在万物互联的时代，大到企业数字化转型、数字城市建设，小到和生活息息相关的家居生活、智能驾驶、运动健康等，都离不开智能物理设备广泛的连接和互通。在 IoT 设备的整体运作过程中，会产生大量的 ，而传统的数据解决方案不管是在性能还是成本管控上都捉襟见肘。因此，IoT 产品/平台想要实现快速发展，首要解决的难题就是数据处理痛点。本文优选出几大 IoT 项目的数据架构改造实践，给到大家参考。
OPPO x TDengine
“我们写入 60 万行数据，到 MySQL（目前部分业务部署在 MySQL 集群）和 的 4C 12G 容器上，对 CPU/内存/磁盘进行观察。测试发现 CPU 和内存消耗基本持平的情况下，TDengine 的落盘数据是 MySQL 环境的1/4左右。”
业务背景
在 OPPO 的穿戴产品的手环/手表类业务中，产生的数据类型为时序数据，具有写入量巨大且存在离线/历史数据补录（更新）的处理需求。此前使用的 MongoDB/MySQL 集群方案，后端存储压力较大，需要经常扩盘，针对此痛点，OPPO 云计算中心智慧物联云团队尝试调研对比了几款 （ ， ）产品，试图寻找一个降本增效的解决方案，最后选中了 TDengine。
集群部署如下：
搜索 查看更多技术细节
京东云 x TDengine
“在与 TDengine 工程师沟通后， 我们只使用了 3 台 4C16GB 构成的 TDengine 的集群，就承载了线上的业务。数据聚合方面，根据 TDengine 的性能、机器配置和前期测试的时间开销，只需很短的时间就完成了全量设备的数据聚合。CPU 方面也一直很稳定，在常态下 CPU 低于 10%，由于设备的数据聚合需要消耗大量的 CPU，因此在每个整点 CPU 会有所上升，但是也不会超过 45% 的负载。”
业务背景
京东云智能家居场景维护着大量的智能设备，这些设备联网后，会根据设备设定的速率持续产生时序数据，比如有的设备采样间隔是 15 秒。京东云 IoT 团队结合本公司数据特点与业务需求，对多种工业时序数据库进行了技术选型，以解决庞大的数据存储和计算带来的挑战，在进行选型时对比了 和 TDengine，最终 TDengine 以明显优势胜出。
CPU 消耗图示
搜索 查看更多技术细节
图扑物联 x TDengine
“在之前一个版本，平台底层使用的是 InfluxDB 来存储时序数据，然而 InfluxDB 在面对海量数据时的读写性能存在瓶颈，在深入使用 TDengine 后，我们还发现了诸多优势。受益于 TDengine 的超高性能和超小体量，我们在山东大禹水处理有限公司*水机监控项目中的整个平台架构变得更加简化，解决了工业物联网监控分析系统开发成本高、周期长、运维难度大等痛点。”
业务背景
针对海量的设备上报数据，图扑 IoT 平台在做实时显示的同时还考虑将历史数据也进行无损保存，并在 IoT Platform 上还要给用户提供数据查询的支持，但这就对底层的时序数据存储提出了相当高的要求。在对比了包括 InfluxDB 在内的几个数据库后，在最新的解决方中，我们选用了 TDengine 作为时序数据的存储引擎。
架构图
搜索
查看更多技术细节
写在最后
在合适的时候选择合适的数据库是支持业务发展的关键，但数据库的更换也并不是头脑一热就能拍板决定的，还需要进行数据库产品的缜密观察和调研，希望上述企业实践能够给到大家帮助。目前 TDengine 已经运营了几十个用户交流群，如果你有要进群沟通了解的需求，可以添加 小T微信：tdengine1 。