作者：仁威

一、車聯(lián)網(wǎng)市場及趨勢淺析

（一）什么是車聯(lián)網(wǎng)

未來智能互聯(lián)化是一個不可逆轉(zhuǎn)的趨勢，生活中常用的物品都在逐漸聯(lián)網(wǎng)化，例如洗衣機(jī)、電視、智能家居等設(shè)備，通過聯(lián)網(wǎng)可以用手機(jī)控制，甚至于智能穿戴的設(shè)備，衣服、眼鏡、鞋都有逐漸聯(lián)網(wǎng)的趨勢。

手機(jī)作為第一個智能終端，它已經(jīng)從簡單的通話工具演變成了可以社交，查看新聞，甚至辦公的工具。汽車也是一樣，現(xiàn)在汽車正在逐漸聯(lián)網(wǎng)，成為第二個智能終端。汽車作為智能終端接入網(wǎng)絡(luò)之后，利用車載設(shè)備實(shí)現(xiàn)智能化交通、移動金融服務(wù)、購物、車家互控等場景逐漸成為現(xiàn)實(shí)。這些場景下會產(chǎn)生越來越多的數(shù)據(jù)，比如，現(xiàn)在可以從手機(jī)端直接連接汽車4S店的服務(wù)。甚至汽車跟手機(jī)的終端打通，已經(jīng)可以互聯(lián)互通互動。也可以從汽車端直接控制家電，比如在汽車上有些高端車，可以直接車家互動，在車?yán)锩婵刂萍依锏目照{(diào)、洗衣機(jī)等。

除了這些，未來娛樂內(nèi)容等方面的數(shù)據(jù)，以及車上產(chǎn)生的狀態(tài)軌跡數(shù)據(jù)都會逐漸向云端存儲，而5G的發(fā)展無疑加速了進(jìn)程。

（二）市場趨勢

隨著5G網(wǎng)絡(luò)的建設(shè)，傳統(tǒng)的移動互聯(lián)網(wǎng)市場已經(jīng)飽和，一部分企業(yè)開始瞄準(zhǔn)5G帶來的汽車互聯(lián)網(wǎng)機(jī)遇，探索5G所驅(qū)動的汽車革命；同時，汽車企業(yè)在過去幾年時間提升了認(rèn)識，逐步開始實(shí)踐數(shù)字化轉(zhuǎn)型，部分企業(yè)已經(jīng)初見成效。之所以5G可以給汽車互聯(lián)網(wǎng)帶來發(fā)展機(jī)遇，主要原因5G支撐了云計(jì)算在汽車上的應(yīng)用，這使得云語音等服務(wù)成為可能。

與其他設(shè)備的移動互聯(lián)網(wǎng)應(yīng)用不同，汽車互聯(lián)網(wǎng)的應(yīng)用有一定難度，主要是汽車企業(yè)主動性不強(qiáng)，完全外部安裝的設(shè)備不容易發(fā)揮作用，利用5G帶來的云平臺接入，給汽車企業(yè)帶來了主動數(shù)字化轉(zhuǎn)型的動力，那么汽車互聯(lián)網(wǎng)的發(fā)展會大大加快。

汽車聯(lián)網(wǎng)可以劃分4個階段：

第一階段：2G/3G/4G聯(lián)網(wǎng)的時候，主要是解決“通”的問題，能看到汽車的狀態(tài)，比如現(xiàn)在租車或網(wǎng)約車汽車的狀態(tài)與位置，用2G/3G/4G數(shù)據(jù)傳就足夠了。

第二階段：帶寬逐漸增加之后，就可以拿到更多車上產(chǎn)生的數(shù)據(jù)，做大聯(lián)網(wǎng)的數(shù)據(jù)。但車聯(lián)網(wǎng)的大數(shù)據(jù)分析，能夠?yàn)楸ｋU行業(yè)或者其他金融行業(yè)提供車主駕駛行為的數(shù)據(jù)判斷。

第三階段：V2X、5G、云端互聯(lián)，帶寬已經(jīng)越來越高的情況下，可以實(shí)現(xiàn)更多車和其他系統(tǒng)的對接，更多更豐富的功能。

第四階段：可以借助于云端無窮無盡的計(jì)算能力，去做一些智能化的計(jì)算和判斷，實(shí)現(xiàn)智能駕駛***連接系統(tǒng)，對接第三方系統(tǒng)，對接車車的互聯(lián)，車和路測終端，更緊密的互聯(lián)等更大場景下的智能化應(yīng)用。

中國車聯(lián)網(wǎng)用戶規(guī)模不斷攀升，5G/V2X技術(shù)應(yīng)用有望實(shí)現(xiàn)強(qiáng)勁增長，2022年用戶總規(guī)模將超過5100萬。短期，中國車聯(lián)網(wǎng)市場規(guī)模的增長主要依賴軟硬件裝載量的提升。中長期，隨著車聯(lián)網(wǎng)生態(tài)的豐富，廣告、CP/SP等以車聯(lián)云為核心的車內(nèi)增值服務(wù)將帶來更廣闊的增長空間。

