从大疆车载、理想汽车等案例出发，看车联网场景下的数据处理难点与优化实践...

⬆️ 点击图片，与专业的解决方案架构师聊一聊

在车联网场景中，智能车辆会通过各类传感器定时采集车身状态信息，比如行驶速度、发动机转速、轮胎压力值、里程数等，此外，还会由某个事件触发产生车辆事件数据，比如门锁上防、撤防、车辆碰撞、异常移动等，在每次上报数据时都会带有时间戳，这是非常典型的时序数据场景。在这类场景下，高写入、高压缩率、快速查询是对于数据处理最基本的要求。

但一直以来，在应对车联网场景下时序数据的存储时，企业大多选择的都是 MongoDB 或 Apache HBase，这两大数据库技术相对更加成熟，在业务规模尚未扩张之前，因为设备不多、数据量不大，加上查询场景单一，尚且可以满足业务需求。随着业务的加速扩张，写入速度太慢、支撑成本过高等问题也逐渐显现。本文将会从四个典型的车联网案例出发，给到你数据架构升级思路。

 TDengine x 大疆车载 

“在大疆车载当前的云端平台中，TDengine 的应用不仅节约了存储成本和开发学习成本，同时也表现出了很好的写入读取性能，满足了智能驾驶云端平台海量时序数据的处理需求。在查询方面，不管是选择特定数据的查询还是轻量的查询，都是毫秒级返回数据。”

业务背景

由于当前的智能驾驶业务还是新的业务场景，所以大疆车载在选型上的历史负担相对较轻。在数据库选型要求上，从业务需求出发，主要聚焦在两点：首先，结合当下的业务场景，需要满足单台车辆的高频消息上报频率；其次，支持在数据量大的时候，通过聚合函数，或选择函数来快速筛选出需要的数据。此外，对数据库要求支持集群部署的同时，也要求更低的查询语句编写上手难度；而且需支持单表千万量级，在海量数据并发场景下，需要有较高的统计报表能力和较好的查询 SQL 效率。

架构图

???? 点击案例查看更多技术细节

TDengine x 蔚来汽车能源

“在实际效果上，改造完成后，查询速度提升明显，从使用 HBase 查询单设备 24 小时数据的秒级返回，到使用 TDengine 查询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%。”

业务背景

为了给用户提供更好的补能体验，蔚来能源在加电基础设施上进行了大量的投入，需要对设备进行更高效的管理——将设备采集数据上报至云端进行存储，并提供实时数据查询、历史数据查询等业务服务，用来做设备监控和分析。在业务诞生之初，其用作数据存储的选型是 MySQL + HBase，MySQL 存储设备最新实时数据，HBase 存储设备原始数据。随着换电站和超充站等设备在全国的快速布局，设备数量持续增长，积累的数据量越来越多，长时间跨度数据查询效率出现瓶颈，再加上查询场景不断丰富，HBase 已经无法满足当前业务需要（具体痛点问题见下方案例链接）。

测试结论

采用批量写入数据方式，调整合适的单批次数据量大小，使用单机部署（8 核 32 GB，500GB 存储）默认配置的 TDengine 服务，RESTful API写入方式，在 4k 并发流量下写入没有问题，同时消费积压数据时峰值达到 7k/s，因为单条消息包含信息量太大，实际处理中会拆分为 30 条写入 TDengine，所以实际写入 QPS 为 210k/s，比满足同样数据流量的 HBase 集群规模要小不少，可以节省成本，再加上 TDengine 本身部署不依赖其他三方软件，也可以同时节省运维成本。

架构图

???? 点击案例查看更多技术细节

TDengine x 零跑汽车

“在应用 TDengine 后，不用再像 MongoDB 一样，在查询前需要根据业务加工出需求数据；入库性能高，解决了以前HBase入库不及时的问题，可以用更少的服务器资源入库更多的数据，节省更多成本。同时，TDengine高压缩的算法能提升 10 到 20 倍的压缩性能，降低了存储压力和成本。”

业务背景

一直以来，在数据存储上零跑汽车的选择都是 MongoDB 和 HBase，但是随着业务的加速扩张，写入速度太慢、支撑成本过高等问题也逐渐显现（具体痛点问题见下方案例链接）。从降本增效的角度考虑，零跑决定在 C11 新车型上试用下其他的数据库，在分析数据特点后，最终确定采用时序数据库（Time Series Database）。

架构图

???? 点击案例查看更多技术细节

TDengine x 理想汽车

“通过跟涛思官方人员进行深入业务封闭式测试，TDengine 的功能超出预期，性能比 InfluxDB 要强出许多，两级存储架构设计（行存与列存）很棒，TTL 和标签机制对业务透明，具备极其优秀的高并发写入和数据压缩能力，极大降低了业务成本和业务压力。因此我们决定从 TiDB 迁移至 TDengine。”

业务背景

在理想汽车的信号上报业务中，需要将标记时间戳和采集点的信息，通过云端写入到后端数据库中，有一定的聚合查询需求。这是典型的高并发插入场景，写多读少，之前的系统用的是 MongoDB，后来因为 MongoDB 的局限性，其将业务迁移到了 TiDB，方便进行扩缩容。但在迁移到 TiDB 之后，在目前使用百度云 SSD 虚拟机的情况下，TiDB 集群纯写入性能并不能达到业务期望预期（HTAP 场景数据库对纯高并发写入支持不好，与该业务场景的适配性不高），需要不断的资源扩容（具体痛点问题见下方案例链接）。

使用成本对照表

???? 点击案例查看更多技术细节

写在最后

随着业务的不断发展，车联网场景下数据量之大难以想象，如果没有一款能够实现高效存储的数据库，服务器成本会非常的高。术业有专攻，在合适的时候选择合适的数据库是支持业务发展的关键，从数据处理需求和特点出发，时序数据库无疑是最佳选择。

???? 点击“阅读原文”填写表单，与专业的解决方案架构师聊一聊