎn)介

協(xié)鑫能源科技股份有限公司（證券簡(jiǎn)稱：協(xié)鑫能科 002015.SZ） 系協(xié)鑫（集團(tuán)）控股有限公司旗下企業(yè)，主營(yíng)業(yè)務(wù)為清潔能源運(yùn)營(yíng)、移動(dòng)能源運(yùn)營(yíng)以及綜合能源服務(wù)。公司傾力打造從清潔能源生產(chǎn)、補(bǔ)能服務(wù)到儲(chǔ)能的便捷、經(jīng)濟(jì)、綠色的出行生態(tài)圈，為電動(dòng)化出行提供一體化能源解決方案，致力于成為領(lǐng)先的移動(dòng)數(shù)字能源科技運(yùn)營(yíng)商。

1、業(yè)務(wù)痛點(diǎn)

隨著新能源汽車(chē)的廣泛普及，補(bǔ)能的效率問(wèn)題逐漸成為了廣大車(chē)主面臨的痛點(diǎn)難題。為了解決此難題，作為一家頭部的新能源公司，協(xié)鑫能科創(chuàng)新突破，切入能源服務(wù)領(lǐng)域，打造了以換電為核心業(yè)務(wù)的移動(dòng)能源解決方案品牌「協(xié)鑫電港」。

由于這是一個(gè)在全新領(lǐng)域中打造的全新項(xiàng)目，想要獲得成功，需要對(duì)各種數(shù)據(jù)流進(jìn)行科學(xué)管理、合理運(yùn)用與智能調(diào)度，所以針對(duì)該場(chǎng)景，我們一開(kāi)始便把量級(jí)最大的物聯(lián)網(wǎng)數(shù)據(jù)處理方案鎖定在了時(shí)序數(shù)據(jù)庫(kù)（Time Series Database）上，重點(diǎn)對(duì)比了 InfluxDB、OpenTSDB 以及 TDengine。

最終，TDengine 以其獨(dú)特而科學(xué)的設(shè)計(jì)和優(yōu)秀的測(cè)試表現(xiàn)成為我們選中的時(shí)序數(shù)據(jù)處理引擎，承擔(dān)了用戶車(chē)輛數(shù)據(jù)、電池設(shè)備數(shù)據(jù)以及換電港工作設(shè)備等的海量數(shù)據(jù)存儲(chǔ)分析任務(wù)，為我們解決了該項(xiàng)目上難度最大的一個(gè)環(huán)節(jié)。最終，我們決定使用 TDengine 2.4.0.10 版本，并在電信的天翼云上落地了該項(xiàng)目。

2、架構(gòu)與搭建

從流量削峰以及數(shù)據(jù)安全的角度出發(fā)，我們會(huì)先通過(guò)使用某 MQTT 消息服務(wù)器把這些不同種類(lèi)的設(shè)備數(shù)據(jù)先統(tǒng)一轉(zhuǎn)發(fā)給到 Kafka。其中不同類(lèi)型的數(shù)據(jù)，將會(huì)分別上傳到不同的 Kafka topic，最后再通過(guò) Java 連接器把數(shù)據(jù)寫(xiě)入 TDengine。具體架構(gòu)如下圖所示：

在整體架構(gòu)上，除了 TDengine，也有一些其它數(shù)據(jù)庫(kù)共同支持系統(tǒng)服務(wù)，其中 MySQL 負(fù)責(zé)存儲(chǔ)訂單、流水等需要精細(xì)查詢的關(guān)系型數(shù)據(jù)，但由于 MySQL 可以承受的數(shù)據(jù)量比較有限，為了做一些大表的連接查詢，因此我們也接入了 TiDB，負(fù)責(zé)分析報(bào)表類(lèi)數(shù)據(jù)的存儲(chǔ)。

目前接入 TDengine 最主要的入庫(kù)數(shù)據(jù)是車(chē)輛傳感器（如：車(chē)輛里程、經(jīng)緯度等）以及換電站電池相關(guān)的傳感器（電池的各種指標(biāo)）數(shù)據(jù)。當(dāng)前共有 55 張超級(jí)表，子表數(shù)量達(dá)到 11 萬(wàn)張。

我們當(dāng)前在 TDengine、TiDB、MySQL 中存儲(chǔ)的數(shù)據(jù)量比例大概為 6:3:1，僅僅使用了三臺(tái) 4C+16G 的服務(wù)器，TDengine 便挑起了整個(gè)系統(tǒng)數(shù)據(jù)存儲(chǔ)的大頭，輕松支撐起了我們的服務(wù)。在數(shù)據(jù)庫(kù)的選擇上，我們一直認(rèn)為不同數(shù)據(jù)庫(kù)之間術(shù)業(yè)有專攻，不得不承認(rèn)，TDengine 在存儲(chǔ)引擎上的獨(dú)特設(shè)計(jì)，在降低成本方面的效果十分顯著。 