早在2017年，國家就推出了車聯(lián)網(wǎng)行業(yè)的新四化：“網(wǎng)聯(lián)化”、“智能化”、“共享化”、“電動化”。無論從國家規(guī)劃還是從科技發(fā)展趨勢來看，這四化都將成為未來汽車行業(yè)的發(fā)展方向。未來，所有汽車行業(yè)都會從傳統(tǒng)的汽車制造企業(yè)向出行服務(wù)方向進(jìn)行轉(zhuǎn)型。隨著國內(nèi)汽車保有量和人均收入的快速增長，給客戶提供更加可靠、安全、優(yōu)質(zhì)的出行服務(wù)，將變成車企的主要目標(biāo)。針對這個目標(biāo)，阿里云存儲產(chǎn)品需要給車企提供可信賴的數(shù)據(jù)支撐，便于車企對自身進(jìn)行優(yōu)化、改進(jìn)。

圖源見水印，侵刪

據(jù)前瞻產(chǎn)業(yè)研究院發(fā)布的《車聯(lián)網(wǎng)行業(yè)市場前瞻與投資占率規(guī)劃分析報告》數(shù)據(jù)顯示，2020年中國汽車保有量約為2.5~3億輛，按照15%的滲透率，具備聯(lián)網(wǎng)能力的車輛將達(dá)到4000萬輛左右。以每輛1000元的硬件產(chǎn)品價格來估算，單是硬件市場就有400億元規(guī)模。而隨著產(chǎn)品功能的豐富，單輛車的硬件產(chǎn)值也會翻倍提高，加之互聯(lián)網(wǎng)服務(wù)，車聯(lián)網(wǎng)市場的空間可以在5~10年內(nèi)達(dá)到千億甚至萬億規(guī)模。

二、車聯(lián)網(wǎng)海量監(jiān)控?cái)?shù)據(jù)怎么存？

（一）車聯(lián)網(wǎng)系統(tǒng)數(shù)據(jù)存儲

汽車企業(yè)在生產(chǎn)系統(tǒng)中采用云戰(zhàn)略實(shí)現(xiàn)上云上平臺，一方面可以解決過去難以解決的各個系統(tǒng)互聯(lián)互通問題，另外一方面，可以通過推進(jìn)產(chǎn)業(yè)互聯(lián)網(wǎng)平臺，為各地域的工廠（不一定是同一家公司）之間共享信息提供基礎(chǔ)條件。

上圖左右放的是智能互聯(lián)系統(tǒng)的云端架構(gòu)圖，從左邊這個邏輯架構(gòu)圖可以看到，從下面產(chǎn)品通過網(wǎng)絡(luò)接入云端，首先連接底層的是產(chǎn)品的數(shù)據(jù)庫，云端在資源池化之后，讓用戶以更貼近業(yè)務(wù)的方式去定義業(yè)務(wù)相關(guān)的一些應(yīng)用和產(chǎn)品。

所以說，從第一層把數(shù)據(jù)對接上來，就要進(jìn)入云端的數(shù)據(jù)庫集中的存儲，有了集中的數(shù)據(jù)存儲層之后，才需要往上去建立應(yīng)用層應(yīng)用平臺，或者是智能化的規(guī)則引擎，數(shù)據(jù)來驅(qū)動平臺。根據(jù)不同的業(yè)務(wù)互動場景，去建設(shè)相關(guān)的應(yīng)用。

右端是數(shù)據(jù)架構(gòu)圖，表示數(shù)據(jù)首先從車企端采集以后，不單純是車上的各個指標(biāo)數(shù)據(jù)，還有它的位置信息以及其他更豐富的數(shù)據(jù)，比如智能后視鏡，采集的視頻數(shù)據(jù)、語音的數(shù)據(jù)和云端服務(wù)交互的數(shù)據(jù)。這些數(shù)據(jù)是多樣化的，無結(jié)構(gòu)的，半結(jié)構(gòu)的或者結(jié)構(gòu)化的數(shù)據(jù)都會有。所以需要有一個Delegate池化的大數(shù)據(jù)云端存儲平臺，能夠支撐多模、異構(gòu)的數(shù)據(jù)的存儲、查詢和解析。

這些數(shù)據(jù)不光是車產(chǎn)生的，還有可能第三方系統(tǒng)的，比如車跟支付寶平臺對接，微信對接，第三方國家銀聯(lián)的平臺，或者是內(nèi)容提供商的平臺對接，服務(wù)提供商的平臺對接，這些數(shù)據(jù)源也都可以作為我們數(shù)據(jù)庫全景數(shù)據(jù)的補(bǔ)充。

有了全景數(shù)據(jù)，未來才能支撐更多更豐富的場景。

大致的部署結(jié)構(gòu)如下所示：

首先車企端在一般情況下使用OBD、OBU把數(shù)據(jù)導(dǎo)出來。TBox是車集中的計(jì)算平臺，就像我們的電腦似的，它把數(shù)據(jù)從OBD、OBU平臺拿到之后上傳，通過SIM卡跟云端發(fā)生交互。云端拿到數(shù)據(jù)之后，通過數(shù)據(jù)解析，一致化之后，再融入第三方數(shù)據(jù)源，實(shí)現(xiàn)不同場景下數(shù)據(jù)的應(yīng)用，比如，車載應(yīng)用：IVI新功能規(guī)劃、新的交互模式、智能座艙體驗(yàn)；TSP服務(wù)：加油充電、道路求援、交通信息、停車服務(wù)；正常導(dǎo)向：國家標(biāo)準(zhǔn)（國VI、EV）、第三方數(shù)據(jù)輸入、安全體現(xiàn)等，都可以基于云端的數(shù)據(jù)，去搭建需求應(yīng)用系統(tǒng)。

