首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

从TDengine的开源说起技术选型

如果一艘快艇足够承载下你的所有货物到达彼岸,那么你不需要使用一艘轮船出行。产品设计和技术选型也是一样,我们经常会说:“我需要一个能够处理百万规模并发读写操作的,低延时,高可用的系统。” 如果按照这样的需求去设计系统,你可能得到的是一个设计复杂,代价昂贵的通用方案。但是如果仔细分析一下需求,你可能省略了需求背后的一些前提条件,比如真实的需求可能是这样的:“我需要一个能够处理百万规模的并发(只是理论峰值,平均情况小于10万并发)读写操作(读写比例1:9,只有追加写,没有修改操作)的低延时,高可用的(可以接受一定程度数据不一致性的)系统。” 那么你可能可以为这个特定的需求设计一个简单的,高效又低成本的系统。

03
您找到你想要的搜索结果了吗?
是的
没有找到

如何使用码匠连接 TDengine

TDengine 是一种高性能的开源时序数据库,专门用于大规模数据的实时写入、存储和查询。它具有高效、稳定、可靠、灵活等特点,可在物联网、金融、工业互联网等领域应用中发挥巨大作用。TDengine 采用了自主研发的存储引擎 TAOS(Time Series Database for Autonomous and Optimized Systems),支持高并发的数据写入和查询,可以快速地处理亿级以上的数据量。此外,TDengine 提供了开放的 API 和丰富的生态工具链,可与多种数据分析、可视化工具集成,方便用户进行数据分析和挖掘。TDengine 还支持多种数据格式的存储,包括关系型、非关系型、半结构化等,可满足不同类型数据的存储和管理需求。

011

大数据实时推荐-不只是统计

随着大数据时代的来临,如何帮助用户从大量信息中迅速获得对自己有用的信息成为众多商家的重要任务,个性化推荐系统应运而生。个性化推荐系统以海量数据挖掘为基础,引导用户发现自己的信息需求,现已广泛应用于很多领域。传统的个性化推荐系统,采用定期对数据进行分析的做法来更新模型。由于是定期更新,推荐模型无法保持实时性,对用户当前的行为推荐结果可能不会非常精准。实时个性化推荐实时分析用户产生的数据,可以更准确地为用户进行推荐,同时根据实时的推荐结果进行反馈,更好地改进推荐模型。 腾讯大数据平台部和北京大学网络所崔斌教授研

010

技术更新太快学不动?十场硬核技术分享助你抓住本源

引言 14 世纪的欧洲,佛罗伦萨瘟疫盛行,10名男女在乡村一所别墅里避难。他们终日游玩欢宴,每人每天讲一个故事,共住了10天讲了百个故事。这就是文艺复兴时期的第一部现实主义巨著——《十日谈》。评论家们将其与但丁的《神曲》并列,是为“人曲”。 21 世纪的中国,新冠疫情一度隔离了物理的边界,却隔离不了技术的分享、知识的传播。人类社会的发展就像一根弹簧,极度压缩过后所爆发的力量便可移山填海。而这,少不了每个行业、每个企业乃至每个个体的贡献,对技术人来说同样如此。 在接下来的10月,腾讯云TVP将为你带来无关吹水

02

浅析时序数据库评测和选型的区别_时序数据库 开源

时序数据库是近两年的热门话题,不断有新的时序数据库产品发布,但在我个人看来,目前还没有看到一个系统的、全面的时序数据库评测方案,帮助开发者认识各个产品的异同,为特定场景选择最适合的产品,各个数据库厂商基于自身优势和特点,设计发挥其产品最佳性能的场景,展示一份份傲人的性能测试报告。本篇博客就结合本人的一些看法,从不同维度来分析时序数据库产品的异同,同时也希望有更多的人关注时序数据库,在各自的行业应用需求上为时序数据库厂商建言献策,共同推动时序数据库的发展。由于个人能力有限,难免有不妥之处,还望大家提出宝贵意见,多多批评指正。

01
领券