在車聯網場景中，智慧車輛會透過各類感測器定時採集車身狀態資訊，比如行駛速度、發動機轉速、輪胎壓力值、里程數等，此外，還會由某個事件觸發產生車輛事件資料，比如門鎖上防、撤防、車輛碰撞、異常移動等，在每次上報資料時都會帶有時間戳，這是非常典型的時序資料場景。在這類場景下，高寫入、高壓縮率、快速查詢是對於資料處理最基本的要求。

但一直以來，在應對車聯網場景下時序資料的儲存時，企業大多選擇的都是 MongoDB 或 Apache HBase，這兩大資料庫技術相對更加成熟，在業務規模尚未擴張之前，因為裝置不多、資料量不大，加上查詢場景單一，尚且可以滿足業務需求。隨著業務的加速擴張，寫入速度太慢、支撐成本過高等問題也逐漸顯現。本文將會從四個典型的車聯網案例出發，給到你資料架構升級思路。

[**TDengine x 大疆車載**]( https://www.taosdata.com/user-cases/12247.html"**TDengine x 大疆車載**")

“在大疆車載當前的雲端平臺中，TDengine 的應用不僅節約了儲存成本和開發學習成本，同時也表現出了很好的寫入讀取效能，滿足了智慧駕駛雲端平臺海量時序資料的處理需求。在查詢方面，不管是選擇特定資料的查詢還是輕量的查詢，都是毫秒級返回資料。”

**業務背景**

由於當前的智慧駕駛業務還是新的業務場景，所以大疆車載在選型上的歷史負擔相對較輕。在資料庫選型要求上，從業務需求出發，主要聚焦在兩點：首先，結合當下的業務場景，需要滿足單臺車輛的高頻訊息上報頻率；其次，支援在資料量大的時候，透過聚合函式，或選擇函式來快速篩選出需要的資料。此外，對資料庫要求支援叢集部署的同時，也要求更低的查詢語句編寫上手難度；而且需支援單表千萬量級，在海量資料併發場景下，需要有較高的統計報表能力和較好的查詢 SQL 效率。

**架構圖**

![](http://img.blog.itpub.net/blog/2022/09/30/f453669f581d5f5e.png?x-oss-process=style/bb)

點選[案例]( https://www.taosdata.com/user-cases/12247.html"案例")檢視更多技術細節

[**TDengine x 蔚來汽車能源**]( https://www.taosdata.com/user-cases/5030.html"**TDengine x 蔚來汽車能源**")

“在實際效果上，改造完成後，查詢速度提升明顯，從使用 HBase 查詢單裝置 24 小時資料的秒級返回，到使用 TDengine 查詢查詢相同資料的毫秒級返回；每天增量資料佔用的儲存空間相當於原來使用 HBase 時的 50%；叢集計算資源成本相比使用 HBase 節省超過 60%。”

**業務背景**

為了給使用者提供更好的補能體驗，蔚來能源在加電基礎設施上進行了大量的投入，需要對裝置進行更高效的管理——將裝置採集資料上報至雲端進行儲存，並提供實時資料查詢、歷史資料查詢等業務服務，用來做裝置監控和分析。在業務誕生之初，其用作資料儲存的選型是 MySQL + HBase，MySQL 儲存裝置最新實時資料，HBase 儲存裝置原始資料。隨著換電站和超充站等裝置在全國的快速佈局，裝置數量持續增長，積累的資料量越來越多，長時間跨度資料查詢效率出現瓶頸，再加上查詢場景不斷豐富，HBase 已經無法滿足當前業務需要（具體痛點問題見下方案例連結）。

**測試結論**

採用批次寫入資料方式，調整合適的單批次資料量大小，使用單機部署（8 核 32 GB，500 GB 儲存）預設配置的 TDengine 服務，RESTful API寫入方式，在 4k 併發流量下寫入沒有問題，同時消費積壓資料時峰值達到 7 k/s，因為單條訊息包含資訊量太大，實際處理中會拆分為 30 條寫入 TDengine，所以實際寫入 QPS 為 210 k/s，比滿足同樣資料流量的 HBase 叢集規模要小不少，可以節省成本，再加上 TDengine 本身部署不依賴其他三方軟體，也可以同時節省運維成本。

