MatrixDB：All in One 的超融合时序数据库（40页）.pdf

《MatrixDB：All in One 的超融合时序数据库（40页）.pdf》由会员分享，可在线阅读，更多相关《MatrixDB：All in One 的超融合时序数据库（40页）.pdf（40页珍藏版）》请在三个皮匠报告上搜索。

1、M Ma at tr ri ix xD DB BAll in One 的超融合时序数据库北 京 四 维 纵 横 数 据 技 术 有 限 公 司姚 延 栋Confidential 2021 四维纵横About Me姚延栋MatrixDB 创始人Greenplum 北京研发中心总经理（2010-2020）Greenplum 中文社区创始人PostgreSQL 中文社区常委清华大学产教融合课程分布式数据系统基础及应用产业方负责人Greenplum：从大数据战略到实现作者Confidential 2021 四维纵横l公司介绍l超融合时序数据库l核心架构l案例分享目录Confidential 2021

2、四维纵横公司介绍Confidential 2021 四维纵横5超融合时空数据库缔造者全新的角度看待数据从“画面”到“动画”是一种历史、一种记忆时序视角指标数据地理数据点云数据配置数据帧数据关系数据Confidential 2021 四维纵横时序是一种全新的视角，是历史和记忆时刻1 指标数据 位置数据 点云数据 图像数据 关系数据 KV/GIS JSON时刻2 指标数据 位置数据 点云数据 图像数据 关系数据 KV/GIS JSON时刻3 指标数据 位置数据 点云数据 图像数据 关系数据 KV/GIS JSON.指标数据 位置数据 点云数据 图像数据 关系数据 KV/GIS JSON时刻n 指标

3、数据 位置数据 点云数据 图像数据 关系数据 KV/GIS JSONConfidential 2021 四维纵横7产品优势All in One 时序数据 GIS数据 关系数据 KV数据 JSON数据 点云数据 可扩展稳定可靠 20年积累沉淀 全球上万生产集群 几十万静态测试用例 混沌工程动态测试大规模 100PB 级 300节点生产案例 大量PB级生产集群 线性扩展 最小单机部署高性能 大规模并行处理架构（MPP）10年打磨的优化器技术 为时序优化的执行器 为时序优化的存储企业级特性齐全 监控报警 在线扩容 备份恢复 安全控制 并行导入导出 在线迁移 升级降级生态完备 PG12/GP 兼容 无

4、缝对接Hadoop 生态 内建ML学习 支持Python、R等UDFConfidential 2021 四维纵横Greenplum 数据库全球排名第三Greenplum原厂团队姚延栋：Greenplum 原北京研发中心总经理高小明：Greenplum 原全球内核产品总监翁岩青：Greenplum 原云原生和分析架构师Greenplum内核团队主力在北京Greenplum 6.0 北京团队贡献70%+新特性Greenplum 6.0 HTAP 发表SIGMOD顶会论文，整个特性均由姚延栋/高小明领导的北京团队研发MatrixDB 团队背景Confidential 2021 四维纵横9400天完成

5、4轮融资，总融资额超1.5亿2020/08公司成立2020/09天使轮融资清华启迪中科创星晨山资本2021/01PreA融资顺义产业基金2021/07A轮融资东方富海2021/10A+轮融资云厂商Confidential 2021 四维纵横超 融 合 时 序 数 据 库Confidential 2021 四维纵横时空数据处处皆有l时序数据是时间序列数据，是带有时间戳的一系列结构化数据 汽车 每秒钟采集的位置、车速、转速、温度等数据 无人机 每秒采集的位置、高度、风力、风向等数据 数控机床 每百毫秒采集的轴坐标、移动量、速度等数据 智能冰箱 每小时采集的温度、湿度、耗电量 用户访问网站 点击事件

6、流等数据l空间数据是地理位置或者轨迹数据l关系数据：让时空数据具有意义Confidential 2021 四维纵横时序数据成为数据主体，如何应对新挑战？2 20 02 20 0年年物物联联网网设设备备超超过过非非物物联联网网设设备备车联网数据规模预估：l10万辆车，每辆车秒级采集1000指标l一秒1亿指标，800MB数据l一天24小时8.64万亿指标，69TB，一月2PB数据l一天3小时1.44万亿指标，8.6TB，一月259TBConfidential 2021 四维纵横时序数据库趋势（DB-Engines）2017 过去12个月趋势2021 过去24个月趋势Confidential 202