内容介绍

物联网、车联网的兴起,所采集的时序空间数据高速增长。一般的大数据解决方案都是 Kafaka + Redis + No SQL + Hadoop/Spark,但这些套件都是用来处理通用的非结构化数据的,因此在处理结构化的时序空间数据时,运行效率就大打折扣,而且因为集成多个组件,开发效率低,运维成本也很高。

涛思数据充分挖掘时序数据特点,设计了独有的存储结构和时序数据处理模型,将大数据平台所需要的数据库、消息队列、缓存、数据订阅等功能全部融合一起,无论是数据插入、还是普通查询、流式计算,速度都比现有方案快十倍以上,而且大大降低了应用的开发难度和系统维护成本。开发者使用涛思数据的 TDengine,可以快速搭建一个时序空间大数据处理平台。

演讲提纲:

  1. 时序空间数据特点;

  2. 现有方案的弊端;

  3. TDengine 基本介绍;

  4. 如何应对每天都在变化的大数据分析需求;

  5. 车联网大数据平台的最佳实践;

  6. 智能电表大数据处理实例;

  7. 机械设备监测数据的实时计算;

听众受益:

  • 如何从业务场景和数据特点选择最佳方案;

  • 如何降低系统开发成本和运维成本

评论

发布
暂无评论