**架構圖**

![](http://img.blog.itpub.net/blog/2022/09/30/f8911747a51a8651.png?x-oss-process=style/bb)

點選[案例]( https://www.taosdata.com/user-cases/5030.html"案例")檢視更多技術細節

[**TDengine x 零跑汽車**]( https://www.taosdata.com/user-cases/3132.html"**TDengine x 零跑汽車**")

“在應用 TDengine 後，不用再像 MongoDB 一樣，在查詢前需要根據業務加工出需求資料；入庫效能高，解決了以前HBase入庫不及時的問題，可以用更少的伺服器資源入庫更多的資料，節省更多成本。同時，TDengine高壓縮的演算法能提升 10 到 20 倍的壓縮效能，降低了儲存壓力和成本。”

**業務背景**

一直以來，在資料儲存上零跑汽車的選擇都是 MongoDB 和 HBase，但是隨著業務的加速擴張，寫入速度太慢、支撐成本過高等問題也逐漸顯現（具體痛點問題見下方案例連結）。從降本增效的角度考慮，零跑決定在 C11 新車型上試用下其他的資料庫，在分析資料特點後，最終確定採用時序資料庫（Time-Series Database）。

**架構圖**

![](http://img.blog.itpub.net/blog/2022/09/30/af646be276d1ad55.png?x-oss-process=style/bb)

點選[案例]( https://www.taosdata.com/user-cases/3132.html"案例")檢視更多技術細節

[**TDengine x 理想汽車**]( https://www.taosdata.com/user-cases/3082.html"**TDengine x 理想汽車**")

“透過跟濤思官方人員進行深入業務封閉式測試，TDengine 的功能超出預期，效能比 InfluxDB 要強出許多，兩級儲存架構設計（行存與列存）很棒，TTL 和標籤機制對業務透明，具備極其優秀的高併發寫入和資料壓縮能力，極大降低了業務成本和業務壓力。因此我們決定從 TiDB 遷移至 TDengine。”

**業務背景**

在理想汽車的訊號上報業務中，需要將標記時間戳和採集點的資訊，透過雲端寫入到後端資料庫中，有一定的聚合查詢需求。這是典型的高併發插入場景，寫多讀少，之前的系統用的是 MongoDB，後來因為 MongoDB 的侷限性，其將業務遷移到了 TiDB，方便進行擴縮容。但在遷移到 TiDB 之後，在目前使用百度雲 SSD 虛擬機器的情況下，TiDB 叢集純寫入效能並不能達到業務期望預期（HTAP 場景資料庫對純高併發寫入支援不好，與該業務場景的適配性不高），需要不斷的資源擴容（具體痛點問題見下方案例連結）。

**使用成本對照表**
![](http://img.blog.itpub.net/blog/2022/09/30/415b61c9bcbf49ed.jpeg?x-oss-process=style/bb)

點選[案例]( https://www.taosdata.com/user-cases/3082.html"案例")檢視更多技術細節

**寫在最後**
隨著業務的不斷髮展，車聯網場景下資料量之大難以想象，如果沒有一款能夠實現高效儲存的資料庫，伺服器成本會非常的高。術業有專攻，在合適的時候選擇合適的資料庫是支援業務發展的關鍵，從資料處理需求和特點出發，時序資料庫無疑是最佳選擇。

------------

想了解更多 TDengine Database的具體細節，歡迎大家在[GitHub]( https://github.com/taosdata/grafanaplugin"GitHub")上檢視相關原始碼。
[![](http://img.blog.itpub.net/blog/2022/05/11/0fd59db1207fc97f.jpeg?x-oss-process=style/bb)](https://www.taosdata.com/?zh "![](http://img.blog.itpub.net/blog/2022/05/11/0fd59db1207fc97f.jpeg?x-oss-process=style/bb)")

四個典型的車聯網案例，給你資料架構升級思路

相關文章