当前位置:技术分享 > 技术参考 > 正文

快速搭建一超高性能的时序空间大数据处理平台2019-09-11 13:50:17 | 编辑:hely | 查看: | 评论:0

一般的大数据解决方案都是 Kafaka + Redis + No SQL + Hadoop Spark,但这些套件都是用来处理通用的非结构化数据的,因此在处理结构化的时序空间数据时,运行效率就大打折扣,而且因为集成多个组件,开发效率低,运维成本也很高。

陶建辉讲师做了《快速搭建一超高性能的时序空间大数据处理平台》主题演讲,主要内容如下。

简介:

物联网、车联网的兴起,所采集的时序空间数据高速增长。一般的大数据解决方案都是 Kafaka + Redis + No SQL + Hadoop/Spark,但这些套件都是用来处理通用的非结构化数据的,因此在处理结构化的时序空间数据时,运行效率就大打折扣,而且因为集成多个组件,开发效率低,运维成本也很高。

涛思数据充分挖掘时序数据特点,设计了独有的存储结构和时序数据处理模型,将大数据平台所需要的数据库、消息队列、缓存、数据订阅等功能全部融合一起,无论是数据插入、还是普通查询、流式计算,速度都比现有方案快十倍以上,而且大大降低了应用的开发难度和系统维护成本。

目录

时序空间数据特点;

现有方案的弊端;

TDengine 基本介绍;

如何应对每天都在变化的大数据分析需求;

车联网大数据平台的最佳实践;

智能电表大数据处理实例;

机械设备监测数据的实时计算;

听众受益:

如何从业务场景和数据特点选择最佳方案;

如何降低系统开发成本和运维成本

讲师:陶建辉 涛思数据 创始人

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

上一篇:小数据处理的 7 个技巧 最后一页下一篇:

公众平台

搜索"raincent"或扫描下面的二维码