当前位置:网站首页>TDengine 已经支持工业英特尔 边缘洞见软件包
TDengine 已经支持工业英特尔 边缘洞见软件包
2022-07-05 09:28:00 【涛思数据(TDengine)】
为加速传统行业的数字化转型,英特尔推出了工业英特尔 边缘洞见(Intel Edge Insights for Industrial,以下简称 EII)软件包。众所周知,在工业生成的很多环节,都会产生大量的时序数据(Time-Series Data),数据就是财富,通过对这些数据进行全方位的分析,有可能挖掘出对业务决策很有帮助的信息,从而进一步创造价值、提升效率。
EII 可以在 Docker 上运行,以便将基础设施与应用程序分开,让用户能够更快地进行开发。
其官方说明如下:
工业英特尔 边缘洞见软件包是一款经过预先验证、可随时部署的软件参考设计,专门面向视频和时间序列数据的获取。它包含人工智能分析,并可以发布到本地应用或远端。由于构建在 Docker 上,因此它易于修改,并可以根据您的应用进行定制。
图片来源:工业英特尔 边缘洞见软件包
(https://www.intel.cn/content/www/cn/zh/internet-of-things/industrial-iot/edge-insights-industrial.html)
工业英特尔 边缘洞见软件包是经过生产环境验证的软件堆栈,可在边缘安全地提取、分析和存储视频与时序数据。从上面的架构图也可以看出,在软件包之上编写自己的算法模型也是非常容易的。
TDengine 是由涛思数据开发的开源、高性能、分布式、支持 SQL 的时序数据库,在物联网、工业互联网、车联网、IT 运维、能源、金融等领域。
通过创新的存储引擎设计,无论是数据写入还是查询,TDengine 的性能比通用数据库快 10 倍以上,也远超其他时序数据库,而且存储空间也大为节省。
通过原生分布式的设计,TDengine 提供了水平扩展的能力,只需要增加节点就能获得更强的数据处理能力,同时通过多副本机制保证了系统的高可用。
TDengine 采用 SQL 作为数据查询语言,减少学习和迁移成本,同时提供 SQL 扩展来处理时序数据特有的分析,而且支持方便灵活的 schemaless 数据写入。
时序数据处理是 EII 中的重要模块。为支持时序数据的存储和分析,目前 EII 使用的时序数据库为 InfluxDB。跟 InfluxDB 相比,TDengine 在性能和压缩率方面都有非常明显的优势。具体对比可以参考相关测试报告:《TDengine 和 InfluxDB 写入性能对比测试报告》和《TDengine 和 InfluxDB 查询性能对比测试报告》。因此,涛思数据的工程师尝试将 TDengine 引入了 EII,使得时序数据能够保存在这款更为高效的时序数据库中,提升处理效率并降低成本。(上述对比测试报告可以点击阅读原文后进入官网文档页面查看)
引入 TDengine 之后,具体的数据流程如下:
感兴趣的读者可以参考 Intel 网站上的相关文档(https://www.intel.com/content/www/us/en/developer/articles/technical/tdengine-for-edge-insights-for-industrial.html 需将链接复制到浏览器查看)来使用 EII + TDengine。读者可以参照该文档,构建自己的 Docker 镜像。运行 EII 之后,可以使用 Telegraf 来采集时序数据,将其保存在 TDengine 之中,然后可以用 Grafana 以图形化方式查看。
点击阅读原文,了解体验 TDengine!
边栏推荐
- Unity SKFramework框架(二十二)、Runtime Console 运行时调试工具
- uni-app---uni. Navigateto jump parameter use
- 代码语言的魅力
- Wxss template syntax
- 图神经网络+对比学习,下一步去哪?
- A detailed explanation of the general process and the latest research trends of map comparative learning (gnn+cl)
- Wxml template syntax
- LeetCode 496. Next larger element I
- Why do offline stores need cashier software?
- How to improve the operation efficiency of intra city distribution
猜你喜欢
Principle and performance analysis of lepton lossless compression
LeetCode 31. 下一个排列
OpenGL - Coordinate Systems
代码语言的魅力
LeetCode 556. Next bigger element III
How to improve the operation efficiency of intra city distribution
【数组的中的某个属性的监听】
基于宽表的数据建模应用
Unity skframework framework (XXIII), minimap small map tool
Unity SKFramework框架(二十二)、Runtime Console 运行时调试工具
随机推荐
NIPS2021 | 超越GraphCL,GNN+对比学习的节点分类新SOTA
How to empty uploaded attachments with components encapsulated by El upload
阿里云发送短信验证码
阿里十年测试带你走进APP测试的世界
【ManageEngine】如何利用好OpManager的报表功能
STM32 simple multi-level menu (array table lookup method)
Lepton 无损压缩原理及性能分析
Deep understanding of C language pointer
What should we pay attention to when entering the community e-commerce business?
Go 语言使用 MySQL 的常见故障分析和应对方法
How do enterprises choose the appropriate three-level distribution system?
My life
Unity SKFramework框架(二十三)、MiniMap 小地图工具
Figure neural network + comparative learning, where to go next?
Explain NN in pytorch in simple terms CrossEntropyLoss
What should we pay attention to when developing B2C websites?
利用请求头开发多端应用
【sourceTree配置SSH及使用】
A keepalived high availability accident made me learn it again
First understanding of structure