处理好实时数据者可得天下

近日，无人驾驶出租车在一些城市的运营取得相当亮眼的成绩，大家都在热议出行方式将会有怎样的变革。这一轮 AI 技术的突破，已经实实在在地影响了我们的生活。但是在 AI 应用中，有一个不可忽视的因素制约着它的快速发展，那就是对实时数据的处理能力。以自动驾驶技术为例，主要存在以下三个问题。

· 数据采集的复杂性，在一辆车中会集成数十个传感器，其产生的数据类型多样，数据源众多，如何高效、准确地采集这些数据是一个挑战。

· 数据存储的挑战，面对海量的实时数据，传统的数据库在存储效率和查询速度上往往力不从心。

· 实时分析的难度，在行驶途中，数据的实时性要求极高，如何快速响应并进行有效分析，是实现智能决策的关键。

这还仅是无人驾驶场景，在应用更广泛的物联网环境中，数据量更大，数据格式更加复杂。对于工业互联网来说，也面临着同样的挑战。可以说，谁能做好实时数据的处理，谁就能得到天下。幸运的是，我们就拥有一款世界级水准的国产开源时序大数据平台——TDengine。TDengine 是专为处理时间序列数据而设计的高性能时序数据库。它不仅能够应对数据采集的复杂性，还能提供高效的数据存储和实时分析能力，使其成为 AI 时代的数据发动机。这款优秀的软件是如何横空出世的？它的技术为何先进？答案尽在《时序大数据平台 TDengine 核心原理与实战》这本书中，就先让其创始人来告诉我们 TDengine 的崛起之路。▼点击下方，即可优惠购书

TDengine的崛起之路

TDengine 的创始人是陶建辉博士，他开创 TDengine 项目是在 2016 年，这一年最重磅的新闻就是谷歌的 AlphaGo 战胜了人类顶级棋手李世石。AI 技术的突破极大地触动了陶博士，他敏锐地察觉到，如果 AI 将来在日常生活中被普遍应用，那么数据必将迎来爆炸式增长。以自动驾驶场景来考量，此类数据有两个特点，一是带有时间戳，二是采集频率极高。由此再向运输行业、分布式能源行业、工业互联网领域观察，专业的时序数据处理平台必定是刚需。同时，陶博士还对业内已有的一些时序数据软件进行了研究，发现它们存在各种不足，他就此坚定信心要独立开发一款功能强大、易于上手的时序数据库。在经过两年多的全力开发，并取得一些成就之后，陶博士又做出了一项重大决定：将 TDengine 开源。并且开源就是来真的，坚持将用户最喜欢、产品最核心的功能开源。TDengine 开源后在业界一炮而红，甚至吸引了众多国外开发者的关注，在 GitHub 上的星数与 Fork 数持续攀升，时至今日，取得了 Star 23.1k和Fork 4.8k 的好成绩。TDengine 为何能杀出一条血路来？这源于它创新的设计理念所带来的技术优势，包括但不限于以下几点：

· 采用“一个数据采集点一张表”的建模方式，并以“超级表”的设计解决表数量过多的问题，从而获得极高的读写性能；

· 集成了缓存、数据订阅、流计算等功能，形成一个全栈的时序大数据平台；

· 使用 SQL 作为查询语言，降低了使用者的学习成本，使得产品友好易用；

· 可方便地对接 MQTT、OPC-UA、OPC-DA 等多种协议的数据源，简化了系统部署。

TDEngine 与 InfluxDB 性能对比陶博士决心做这件艰难的事情，源于他的一个信念：Leave a dent in the world!让这个世界因为 TDengine 而有所不同。TDengine 的客户群体遍布海内外，在商业上也取得了不俗的成果，目前拥有 200 多个付费客户，他们来自电力、新能源、汽车、石油、化工、矿山、智能制造等多个行业。这是凭着 TDengine 自身过硬的实力一刀一枪打下来的市场，可以预见，随着 AI 应用的普及，TDengine 必将迎来更大规模的增长，现在掌握它就是最好的时机。现在我们就跟随本书，通过五步学习来玩转 TDengine。

五步玩转TDengine

《时序大数据平台 TDengine 核心原理与实战》秉持了 TDengine 开源软件的开放精神，毫无保留地分享了核心技术原理。书中内容从理论至实践，由浅入深地阐述了 TDengine 的基本知识、运维管理、技术内幕，以及行业应用。读者可以按照五步顺序来学习。

第一步：学习基础知识

对于零基础小白来说，要在这一步掌握时序数据的基础知识，知道 TDengine 的核心特性，包括数据模型、数据写入、数据查询、数据订阅和流计算等。

第二步：掌握运维管理

这一步就是要掌握 TDengine 的功能使用与配置。书中详细介绍了 TDengine 的日常运维管理，包括安装部署、资源规划、图形化管理、数据安全等关键内容。学好这一步，就可以在实际业务中做好 TDengine 数据库管理与维护的工作。

第三步：应用开发

这一步深入讲解了如何利用 TDengine 进行应用开发，介绍了包括 Java 在内的多种编程语言的连接器使用、订阅数据方法，还使用 C 语言与 Python 开发自定义函数等高级功能，并说明了 TDengine 与 Grafana、Power BI 等第三方工具的集成方法。结合实际业务的需求进行定制化应用开发，就能将 TDengine 的强大威力进一步发挥出来。

第四步：透彻理解核心技术原理

这一步是全书的关键内容，书中揭示了 TDengine 的内核设计，详细介绍了从分布式架构到存储引擎、查询引擎、数据订阅，再到流计算引擎的知识。透彻理解了 TDengine 的核心原理，读者在面临实际工作中的难题时，就能构思出创造性的解决方案。读者在此步的学习，一定要结合 GitHub 网站上的源代码进行深入探索。

第五步：了解实践案例

最后一步是学以致用，书中精心挑选了一系列典型应用场景案例，包括车联网、新能源、智慧油田、智能制造、金融等领域，展示了 TDengine 在实际业务中的具体应用。了解了这些真实案例，读者就可以在架构层面做好技术选型，为业务快速找到最优解决方案。经过这五步的学习，读者就可以摸透 TDengine，在业务中深入应用，相当于为组织的发展装上了一台数据发动机。

结语

《时序大数据平台 TDengine 核心原理与实战》以扎实的理论基础为支撑，采用由浅入深的结构安排，逐步引导读者深入理解 TDengine 的设计精髓和实现细节，并在业务中做到最优实践。本书的一大特点是理论扎实，讲透了 TDengine 的核心设计，深入剖析其架构设计，包括分布式架构、存储引擎、查询引擎、数据订阅和流计算引擎等，使读者能够洞察其内部工作机制。本书另一大特点是注重实战，书中包含的案例覆盖车联网、物联网、工业互联网、金融等多个领域，展示了 TDengine 在多样化场景下的应用效果和优势。TDengine 的核心功能代码已经在 GitHub 上开源，读者可以直接下载，结合书中的示例学习，加深对 TDengine 实践操作的理解。并且 TDengine 拥有活跃的社区，读者在学习过程中遇到问题，在社区里都能得到热心的解答。书中代码示例本书结构清晰，语言通俗易懂，对于抽象的概念或者复杂的流程，作者团队精心绘制了直观的图示，方便读者学习领会。书中图示需要使用 TDengine 进行大数据处理的开发者、架构师和产品经理等技术人，都可以通过本书掌握核心知识，解决工作中的实际问题。看懂《时序大数据平台 TDengine 核心原理与实战》，就能驾驭好 AI 时代的数据发动机