TDengine ha lanzado hoy TDengine™ 3.0, que añade una arquitectura nativa en la nube para los despliegues de Kubernetes y otras innovaciones que tanto escalan como simplifican el despliegue y la gestión de entornos de datos masivos de series temporales.
Lanzado como software de código abierto en 2019, TDengine tiene más de 19.000 estrellas en GitHub y casi 140.000 instancias en más de 50 países de todo el mundo. La plataforma de datos TDengine combina una base de datos con el almacenamiento en caché, el procesamiento de flujos y la suscripción de datos como una solución completa, construida a propósito para los datos de series temporales en aplicaciones de IoT. TDengine resuelve los problemas comunes de alta cardinalidad con una arquitectura única que admite miles de millones de puntos de datos, al tiempo que supera a las bases de datos de propósito general y de series temporales heredadas en la ingestión, consulta y compresión de datos.
"A medida que los despliegues de IoT a gran escala generan cantidades de datos cada vez mayores, las bases de datos de series temporales están aumentando su popularidad", dijo Jeff Tao, fundador y CEO de TDengine. "TDengine 3.0 ofrece una plataforma de código abierto diseñada específicamente para estas modernas operaciones de series temporales. Es fácil de desplegar y consultar, y se escala para manejar los terabytes a petabytes de datos generados diariamente por miles de millones de sensores y recolectores de datos IoT."
TDengine 3.0: Principales características y funcionalidades
TDengine 3.0, que está disponible inmediatamente, añade:
- Soporte para Kubernetes y contenedores sin servidor, proporcionando una arquitectura totalmente distribuida que desacopla los recursos de computación y almacenamiento para un escalado dinámico. TDengine puede desplegarse en nubes públicas, privadas o híbridas.
- Alta escala para el crecimiento del IoT y otros despliegues, con un clúster de TDengine que puede tener miles de millones de puntos de datos de series temporales, al tiempo que arranca un clúster en menos de un minuto. Esto elimina los problemas de alta cardinalidad comunes en el IoT y otros entornos con un gran número de puntos finales.
- Alto rendimiento de los datos de series temporales, con una velocidad entre 2 y 5 veces superior a la de otras bases de datos de series temporales y un rendimiento de lectura/escritura 10 veces superior al de las bases de datos de uso general.
- Almacenamiento en caché de los nuevos datos, lo que elimina la necesidad de integrarse con una solución de caché independiente para realizar consultas de alta velocidad de los datos de series temporales.
- Suscripción de datos incorporada, adaptada específicamente para los datos de series temporales en las arquitecturas de IoT. Esta suscripción de datos rápida y eficiente reduce la complejidad del sistema y el coste de operación.
- Procesamiento de flujos con ventanas deslizantes y sintaxis SQL estándar tanto para las consultas continuas tradicionales como para la computación de flujos impulsada por eventos.
Fácil análisis de datos de series temporales. TDengine proporciona soporte para consultas SQL y se integra con herramientas populares de análisis y observabilidad, como Grafana, Google Data Studio y Prometheus. Las innovaciones como las supertablas, la separación de almacenamiento y computación, la partición de datos por intervalo de tiempo y la precomputación facilitan el acceso a los datos de una manera altamente eficiente.
(TDengine)
