小?T?導讀：為了滿足智能駕駛業務的數據處理需求，大疆車載試圖從多家數據庫中進行選型調研，幫助智能駕駛業務提升寫入查詢性能、降低運維成本。本文將分享大疆車載在數據庫選型、系統搭建和業務遷移等方面的經驗。

根據國家發改委、科技部、工信部等 11 個部門聯合印發的《智能汽車創新發展戰略》，到 2025 年，中國標準智能汽車的技術創新、產業生態、基礎設施、法規標準、產品監管和網絡安全體系基本形成。同時，實現有條件智能駕駛的智能汽車達到規模化生產，實現高度智能駕駛的智能汽車在特定環境下市場化應用。目前，隨著我國正在積極發展智能網聯汽車，無人駕駛技術進一步推動，互聯網巨頭企業進入市場、加大投入研發技術，無人駕駛市場正處于快速發展階段。無人機頭部企業大疆車載也在去年 4 月份宣布進入智能駕駛領域。

由于當前的智能駕駛業務還是新的業務場景，所以大疆車載在選型上的歷史負擔相對較輕。在 Database 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，需要滿足單臺車輛的高頻消息上報頻率；其次，支持在數據量大的時候，通過聚合函數，或選擇函數來快速篩選出需要的數據。

此外，對數據庫要求支持集群部署的同時，也要求更低的查詢語句編寫上手難度；而且需支持單表千萬量級，在海量數據并發場景下，需要有較高的統計報表能力和較好的查詢 SQL 效率；最后通過數據壓縮、運維成本和并發能力上的考量，最終選定 TDengine 來存儲海量數據。

綜合來看，TDengine 滿足需求的主要原因如下：

• 國產、開源的時序數據庫（Time Series?Database）

• 開源版支持分布式集群，方便擴展

• 列式存儲，數據壓縮比率高，讀寫性能優秀

• 一個設備一張表，對應我們一個車輛一張表，模型契合

• 超級表對于分組聚合查詢的強大支持能力

?

TDengine?建表思路

作為智能駕駛領域的創新者之一，大疆車載為汽車主機廠提供了軟硬一體的智能駕駛解決方案。其中，車輛云端平臺負責對車輛狀態信息進行監控，具體包括 GPS、速度、轉速、里程等，經由 MQTT 流轉到 TDengine 存儲，滿足車輛歷史軌跡回放和車輛實時狀態監控。

車輛消息樣例數據展示如下：

{"message_id": "a78b6d9a","device_key": "deviceKey2","ts": "2022-03-01 15:01:59","longitude": 123.9795647512915,"latitude": 21.58338210717887,"altitude": 51.47800064086914,"signal_strength": 12,"satellites_in_view": 21,"speed": 72.798225,"acceleration": 12,"rpm":2190,"gear": "D","direction": -91.32959,"mileage": 10020,"ip": "10.1.2.3","create_time": "2022-03-01 15:02:03",}

落腳到實際業務上，我們搭建的表結構如下：

我們落地使用的是 TDengine 2.2.1.3 單機版 ，按照車輛唯一的標識 DeviceKey 來創建子表，如 device_stat_$deviceKey，一個車輛的狀態信息都存在一張子表中。mqtt_msg 超級表也是一樣的邏輯，也是以 DeviceKey 來創建子表。

架構與遷移

除了上報的 GPS、速度等，App 端還會和車輛/設備之間進行大量的命令交互，如下發車輛指令操作，這些我們也是使用 TDengine 來進行存儲和鏈路追蹤的。具體到鏈路消息追蹤的使用上，我們會將設備與云端、云端與 App 之間雙向通信的 MQTT 消息轉發到 Kafka 消息隊列中，然后業務系統進行消費解析，得到 TraceID、消息 ID、消息版本、消息類型、消息時間戳、消息內容等不同字段的數據，然后將其寫入 TDengine 的 mqtt_msg 超級表當中。

除了寫入以外，我們也有一定量的查詢操作，但是整體上還是以寫入為主，目前 TDengine 的性能完全可以滿足我們的需求。不過文本類的檢索并不是 TDengine 最擅長的場景，于是我們接入了 ES 提供部分服務。

由于是項目初期，目前我們暫時還在使用 TDengine 和 MySQL 雙寫新數據，把 MySQL 的 SQL 和 TDengine 的 SQL 做了映射關系，從而實現將歷史數據以日志回放的方式遷移到 TDengine 中去。因此，目前兩個庫暫時可以互為備份，后面等業務完全遷移后，我們就可以使用 TDengine 的集群多副本功能來完成數據備份了。

此外，濤思數據的工作人員也提供了另外兩種數據遷移方案供我們參考：一是利用 csv 文件的導出導入。二則是基于一款開源的數據庫遷移工具 DataX，該工具目前已經完成了關系型數據庫（Relational Database）到 TDengine 的適配，實現了 TDengineReader 和 TDengineWriter 兩個插件，遷移時只要做好相應的 json 文件配置即可。

性能展示

在應用 TDengine 之后，車輛的實時狀態查詢變得十分簡單，具體展示如下：

1. 查詢單個車輛的上報的最新位置狀態

select last_row(*) from device_stat_deJgTAEzInsZeGLM\G;

2. 多個車輛的最新位置狀態查詢

select last_row(*) from device_stat where device_key in ('mpVOGpaHqAxGiHWo','HEChzTCZeIWSUysB','HgsIdzvJPeFlVDuT','LVaPHOXkEeTGjTpm','PFHnQCkcXCIBnbsC') group by device_key;

對于車輛歷史時間區間內的狀態查詢，也可以極快地返回結果，用以進行前端分析。

select * from device_stat_mpVOGpaHqAxGiHWo where ts >'2022-03-17 00:00:00' and ts < '2022-03-18 00:00:00';

3. 進行 MQTT 消息追蹤時，查詢 MQTT Broker 收發的最新消息

select last_row(*) from mqtt_msg\G;

4. 按照 requestId 進行消息追蹤

select * from mqtt_msg where request_id = 'f90c46d4-22a3-4ab9-b50a-aad8b237fc57'\G;

5. 時間區間內消息查詢

select * from mqtt_msg where ts >'2022-03-18 12:00:00' and ts < '2022-03-18 13:00:00';

通過以上的查詢情況匯總可以看出，TDengine 實現了一些選擇特定數據的查詢和輕量的查詢，全部都是毫秒級返回數據，即便是 30000+ 行數據的查詢，消耗也只在 1.1 秒左右。

寫在最后

在當前的云端平臺中，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，滿足了智能駕駛云端平臺海量時序數據的處理需求。

未來我們會對海量時空數據的應用場景進行持續探索和挖掘，對于 TDengine 我們也有更多的期許，希望它能：

• 在空間數據的讀寫上有新的特性和更好的支持

• 擁有更加豐富的認證授權機制，提供更細粒度的權限管控

• 系統性地豐富各類日志，協助更快地定位問題

最后，祝愿 TDengine 越來越好，能夠在中國龐大的時序數據處理場景中脫穎而出，成為國產數據庫中的精品！

---

👇 點擊閱讀原文，了解體驗 TDengine！

總結

以上是生活随笔為你收集整理的毫秒级返回数据，TDengine 在大疆车载智能驾驶云端平台上的应用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。