内容介绍

目前的 Hadoop 方案,是一些大型的互联网企业最先使用的。在处理大数据时,将多个开源软件,如现在比较流行的 Kafka,然后把实时数据引入到 redis,把历史数据存到 Hadoop,中间可能结合 Spark 和 Flink 的计算,利用集群来处理海量数据。这是一种非常好的,通用的处理大数据的解决方案,可以处理百亿、千亿、甚至万亿级别的数据,只需保证它的服务器足够。

如果有特殊需求,可以写一些代码来实现,比如做实时监控,就可以在 Kafka 后面挂一个 Flink 做实时分析,做实时的流计算,把当前的 QBS、健康状态做实时统计;在比如看历史数据,可以在 Hadoop 上挂一个 MapReduce,这样我们可以通过写程序把所有的需求都实现。

然而,对于一些规模较小的公司,做软件开发所关注的点,Hadoop 系统并没有很好的解决,主要问题在于开发效率低而成本高,运行复杂且效率效率差,以及应用推向市场慢五个方面。

TDengine 作为新一代大数据平台,专为物联网、车联网、工业互联网、IT 运维等设计和优化而生。除核心的快 10 倍以上的时序数据库功能外,还提供缓存、数据订阅、流式计算等功能,最大程度减少研发和运维的复杂度,且核心代码,包括集群功能全部开源。

通过本次直播可以了解 TDengine 的特性和使用场景,跟着涛思数据 CI-CD 和测试自动化工作负责人桑树多学习 TDengine 的最佳实践以及成功案例。

直播大纲:

  1. 传统大数据平台的困境,消息队列 + 缓存 + 流式计算三大组件使用门槛高企
  2. TDengine 的创新:三大组件 all-in-one
  3. 最佳实践:TDengine+EMQ+Grafana,0 代码 10 分钟搭建工业互联网大数据监控平台
  4. 使用 TDengine 的其他成功案例

听众收益:

  1. 了解 TDengine 的特性和使用场景
  2. 学习 TDengine 最佳实践
  3. 了解 TDengine 成功案例

评论 (1 条评论)

发布
用户头像
天下武功,唯快不破
2020 年 09 月 29 日 11:36
回复
没有更多评论了