在萬物互聯的時代，大到企業數字化轉型、數字城市建設，小到和生活息息相關的家居生活、智能駕駛、運動健康等，都離不開智能實體裝置廣泛的連接配接和互通。在 IoT 裝置的整體運作過程中，會産生大量的時序資料，而傳統的資料解決方案不管是在性能還是成本管控上都捉襟見肘。是以，IoT 産品/平台想要實作快速發展，首要解決的難題就是資料處理痛點。本文優選出幾大 IoT 項目的資料架構改造實踐，給到大家參考。
OPPO x TDengine
“我們寫入 60 萬行資料，到 MySQL（目前部分業務部署在 MySQL 叢集）和 TDengine 的 4C 12G 容器上，對 CPU/記憶體/磁盤進行觀察。測試發現 CPU 和記憶體消耗基本持平的情況下，TDengine 的落盤資料是 MySQL 環境的1/4左右。”
業務背景
在 OPPO 的穿戴産品的手環/手表類業務中，産生的資料類型為時序資料，具有寫入量巨大且存在離線/曆史資料補錄（更新）的處理需求。此前使用的 MongoDB/MySQL 叢集方案，後端存儲壓力較大，需要經常擴盤，針對此痛點，OPPO 雲計算中心智慧物聯雲團隊嘗試調研對比了幾款時序資料庫（Time Series Database，TSDB ）産品，試圖尋找一個降本增效的解決方案，最後選中了 TDengine。
叢集部署如下：
點選雙重調研測試後，OPPO IoT 類産品開始接入 TDengine檢視更多技術細節
京東雲 x TDengine
“在與 TDengine 工程師溝通後， 我們隻使用了 3 台 4C16GB 構成的 TDengine 的叢集，就承載了線上的業務。資料聚合方面，根據 TDengine 的性能、機器配置和前期測試的時間開銷，隻需很短的時間就完成了全量裝置的資料聚合。CPU 方面也一直很穩定，在常态下 CPU 低于 10%，由于裝置的資料聚合需要消耗大量的 CPU，是以在每個整點 CPU 會有所上升，但是也不會超過 45% 的負載。”
業務背景
京東雲智能家居場景維護着大量的智能裝置，這些裝置聯網後，會根據裝置設定的速率持續産生時序資料，比如有的裝置采樣間隔是 15 秒。京東雲 IoT 團隊結合本公司資料特點與業務需求，對多種工業時序資料庫進行了技術選型，以解決龐大的資料存儲和計算帶來的挑戰，在進行選型時對比了 OpenTSDB 和 TDengine，最終 TDengine 以明顯優勢勝出。
CPU 消耗圖示
點選TDengine 助力京東雲 IoT 資料統計改造檢視更多技術細節
圖撲物聯 x TDengine
“在之前一個版本，平台底層使用的是 InfluxDB 來存儲時序資料，然而 InfluxDB 在面對海量資料時的讀寫性能存在瓶頸，在深入使用 TDengine 後，我們還發現了諸多優勢。受益于 TDengine 的超高性能和超小體量，我們在山東大禹水處理有限公司中央水機監控項目中的整個平台架構變得更加簡化，解決了工業物聯網監控分析系統開發成本高、周期長、運維難度大等痛點。”
業務背景
針對海量的裝置上報資料，圖撲 IoT 平台在做實時顯示的同時還考慮将曆史資料也進行無損儲存，并在 IoT Platform 上還要給使用者提供資料查詢的支援，但這就對底層的時序資料存儲提出了相當高的要求。在對比了包括 InfluxDB 在内的幾個資料庫後，在最新的解決方中，我們選用了 TDengine 作為時序資料的存儲引擎。
架構圖
搜尋 https://www.taosdata.com/user-cases/1378.html 檢視更多技術細節
寫在最後
在合适的時候選擇合适的資料庫是支援業務發展的關鍵，但資料庫的更換也并不是頭腦一熱就能拍闆決定的，還需要進行資料庫産品的缜密觀察和調研，希望上述企業實踐能夠給到大家幫助。