ITPub博客

至数物联网平台场景多、数据模型复杂，伴随着业务需求的不断迭代及数据量的不断上涨，原有的 OpenTSDB+MySQL 的组合逐渐力不从心，局限性日益凸显。在对 TDengine 进行充分了解与调研后，基于 TDengine 对至数摇光进行了彻底性的改造。

而现在得益于 TDengine 超强的压缩算法，我们使用非常小的存储空间就存储了几千万数据，压缩率远超 1/20，在单机上面布署一个 TDengine 服务器就可以轻轻松松地存储上亿的数据。

从 2021 年 10 月运行至今，共创建了 2 张超级表以及近百张子表，总数据量超过 2.5 亿条，压缩后的数据量大小为 200G 左右。对近亿行的超级表进行统计操作，仅用了 1.9 秒左右就返回了结果，充分证明了在实际应用中 TDengine 也确实表现卓越。

近年来，随着业内大龄程序员被频繁清退等职场新闻的不断发酵，在程序员的圈子里，“35+ 门槛”“青春饭”等充斥着焦虑的话题甚嚣尘上。一批批年轻人从校园走进社会，俗话说长江后浪推前浪，一浪更比一浪强，那伴随着他们的成长，“前浪”真的会被拍死在沙滩上吗？

TDengine在规则引擎场景下，提供了很好的查询性能，是实现实时告警和监控服务的重要一环。最终我们采用了3节点8核16G满足整体业务需求，系统可以根据时间段范围、针对单个设备进行数据上报的查询功能，且支持按照小时用量、日用量、月用量、年用量四个维度进行统计分析；目前单个超级表的压缩率为2.5%。

在基于该对比测试框架下运行的测试中，展示出了 TDengine 相对于 InfluxDB 较大的性能优势，特别是更加多样化的条件和变量控制情况下的扩展测试中，我们看到 TDengine 一致性地表现出相对于 InfluxDB 的较大性能优势。

在元智信息的智慧矿山项目中，需要一款数据库能支撑起生产交互管控系统的采运排环节所有过程设备的采集、存储、计算和监控功能。在 MySQL、InfluxDB、TDengine 的数据库选型调研中，TDengine 脱颖而出。本文讲述了他们的选型思路、建模思路以及方案创新点，作为经验参考分享给有需要的读者。

从 MySQL + HBase 方案换为TDengine，对比之前使用 HBase 查询速度提升明显，从查询单设备24小时数据的秒级返回，到查询相同数据的毫秒级返回；每天增量数据占用的存储空间相当于原来使用 HBase 时的50%；集群计算资源成本相比使用 HBase 节省超过60%。

WAL（Write Ahead Log），是 TDengine 的一个重要的功能模块，它可以实现数据的容错能力，保证数据的高可用。 即使数据库因为断电等意外事故宕机，也能避免数据的丢失。