（二）車聯(lián)網(wǎng)典型數(shù)據(jù)場景–新能源汽車監(jiān)控

BEV新能源汽車監(jiān)控場景主要是為了滿足GB/T32960國標(biāo)和地標(biāo)的需求，以便車廠能夠獲得平臺符合性及車輛符合性認(rèn)證。整個車廠建設(shè)過程中，出于日常運(yùn)營需求，往往在國標(biāo)基礎(chǔ)上建設(shè)額外服務(wù)，例如：通知、告警、監(jiān)控、追跡、調(diào)度服務(wù)、系統(tǒng)報表、數(shù)據(jù)轉(zhuǎn)發(fā)等功能。

主要建立能力

調(diào)度服務(wù)：可選服務(wù)，可用于車輛運(yùn)營。

報警信息：可選服務(wù)，可通知車主、4S店等定制化報警服務(wù)。

統(tǒng)計(jì)報表：可選服務(wù)，基于OEM要求進(jìn)行定制。

數(shù)據(jù)存儲：實(shí)施接受（10S頻率），北京區(qū)域要求存儲1年，上海地區(qū)存儲3年。

數(shù)據(jù)查詢：各個數(shù)據(jù)（實(shí)時數(shù)據(jù)/歷史數(shù)據(jù)）的查詢顯示接口，需求提供報警新展示，單體蓄電池電壓數(shù)據(jù)展示；動力蓄電池包溫度數(shù)據(jù)展示；整車數(shù)據(jù)展示；極值數(shù)據(jù)展示。

（三）車聯(lián)網(wǎng)典型數(shù)據(jù)場景–Telematics

Telematics是指應(yīng)用無線通信技術(shù)的車載計(jì)算機(jī)，新一代Telematics將以公有云為核心，實(shí)現(xiàn)車輛***控制、***讀取信息和智能賦能。目前有內(nèi)置和OBD接頭兩種實(shí)現(xiàn)的方式，其本質(zhì)都是對于汽車各系統(tǒng)ECU的***監(jiān)控，已經(jīng)實(shí)現(xiàn)的功能有***檢測，***控制，呼叫中心等，比較成熟的有bluelink,安吉星on-star，美國的snap-on，還有delphi出的VerizonWireless等。

（四）車聯(lián)網(wǎng)典型數(shù)據(jù)場景–智能后視鏡監(jiān)控

為貫徹交警“便捷高效，互聯(lián)互通，共享共治”的互聯(lián)+思維理念，充分發(fā)揮智能行車記錄儀在交警執(zhí)法中的積極作用，運(yùn)營商積極配合深圳市交警局打造“車聯(lián)網(wǎng)生態(tài)系統(tǒng)平臺”，建立中國智能交通產(chǎn)業(yè)聯(lián)盟上下游企業(yè)生態(tài)圈，支持車聯(lián)網(wǎng)生態(tài)圈等相關(guān)企業(yè)發(fā)展，實(shí)現(xiàn)星級用戶車主“一人一車一設(shè)備”的愿景，為車主提供多樣化的車聯(lián)網(wǎng)平臺管理方案，以提高交警對車輛管理的效率。

（五）車聯(lián)網(wǎng)典型數(shù)據(jù)場景–車載娛樂系統(tǒng)

車載信息娛樂系統(tǒng)（IVI）是智能駕駛艙信息交互的重要載體，基于車身總線系統(tǒng)和互聯(lián)網(wǎng)服務(wù)，形成車載綜合信息處理系統(tǒng)，可提供導(dǎo)航定位、車體控制、無線通信、車內(nèi)娛樂和汽車移動等多種服務(wù)內(nèi)容。產(chǎn)業(yè)鏈中，中控廠商憑借對硬件和軟件的整合的產(chǎn)品優(yōu)勢和技術(shù)累積，占據(jù)了座艙電子產(chǎn)業(yè)鏈的制高點(diǎn)，未來，中控系統(tǒng)將成為人機(jī)交互的核心驅(qū)動，具備廣闊的應(yīng)用前景。目前，IVI能夠?qū)崿F(xiàn)包括三維導(dǎo)航、實(shí)時路況、IPTV、輔助駕駛、故障檢測、車身控制、移動辦公、無線通訊、基于在線的娛樂功能及TSP服務(wù)等一系列應(yīng)用，車輛電子化，網(wǎng)絡(luò)化和智能化水平強(qiáng)依賴云端能力。

