如何在汽车中构建一个时序数据库 (TSDB)？-CSDN博客

本文链接：https://blog.csdn.net/beary_tang/article/details/143396378

为什么需要在车中使用时序数据库 (TSDB)？

随着电动汽车智能化的发展，车辆运行时生成的时序数据量不断增加，导致数据收集、传输和存储成本高昂。GreptimeDB 车云一体化解决方案利用现代车载设备的先进计算能力，解决了这些问题。与传统的车云协同方案中车辆仅充当数据收集器不同，这一新方案将车辆视为可以本地运行复杂任务的完整服务器。从 32 位微控制单元（MCU）到像高通 8155 或 8295 这样的强大芯片模块的演进，使得智能车辆能够高效地执行边缘计算，从而降低数据传输和存储成本并提升整体效率。

原生 GreptimeDB 解决方案及面临的挑战

GreptimeDB 是一款云原生的时序数据库，具有高度可扩展性。然而，最初研发团队并未把车端使用纳入到 GreptimeDB 的构建计划当中，于是在 GreptimeDB 上车使用后发现了一些显著的问题：

资源使用的限制：GreptimeDB 运行在车辆的驾驶舱域控制器中，必须尽量减少 CPU 和内存的使用，以避免干扰信息娱乐系统。
稳健性：GreptimeDB 从 CAN 总线收集关键诊断指标，因此任何崩溃都可能导致数据丢失。
强环境适应能力：此外，与数据中心的服务器不同，基于车辆的 GreptimeDB 需要在各种条件下运行，如频繁的电源循环和由于道路交通变化而波动的 ADAS 数据速率，因此它需要在保持稳定和高效的同时适应这些变化。

在接下来的部分中，我们将详细阐述遇到的挑战及其解决方案。

CPU 使用量

与其他在数据中心运行的数据库类似，GreptimeDB 在使用时往往会占用尽可能多的 CPU 资源——这是衡量数据库可扩展性的一个关键指标。然而，在电动汽车中的使用情况有所不同，车载的人机界面（HMI）不仅要执行基本的数据收集任务，还需为乘客提供娱乐信息功能。因此，我们需要限制车载数据库的 CPU 资源消耗，以避免影响其他进程。

从 db#1694 实现之后，GreptimeDB 提供了一个便捷的工具用于记录和分析 CPU 使用情况。在持续的数据写入过程中，该工具会捕捉不同任务所消耗的 CPU 周期，并生成火焰图，显示每个组件的 CPU 使用情况，如下图所示。

（图 1 ：数据库端（左）与 SDK 端（右）的 CPU 火焰图）