對(duì)于 TDengine，我們一開(kāi)始使用的是單節(jié)點(diǎn)，在穩(wěn)定運(yùn)營(yíng)了幾個(gè)月后，于今年 3 月完成了動(dòng)態(tài)擴(kuò)容，發(fā)展到了 3 節(jié)點(diǎn)集群模式，把數(shù)據(jù)庫(kù)也升級(jí)到了三副本（從圖中可以看出來(lái)）。

TDengine 的動(dòng)態(tài)擴(kuò)展非常方便，只要確保一些必要的參數(shù)保持一致，就可以直接通過(guò) “create dnode”把新的計(jì)算資源加進(jìn)來(lái)。加入后，再通過(guò) “alter database iot replica 3” 這個(gè)命令，即可直接在線令數(shù)據(jù)庫(kù)變?yōu)?nbsp;3 副本，從而實(shí)現(xiàn)數(shù)據(jù)的備份及高可用。 

3、效果分析

當(dāng)前，我們?cè)?nbsp;TDengine 中一共存儲(chǔ)了數(shù)百億級(jí)別的數(shù)據(jù)量（由于表結(jié)構(gòu)各異，不方便統(tǒng)計(jì)，不在本篇文章中展示），存儲(chǔ)空間大概占用 600GB 左右（200GB*3），CPU 日常使用為 15% 左右，內(nèi)存使用在 20% 左右。

在查詢方面，在此列舉一些我們常用的 SQL，TDengine 的響應(yīng)速度都很快，完全可以滿足我們的需求：

select max(pmk)-min(pmk) from aodong_109 where sid='P42100001' and sd=0 and ts>'2021-12-01 00:00:00'

select last(sv),last(st) from aodong_112 where bn='001PB0GM000002B3L0300067';

4、關(guān)于 TDengine 的一些思考

由于我們業(yè)務(wù)是 24*7 不間斷運(yùn)轉(zhuǎn) ，所以沒(méi)有時(shí)間做版本升級(jí)。我們首先計(jì)劃抽出時(shí)間把 TDengine 版本升級(jí)到比較新的版本，再做一些碎片重組壓縮的工作來(lái)加強(qiáng)查詢效率。此外，我們還計(jì)劃使用 Flink 從 TDengine 中讀取數(shù)據(jù)做流式計(jì)算（看到了官方發(fā)布了 Flink 適配 TDengine 的文章）。

隨著業(yè)務(wù)快速增長(zhǎng)，TDengine 集群存儲(chǔ)的數(shù)據(jù)量也會(huì)越來(lái)越大，而數(shù)據(jù)又需要長(zhǎng)期保留，大數(shù)據(jù)量的運(yùn)維對(duì)于 TDengine 來(lái)說(shuō)將是一個(gè)巨大的挑戰(zhàn)。伴隨數(shù)據(jù)量級(jí)的增長(zhǎng)，備份、遷移、庫(kù)、表的運(yùn)維都會(huì)受到影響，也有可能遇到我們之前沒(méi)有經(jīng)歷過(guò)的問(wèn)題，這就需要 TDengine 集群實(shí)現(xiàn)升級(jí)、擴(kuò)展、拆分、維護(hù)等運(yùn)維操作。未來(lái)我們希望能積累更多的經(jīng)驗(yàn)分享給社區(qū)，讓更多的人了解 TDengine。

對(duì)于 TDengine 未來(lái)的發(fā)展，我們也有自己的期待：

• 希望能增加動(dòng)態(tài)修改參數(shù)功能，減少停機(jī)維護(hù)次數(shù)。
• 實(shí)現(xiàn)類(lèi)似慢 SQL 日志功能，降低高負(fù)載、調(diào)優(yōu)事后分析定位、回溯故障原因。
• 進(jìn)一步權(quán)衡 udp 帶來(lái)的好處和導(dǎo)致的各種問(wèn)題。我們經(jīng)常連接報(bào)錯(cuò) Ref is not there ，目前來(lái)看在客戶端添加 rpcForceTcp 1  應(yīng)該是有效的。
• 增強(qiáng)報(bào)錯(cuò)信息可讀性，很多報(bào)錯(cuò)提示不夠明確，無(wú)法快速判斷出具體原因。

總而言之，希望 TDengine 后面越來(lái)越好，也希望我們的合作能更上一層樓。