云端和車機(jī)端的數(shù)據(jù)的交互量會大幅的提升，不光是服務(wù)能力賦能汽車，同時視頻和音頻汽車車主駕駛的時候操作的數(shù)字路徑，都需要從云端去獲取，這些數(shù)據(jù)也需要在云端去集中的存儲，就是現(xiàn)在的一個場景和海量數(shù)據(jù)存儲的一個現(xiàn)狀。

三、云原生多模數(shù)據(jù)庫Lindorm怎么解？

（一）什么是云原生多模數(shù)據(jù)庫Lindorm？

云原生多模數(shù)據(jù)庫Lindorm適用于任何規(guī)模、多種規(guī)模的云原生數(shù)據(jù)庫服務(wù)，支持海量數(shù)據(jù)的低成本存儲處理和彈性按需付費(fèi)，兼容HBase、Solr、SQL、OpenTSDB等多種開源標(biāo)準(zhǔn)接口，是互聯(lián)網(wǎng)IoT、車聯(lián)網(wǎng)、廣告、社交、監(jiān)控、游戲、風(fēng)控等場景首選數(shù)據(jù)庫。

未來，車聯(lián)網(wǎng)場景將會是數(shù)據(jù)量大，數(shù)據(jù)類型多。不同場景下產(chǎn)生的數(shù)據(jù)類型多種多樣，會有視頻、文本、代碼鏈路、用戶數(shù)字軌跡等方面的數(shù)據(jù)，以及在車機(jī)端點(diǎn)擊應(yīng)用的操作行為。這些都會使得云端數(shù)據(jù)庫建設(shè)對應(yīng)的存儲模型，以及查詢能力，因此云端多模的存儲能力是必選項(xiàng)。

同時，需要考慮對現(xiàn)有系統(tǒng)和第三方平臺的對接能力，多模的數(shù)據(jù)庫需要有一個***的標(biāo)準(zhǔn)和協(xié)議支持，支撐更大范圍的數(shù)據(jù)生態(tài)。

Lindorm主要有以下四個特點(diǎn)：

1.極致性價比

當(dāng)遇到數(shù)據(jù)量激增的場景，如果沒有很好的數(shù)據(jù)壓縮存儲或者冷熱數(shù)據(jù)自動轉(zhuǎn)存的方案，數(shù)據(jù)成本也會激增。大部分的監(jiān)控?cái)?shù)據(jù)是機(jī)架式密度數(shù)據(jù)，有一些運(yùn)維數(shù)據(jù)在不出故障的時候就沒有什么價值。只有出了故障，在回溯分析定位的時候，它才會發(fā)揮價值。像這種數(shù)據(jù)，如果用傳統(tǒng)的關(guān)系數(shù)據(jù)庫或者是自建的數(shù)據(jù)庫存儲，運(yùn)維和數(shù)據(jù)授權(quán)的成本非常高昂，是不經(jīng)濟(jì)的存儲方式。

因此，未來需要極致性價比的物聯(lián)網(wǎng)存儲，能夠提供PB級甚至EB級存儲能力的存儲平臺，才能有效支撐這種場景。

2.云原生彈性

未來，我們需要云端提供隨時進(jìn)行池化資源的使用方式，沒有業(yè)務(wù)的時候可以收縮資源占用量，節(jié)約成本。業(yè)務(wù)并發(fā)量大的時候，在保證性能的前提下滿足成本控制的需求。

因此，彈性伸縮數(shù)據(jù)庫的存儲，是云原生場景下很關(guān)鍵的能力。

3.企業(yè)級穩(wěn)定性

支撐如此龐大數(shù)量在線運(yùn)行車輛的場景，穩(wěn)定性至關(guān)重要。

例如汽車OTA場景，當(dāng)發(fā)生故障或網(wǎng)絡(luò)中斷、數(shù)據(jù)丟失的情況，汽車升級可能發(fā)生中斷，導(dǎo)致了車機(jī)端的故障或是智能化控制指令丟失，執(zhí)行失敗等。

4.數(shù)據(jù)生態(tài)融合

對接更廣泛的生態(tài)，無疑可以支撐我們更大場景下的這個數(shù)據(jù)應(yīng)用，這個也是非常關(guān)鍵的。

目標(biāo)行業(yè)：工業(yè)物聯(lián)網(wǎng)、車聯(lián)網(wǎng)、APM運(yùn)維、NPM運(yùn)維……

這些場景都有一個共同的特點(diǎn)，就是產(chǎn)生海量、帶持續(xù)指標(biāo)的監(jiān)控?cái)?shù)據(jù)，而這些數(shù)據(jù)的價值密度非常低，它需要一種經(jīng)濟(jì)且友好的數(shù)據(jù)庫進(jìn)行存儲。

上方為Lindorm數(shù)據(jù)庫體系圖。

目前Lindorm的核心能力除了能夠?qū)訌V泛的數(shù)據(jù)生態(tài)等，在數(shù)據(jù)庫內(nèi)部也有多模數(shù)據(jù)轉(zhuǎn)存的通道，能夠在寬表、時序、全文檢索、文件檢索引擎之間做數(shù)據(jù)的協(xié)同。

