在車聯網場景中，智能車輛會通過各類傳感器定時采集車身狀态資訊，比如行駛速度、發動機轉速、輪胎壓力值、裡程數等，此外，還會由某個事件觸發産生車輛事件資料，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、快速查詢是對于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存儲時，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。随着業務的加速擴張，寫入速度太慢、支撐成本過高等問題也逐漸顯現。本文将會從四個典型的車聯網案例出發，給到你資料架構更新思路。
TDengine x 大疆車載
“在大疆車載目前的雲端平台中，TDengine 的應用不僅節約了存儲成本和開發學習成本，同時也表現出了很好的寫入讀取性能，滿足了智能駕駛雲端平台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，都是毫秒級傳回資料。”
業務背景
由于目前的智能駕駛業務還是新的業務場景，是以大疆車載在選型上的曆史負擔相對較輕。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，需要滿足單台車輛的高頻消息上報頻率；其次，支援在資料量大的時候，通過聚合函數，或選擇函數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，在海量資料并發場景下，需要有較高的統計報表能力和較好的查詢 SQL 效率。
架構圖
::: hljs-center
:::
::: hljs-center
點選案例檢視更多技術細節
:::
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 小時資料的秒級傳回，到使用 TDengine 查詢查詢相同資料的毫秒級傳回；每天增量資料占用的存儲空間相當于原來使用 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——将裝置采集資料上報至雲端進行存儲，并提供實時資料查詢、曆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，其用作資料存儲的選型是 MySQL + HBase，MySQL 儲存設備最新實時資料，HBase 儲存設備原始資料。随着換電站和超充站等裝置在全國的快速布局，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 已經無法滿足目前業務需要（具體痛點問題見下方案例連結）。
測試結論
采用批量寫入資料方式，調整合适的單批次資料量大小，使用單機部署（8 核 32 GB，500 GB 存儲）預設配置的 TDengine 服務，RESTful API寫入方式，在 4k 并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，因為單條消息包含資訊量太大，實際進行中會拆分為 30 條寫入 TDengine，是以實際寫入 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
::: hljs-center
:::
::: hljs-center
點選案例檢視更多技術細節
:::
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；入庫性能高，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高壓縮的算法能提升 10 到 20 倍的壓縮性能，降低了存儲壓力和成本。”
業務背景
一直以來，在資料存儲上零跑汽車的選擇都是 MongoDB 和 HBase，但是随着業務的加速擴張，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，最終确定采用時序資料庫（Time-Series Database）。
架構圖
::: hljs-center
:::
::: hljs-center
點選案例檢視更多技術細節
:::
TDengine x 理想汽車
“通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，性能比 InfluxDB 要強出許多，兩級存儲架構設計（行存與列存）很棒，TTL 和标簽機制對業務透明，具備極其優秀的高并發寫入和資料壓縮能力，極大降低了業務成本和業務壓力。是以我們決定從 TiDB 遷移至 TDengine。”
業務背景
在理想汽車的信号上報業務中，需要将标記時間戳和采集點的資訊，通過雲端寫入到後端資料庫中，有一定的聚合查詢需求。這是典型的高并發插入場景，寫多讀少，之前的系統用的是 MongoDB，後來因為 MongoDB 的局限性，其将業務遷移到了 TiDB，友善進行擴縮容。但在遷移到 TiDB 之後，在目前使用百度雲 SSD 虛拟機的情況下，TiDB 叢集純寫入性能并不能達到業務期望預期（HTAP 場景資料庫對純高并發寫入支援不好，與該業務場景的适配性不高），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
::: hljs-center
:::
::: hljs-center
點選案例檢視更多技術細節
:::