BlueSky高性能时序数据库打造***国产时序数据库

目前工业领域，传统时序数据库在过去的一段时间基本上被国外厂家所垄断，价格昂贵且进行功能扩展成本更高，不能提供个性化的服务。为此，朗坤历时20多年用心打造***国产时序数据库。阶段：掌握技术自主研发价值沉淀：通过项目经验，理解时序数据库的价值与***;积累了时序数据库研发技术第二阶段：完成20多个项目应用价值沉淀：数据库性能、稳定性不断提升;经过了项目实战的考验与打磨;完成了研发团建的创建与技术传承第三阶段：完成TrendDB的应用生态打造价值沉淀：数据库性能达到国内***水平，拥有发明3项;完成了一系列应用套件的开发，并基于套件项目应用;基于实时数据库的工厂建模技术平台;30万测点，压缩比30：1第四阶段：完成分布式版本研发价值沉淀：完成了能够支撑集团级应用的分布式版本开发;完成去COM化的技术改造，提升了数据库对接能力;单实例支持百万测点，压缩比50：1第五阶段：融入工业互联网平台，提供云服务价值沉淀：完成即开即用的云数据库租用模式的应用上线;通过DCA的功能验证与评测;实现了基于时序数据库的物联网平台与大数据平台的打造。

BlueSky高性能时序数据库关注的技术点在哪里？

快速聚合能力。时序业务一个通用的需求是聚合统计报表查询，比如哨兵系统中需要查看近一天某个接口出现异常的总次数，或者某个接口执行的大耗时时间。这样的聚合实际上就是简单的count以及max，问题是如何能快速的在那么大的数据量的基础上将满足条件的原始数据查询出来并聚合，要知道统计的原始值可能因为时间比较久远而不在内存中哈，因此这可能是一个非常耗时的操作。目前业界比较成熟的方案是使用预聚合，就是在数据写进来的时候就完成基本的聚合操作。

未来技术点：异常实时检测、未来预测等等。异常实时监测主要用来监测实时异常点，比如服务器监控中对延迟响应慢的请求都会实时监控报警，再比如运动手环对心跳异常监测报警等；未来预测是另一个非常重要的领域，能够预测未来是一个很有用的事情，试想，如果在交通堵塞前3分钟预测到这个路段要堵并向发送报警，就可以一定程度上缓解交通堵塞的问题。而根据时间序列来预测未来时间会发生的事情是一件看起来水到渠成的事情，这里面会涉及到机器学习的相关知识。

序列化框架的对比

性能方面：

（1） 解析速度：protobuf<thrift<***ro

（2） 序列化后的数据大小：***ro<protobuf<thrift(compact)<thrift(binary)

非功能方面：

开源协议、schema表达、是否需要代码动态生成、是否自动生成RPC接口，是否自动生成RPC实现等，按照实际需求选择。