上層除了支持SDK等接口之外，還支持其他應(yīng)用比較廣泛的大數(shù)據(jù)生態(tài)接口查詢語言。

（二）Lindorm產(chǎn)品策略

上方為產(chǎn)品發(fā)展策略，未來演進(jìn)方向是云原生多模超融合數(shù)據(jù)庫。

首先在金字塔底層的第一階段，要具備海量多模數(shù)據(jù)的存儲能力，把結(jié)構(gòu)化、半結(jié)構(gòu)化、無結(jié)構(gòu)化的數(shù)據(jù)以較為經(jīng)濟(jì)的方式存儲下來，對這些數(shù)據(jù)做云化的處理，稱為數(shù)據(jù)云。

在此基礎(chǔ)上，再建設(shè)跨數(shù)據(jù)庫引擎的橫向融合能力，如寬表、時序、圖、關(guān)系等模型數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)庫協(xié)同查詢能力。

在Lindorm數(shù)據(jù)庫內(nèi)部，用戶可以通過一致的查詢語句，透明查詢多種數(shù)據(jù)庫，拿到所需要的信息。無論這個信息是從寬表、時序還是從文本檢索引擎來的，均對用戶透明化處理，從而更友好地支撐未來數(shù)據(jù)應(yīng)用的開發(fā)。

再往上層的縱向融合指的除了數(shù)據(jù)庫引擎、上層數(shù)據(jù)交換、ETF流數(shù)據(jù)處理以及計(jì)算引擎，可以在上層搭建數(shù)據(jù)庫內(nèi)部的運(yùn)行，例如異常檢測、趨勢預(yù)測、關(guān)聯(lián)性分析、相關(guān)性分析等，縱向地將數(shù)據(jù)庫的能力進(jìn)一步融合，進(jìn)而達(dá)到超融合，實(shí)現(xiàn)統(tǒng)一的查詢語言、數(shù)據(jù)視圖，數(shù)據(jù)訪問。

在車聯(lián)網(wǎng)的一些具體場景下，比如新能源汽車當(dāng)前電池包的健康狀態(tài)監(jiān)控，或者是公共場景下帶業(yè)務(wù)特征的計(jì)算，都可以做成數(shù)據(jù)庫內(nèi)計(jì)算的算子，或是以函數(shù)直接通過標(biāo)準(zhǔn)SQL語句去調(diào)用，最后連存到算一體化執(zhí)行，最終實(shí)現(xiàn)頂層推理的效果。

推理的效果指的是我們只需要告訴數(shù)據(jù)庫我們的需求，則可得到相應(yīng)的信息。建立統(tǒng)一的數(shù)據(jù)視圖之后，可以用SQL語句定義，比如導(dǎo)致生產(chǎn)次品率上升的主要原因，汽車故障發(fā)生告警的主要原因等，這些能力都是現(xiàn)有的數(shù)據(jù)庫和查詢所不能實(shí)現(xiàn)的。

如果要提供以上能力，需要一系列的數(shù)據(jù)工具，如下所示。

上圖為邏輯架構(gòu)圖，圖中的最下方是能對接的第三方數(shù)據(jù)源，提供無縫的對接和支持。數(shù)據(jù)進(jìn)來之后到寬表時序等文件引擎，在這里面根據(jù)業(yè)務(wù)場景不同，可以劃分不同場景進(jìn)行存儲，有配套的數(shù)據(jù)轉(zhuǎn)儲和數(shù)據(jù)采集工具。

再上方就是計(jì)算引擎，還有數(shù)據(jù)檢索的引擎。如PhoenixSQL引擎，Lindorm監(jiān)控服務(wù)，以及時序數(shù)據(jù)分析等服務(wù)。再上層是人機(jī)界面，為了方便基于數(shù)據(jù)庫開發(fā)數(shù)據(jù)應(yīng)用，最上層是應(yīng)用系統(tǒng)。

核心優(yōu)勢賣點(diǎn)

1）高性價比存儲

2）多模超融合檢索

創(chuàng)新技術(shù)能力

1）時序數(shù)據(jù)壓縮

2）工業(yè)場景數(shù)據(jù)建模

3）時序統(tǒng)計(jì)及非確定性推理檢索

貼近客戶場景

1）LindormStudioIDE、工具、SDK

2）文檔、方案、案例庫

3）***、體系化IT&OT融合服務(wù)能力

打通數(shù)據(jù)生態(tài)

1）***生態(tài)：開源：CQL、PhoneixSQL、ES、MachineBeat…

2）商業(yè)：OSIsoftPI、Splunk

融合方案生態(tài)

OSIsoft、Intel、工業(yè)大腦、IoT、東軟、飛象互聯(lián)…

上方為以前和當(dāng)前存儲方案對比，原來的部署方案需要應(yīng)用開發(fā)人員和運(yùn)營人員具備較高的動手能力，后續(xù)數(shù)據(jù)量增加的話，每個系統(tǒng)要單獨(dú)做集群，需要耗費(fèi)大量的人力和專家進(jìn)行支撐。

