Каковы непригодные для использования сценарии TDengine?
В те дни я тестировал проблему TDengine с разделением мозга с различными конфигурациями, что не позволяет мне продолжать развертывание кластера. Чтобы снизить вероятность возникновения узких мест, неиспользуемые сценарии TDengine необходимо объявлять заранее. Итак, я хочу знать, какая ситуация вызовет дамп ядра кластера TDengine или приведет к его недоступности, кроме разделения мозга или сбоя выбора мастера? Как кластер TDengine может эффективно обеспечить высокую доступность?
1 ответ
Я думаю, что TDengine предназначен для хранения/обработки данных временных рядов, например, в отраслевых данных IoT, собранных датчиком, или данных, генерируемых с помощью устройств мониторинга с течением времени. Базовая структура данных для хранения данных на диске использует LSM-дерево, поэтому оно больше подходит для ситуаций с большим объемом записи данных, чем чтением, поскольку новые данные будут просто добавляться к последним. В основном TDengine больше подходит для хранения данных временных рядов с точки зрения оптимизации производительности, но не рекомендуется для использования в OLAP и других ситуациях.