国产分布式数据库服务商有哪些？

时间：2023-03-31 02:42:01 | 来源：电子商务

时间：2023-03-31 02:42:01 来源：电子商务

利益相关。以一个案例切入，在西门子案例中，SIEMENS DE&DS DSM 团队开发的一套面向设备制造商的数字化解决方案——SIMICAS® OEM 设备远程运维套件，就因为数据库性能问题不得不进行数据架构升级。在它们的 1.0 系统中，使用的是 Flink + Kafka + PostgreSQL + Redis 的架构，落地之后，主要遇到了两大挑战，一个是部署繁琐，一个是应用复杂。

具体来说，因为引入了 Flink 和 Kafka，导致系统部署时非常繁琐，服务器开销巨大；同时为了满足大量数据的存储问题，PostgreSQL 中不得不做分库分表操作，应用程序较为复杂。如何降低系统复杂度、减少硬件资源开销，帮助客户减少成本，成为了研发团队的核心任务。

在确定选择跟数据类型匹配的分布式时序数据库（Time Series Database） TDengine 作为系统的数据库后，其在 SIMICAS® OEM 2.0 版本中移除了Flink、Kafka 以及 Redis，新系统的数据流如下：

先说下上面这个案例里的数据库主角，一款高性能、分布式、支持 SQL 的时序数据库——TDengine ，可以让大量设备、数据采集器每天产生的高达 TB 甚至 PB 级的数据能得到高效实时的处理，对业务的运行状态进行实时的监测、预警，从大数据中挖掘出商业价值。TDengine 能被广泛运用于物联网、工业互联网、车联网、IT 运维、能源、金融等领域。 官网：TDengine | 时序数据库_开源时序数据库_实时数据库 - 涛思数据

1、为什么选择分布式？

众所周知，TDengine 是陶建辉老师在2016年底启动和参与研发的产品。起初，在瞄准时序数据库这个赛道的他，调查和研究了很多在市场上已经很成熟的同类型产品，例如 InfluxDB、OpenTSDB 和TimeScale 等。所以有很多人都会问他，既然这个赛道已经相对成熟了，为什么还要选择迎难而上呢？又怎么才能让自己的产品脱引而出？这就引出了 TDengine 产品最重要的一个特性—分布式。

从 2016 年底到现在，大部分时序数据库都不是分布式的，换句话说，它们不支持水平扩展。即便是 InfluxDB，也只有企业版支持集群，开源版是不支持的。而传统实时数据库更是没有一个支持水平扩展，最多是双机热备。但是随着物联网、车联网的高速发展，IT 基础设施规模的增大，数据的采集量越来越大，单机是没有办法解决问题的，底层数据库必须具有水平扩展能力。

很多企业使用的是开源时序数据库的单机版，后续为了应对海量数据的处理，只好自己投入人力物力，在单机版的基础上，开发自己的 Proxy，对数据进行分片处理。对于数据写入，这种方法简单而且有效。但是对于查询，往往牵涉多个节点，那么 Proxy 就要做各种查询的聚合，导致开发的工作量很大。因此，整个 TDengine 的设计从第一天起，就是支持分布式的。为了便于更多使用开源版本的用户用得更好，在 2020 年 8 月，我们将 TDengine 的分布式版本开源了。

至此，聪明的你可以看出，单纯说一款分布式数据库的好坏是不准确的，优秀的团队肯定是从使用场景出发，为用户解决最根本的痛点。

2、关于产品设计的思考

“做好一款纯粹的产品”，一直是整个团队努力的目标。Jeff 自己也说，我不想把 TDengine 做成一款万能的基础工具，TDengine 只需要在时序数据库的领域持续深耕，将用户提出的痛点和难点作为每一次的技术突破，将自己打造成行业的标准，这才能锻造出一款好的产品，成就一个优秀的团队。除了分布式的特点，TDengine 还在高性能、易运维、零学习成本等方面都有很好的数据表现。

感兴趣的伙伴可以看看以下文章，关于产品架构设计以及性能对比测试

3、团队

尽管人员还未满百人，但涛思数据的团队成员还是很“niubility”的，不仅有来自中科大、卡内基梅隆、密歇根、马里兰、复旦、浙大、清华、北大、哈工大的研究生及博士生们，还有来自硅谷的研发小伙伴，一些员工在入职涛思之前，甚至是某国际一线公司里举重若轻的首席科学家、某公司CTO或技术专家。与优秀的人为伍，你也会变得越来越优秀！

涛思数据收获了来自思否、墨天轮、开源中国等颁发的多项荣誉