當(dāng)前的Lindorm存儲方案是一個數(shù)據(jù)庫幫助客戶解決日常問題，用一個接口查詢所有多模型的數(shù)據(jù)庫。

（三）Lindorm車聯(lián)網(wǎng)數(shù)據(jù)存儲解決方案

在部署形態(tài)上，未來的車聯(lián)網(wǎng)與物聯(lián)網(wǎng)是便載、地域分布廣的場景，單獨(dú)在云端搭建數(shù)據(jù)庫無法滿足性能實(shí)時性的需求，所以未來數(shù)據(jù)庫形態(tài)邏輯和物理部署可能是一對多，稱為云邊端一體化的數(shù)據(jù)庫部署方案。

邊緣端不管是車聯(lián)網(wǎng)路測端的設(shè)備或者車機(jī)上的TBox，都可以去嵌入輕量級持續(xù)數(shù)據(jù)采集的數(shù)據(jù)庫或者是多模數(shù)據(jù)庫。在工業(yè)場景下，已經(jīng)實(shí)現(xiàn)了在邊緣計(jì)算節(jié)點(diǎn)上部署邊緣數(shù)據(jù)庫，它可以無縫對接混合云、私有云數(shù)據(jù)中心或者是公有云平臺數(shù)據(jù)庫，做實(shí)時或按策略批量的數(shù)據(jù)同步。

用戶在實(shí)際部署和使用過程中，可以把分布部署的數(shù)據(jù)庫作為邏輯一體的數(shù)據(jù)庫來管理和實(shí)現(xiàn)。比如邊緣端部署，它可以采集存儲一段時間周期的數(shù)據(jù)，然后支撐實(shí)時面向邊緣端所連接的設(shè)備或者車輛數(shù)據(jù)，實(shí)時查詢與監(jiān)控的場景。

一旦需要全景數(shù)據(jù)或者是需要回溯分析出報表，統(tǒng)計(jì)數(shù)據(jù)的時候，可以借助云端強(qiáng)大的計(jì)算能力與存儲能力，做全量數(shù)據(jù)的回溯，做復(fù)雜計(jì)算以及根源分析，甚至機(jī)器學(xué)習(xí)場景的模型訓(xùn)練，完美實(shí)現(xiàn)邏輯一體，實(shí)際物理分離。既能支撐實(shí)時場景，又能支撐批量分析場景的數(shù)據(jù)存儲解決方案。

物聯(lián)網(wǎng)行業(yè)數(shù)據(jù)主要以終端設(shè)備、傳感器實(shí)時產(chǎn)生的狀態(tài)數(shù)據(jù)、用戶操作數(shù)字足跡和控制執(zhí)行結(jié)果數(shù)據(jù)為主；利用監(jiān)控狀態(tài)數(shù)據(jù)可以及時發(fā)現(xiàn)設(shè)備、異常操作、潛在風(fēng)險、客戶數(shù)字體驗(yàn)，從而指導(dǎo)運(yùn)營運(yùn)維；物聯(lián)網(wǎng)實(shí)時監(jiān)控?cái)?shù)據(jù)經(jīng)過實(shí)時流數(shù)據(jù)處理平臺，或時序數(shù)據(jù)庫聚合對接實(shí)時監(jiān)控大屏，支持設(shè)備實(shí)時監(jiān)管、風(fēng)險態(tài)勢感知等應(yīng)用場景；批量存儲在近場端、數(shù)據(jù)云端的全量物聯(lián)網(wǎng)數(shù)據(jù)可用來做故障回溯分析、主動探傷檢測、異常定位及預(yù)測等。

BEV新能源汽車監(jiān)控場景主要是為了滿足GB/T32960國標(biāo)和地標(biāo)的需求，以便車廠能夠獲得平臺符合性及車輛符合性認(rèn)證。在整車廠建設(shè)過程中，出于日常運(yùn)營需求，往往會在國標(biāo)基礎(chǔ)上建設(shè)額外服務(wù)，例如：通知、告警、監(jiān)控、追跡、調(diào)度服務(wù)、統(tǒng)計(jì)報表、數(shù)據(jù)轉(zhuǎn)發(fā)等功能。

針對這個場景，我們提供了基于阿里云Lindorm數(shù)據(jù)庫的整體解決方案。

首先，這個方案里除了Lindorm，還用到了其他阿里云數(shù)據(jù)庫產(chǎn)品，比如多維數(shù)據(jù)分析數(shù)據(jù)庫ADB，第三方開源的Sparkstreaming，還有IoT網(wǎng)關(guān)MQTT等。

這個流程從車機(jī)端對接云端一般有兩套方案，一套方案是車廠對接車聯(lián)網(wǎng)的服務(wù)提供商，他們有自己私有云平臺來對接車機(jī)端的提供，然后再由他們的平臺來對接到阿里云的Lindorm數(shù)據(jù)庫。

另外也可以直接按標(biāo)準(zhǔn)協(xié)議去對接車機(jī)端現(xiàn)有的TBox，直接用REST接口來同步數(shù)據(jù)，或者M(jìn)QTT協(xié)議直接發(fā)送到IoTGateway。這些數(shù)據(jù)到了云端之后，它可以分成兩個流，一個實(shí)時寫入Lindorm，快速上報國家平臺，周期10秒，在周期內(nèi)完成上報國家平臺以及存入數(shù)據(jù)庫這些動作。

另外一個為了實(shí)現(xiàn)實(shí)時報警與數(shù)據(jù)分析，數(shù)據(jù)流也同步推送一份到Sparkstreaming，由它做實(shí)時流數(shù)據(jù)分析生成事件，然后再存入Lindorm數(shù)據(jù)庫。

如果有第三方數(shù)據(jù)的對接，比如車廠以及其他第三方系統(tǒng)做數(shù)據(jù)的歸集備份，或者是第三方的平臺的應(yīng)用也需要這塊數(shù)據(jù)，就需要推到Kafka里邊，然后再由Kafka消息隊(duì)列發(fā)到車場的數(shù)據(jù)中心。

車場數(shù)據(jù)中心也可以部署一套Lindorm數(shù)據(jù)庫和云端做實(shí)時數(shù)據(jù)同步，當(dāng)出現(xiàn)網(wǎng)絡(luò)鏈路不穩(wěn)定，或者車廠做數(shù)據(jù)分析的時候，在車場本地的數(shù)據(jù)中心也可以完成數(shù)據(jù)分析的工作。

國家數(shù)據(jù)平臺最主要是北理工的平臺，有標(biāo)準(zhǔn)的接口協(xié)議直接在云端開發(fā)相應(yīng)的數(shù)據(jù)推送服務(wù)節(jié)點(diǎn)對接國家平臺，地方平臺有地方標(biāo)準(zhǔn)和相應(yīng)接口，可以云端直接轉(zhuǎn)發(fā)。

這里用到的數(shù)據(jù)庫主要有，Lindorm數(shù)據(jù)庫做全量數(shù)據(jù)的存儲，Lindorm數(shù)據(jù)庫中需要結(jié)合其他數(shù)據(jù)，比如說CRM的數(shù)據(jù)，車輛信息數(shù)據(jù)，基于密碼查詢相關(guān)的信息等復(fù)雜高維的數(shù)據(jù)查詢，可以同步到ADB，再用ADB同步到數(shù)據(jù)分析平臺QuickBI，來做數(shù)據(jù)的統(tǒng)計(jì)和可視化。

另外一個就是開源的Grafana，如果是需要監(jiān)控全景或針對特定車輛的信息，可以通過Grafana來實(shí)時查看最近時間窗口的狀態(tài)。

IoTGateway主要負(fù)責(zé)和車機(jī)端對接，或者和車聯(lián)網(wǎng)的專有云平臺對接。

（四）車聯(lián)網(wǎng)場景下Lindorm商業(yè)價值在哪？

快：

1）高通量車聯(lián)網(wǎng)數(shù)據(jù)并發(fā)寫入快

2）時序數(shù)據(jù)聚合、劃窗、統(tǒng)計(jì)計(jì)算快

3）海量監(jiān)控?cái)?shù)據(jù)檢索查詢快

4）數(shù)據(jù)全生命周期管理流程搭建快

?。?p>1）海量車聯(lián)網(wǎng)數(shù)據(jù)存儲成本省

2）占用計(jì)算、存儲資源省

3）數(shù)據(jù)庫搭建、應(yīng)用對接開發(fā)工作量省

4）數(shù)據(jù)全生命周期運(yùn)維管理成本省

在車聯(lián)網(wǎng)場景下Lindorm商業(yè)價值可以總結(jié)為兩點(diǎn)，一個是快，另外一個就是省。

快就是，說在高通量的車聯(lián)網(wǎng)數(shù)據(jù)并發(fā)寫入的場景下，可以在云端進(jìn)行云原生的模式，隨機(jī)汲取的模式，去實(shí)現(xiàn)車企端、在線車輛產(chǎn)生的實(shí)時海量高通量的數(shù)據(jù)，可以快速地在云端數(shù)據(jù)庫寫入以及數(shù)據(jù)快速向第三方平臺轉(zhuǎn)發(fā)。

時序數(shù)據(jù)聚合、劃窗、統(tǒng)計(jì)時，在有原生的自研時序數(shù)據(jù)庫情況下，很快地在數(shù)據(jù)庫內(nèi)做大量數(shù)據(jù)的聚合、劃窗、統(tǒng)計(jì)分析。海量監(jiān)控?cái)?shù)據(jù)檢索查詢快，因?yàn)樗菚r序數(shù)據(jù)庫引擎來處理的，可以支持海量多維度數(shù)據(jù)的聚合查詢的計(jì)算檢索。

數(shù)據(jù)全生命周期的管理流程搭建很快，因?yàn)楹芏嗄芰Χ际菙?shù)據(jù)庫內(nèi)提供的，就不需要再去人工搭建，或者是維護(hù)自建的開源數(shù)據(jù)庫來定制開發(fā)能力，或者數(shù)據(jù)對接的接口，所以說搭建過程也很快。阿里云之上開通Lindorm數(shù)據(jù)庫，幾分鐘時間就可以完成。

省就是，對海量數(shù)據(jù)存儲成本會有大幅的下降，除了自研的冷數(shù)據(jù)、熱數(shù)據(jù)備份的策略，在存儲層也做了自己的優(yōu)化。在時序數(shù)據(jù)庫數(shù)據(jù)壓縮方面，在現(xiàn)有的壓縮算法上做了一些改進(jìn)，達(dá)到了10倍數(shù)據(jù)壓縮效果。

占用計(jì)算存儲資源通過云原生的方式，隨機(jī)汲取，在沒有太多的在線車輛的情況下，收縮它的計(jì)算能力，按實(shí)際的數(shù)據(jù)的訪問使用量來收費(fèi)，這樣就節(jié)約很多數(shù)據(jù)超配的成本。

數(shù)據(jù)庫搭建應(yīng)用對接開發(fā)工作量也會省下很多的人工的成本，一方面是數(shù)據(jù)庫本身支持很多的第三方大數(shù)據(jù)生態(tài)接口的對接，另外云端搭建就不需要關(guān)心數(shù)據(jù)庫安裝和備份策略等配置的問題。

數(shù)據(jù)庫全生命周期運(yùn)維管理的成本，也會節(jié)省很多，災(zāi)備集群的方案，數(shù)據(jù)庫的整個轉(zhuǎn)儲等這些都是數(shù)據(jù)庫內(nèi)自動解決的。

（五）Lindorm關(guān)鍵技術(shù)優(yōu)勢

1.實(shí)時無損，高壓縮比存儲>10:1

10:1的深度優(yōu)化，基于ZSTD算法的壓縮，可以把原始的采集的時序數(shù)據(jù)，比如10GB數(shù)據(jù)存入到數(shù)據(jù)庫內(nèi)去做無損的壓縮，做到10GB數(shù)據(jù)存到數(shù)據(jù)庫內(nèi)，1GB數(shù)據(jù)的存儲容量就足夠了，壓縮效率相比現(xiàn)在業(yè)績通用的SNAPPY壓縮提升50%以上的壓縮效率。

2.面向低價值密度監(jiān)控?cái)?shù)據(jù)的冷熱分離低成本存儲

冷熱分離的低成本的存儲方案，我們是在Lindorm數(shù)據(jù)庫內(nèi)做的一體化整個分離，數(shù)據(jù)也是自動做分層，冷熱的分離，就不需要人工介入。冷數(shù)據(jù)存儲成本一般比現(xiàn)在的熱數(shù)據(jù)要降低80%以上，熱數(shù)據(jù)為了滿足性能的要求，一般用SD等高端的存儲來存冷數(shù)據(jù)，性價比較高的存儲來存這些歷史數(shù)據(jù)。這樣的話既兼顧了查詢的性能，同時又節(jié)約了成本。

3.云邊端融合存儲，數(shù)據(jù)自動實(shí)時、批量同步

特點(diǎn)：

1）邊緣版輕量級快速集成部署

2）2HA高可用架構(gòu)

3）具備與云端版本一樣的功能

4）數(shù)據(jù)自動同步至阿里云TSDB實(shí)例集群

云邊端一體化的存儲的方案，邊緣端的數(shù)據(jù)庫、嵌入的數(shù)據(jù)庫，根據(jù)策略去做實(shí)時的云端數(shù)據(jù)同步以及批量的數(shù)據(jù)的導(dǎo)入與導(dǎo)出。

4.多引擎超融合數(shù)據(jù)快速遷移同步

在數(shù)據(jù)庫內(nèi)部是集成了一個ETL工具，做多模數(shù)據(jù)之間的數(shù)據(jù)導(dǎo)入導(dǎo)出，甚至對接第三方的HBase或者Cassandra、OpenTSDB等數(shù)據(jù)的遷移，可以把第三方的數(shù)據(jù)源數(shù)據(jù)通過LTS直接遷移到Lindorm數(shù)據(jù)庫，就不用再依賴于第三方工具實(shí)現(xiàn)。

5.多模數(shù)據(jù)融合檢索打通IT&OT數(shù)據(jù)交互

多模數(shù)據(jù)融合檢索打通IT&OT數(shù)據(jù)交互，實(shí)現(xiàn)跨多引擎引擎查詢，提供全維檢索能力。

統(tǒng)一API，簡單易用

1）系統(tǒng)自動維護(hù)索引，應(yīng)用開發(fā)不感知索引表

2）索引支持非冗余、冗余部分列、全冗余

3）查詢時基于編譯優(yōu)化（RBO）全自動路由到搜索引擎，并智能判斷是否需要回查寬表/時序引擎

數(shù)據(jù)自動同步到搜索引擎

1）異步增量索引，基于LTS提供可擴(kuò)展的同步通道，數(shù)據(jù)同步可視化

2）實(shí)時同步索引，引擎間數(shù)據(jù)強(qiáng)一致

針對IT數(shù)據(jù)和OT數(shù)據(jù)的交互融合，這一點(diǎn)可以實(shí)現(xiàn)一致的跨引擎查詢，全文全維度的數(shù)據(jù)檢索能力，通過上層一致數(shù)據(jù)，試圖來幫助評比下層的數(shù)據(jù)存儲、數(shù)據(jù)引擎的異構(gòu)性，進(jìn)一步簡化使用成本和維護(hù)成本。

#阿里云##數(shù)據(jù)庫#