在當(dāng)今數(shù)據(jù)驅(qū)動(dòng)的世界中，多模態(tài)數(shù)據(jù)已經(jīng)成為企業(yè)的重要資產(chǎn)。隨著數(shù)據(jù)規(guī)模和多樣性的不斷增加，企業(yè)不僅需要高效存儲(chǔ)和處理這些數(shù)據(jù)，更需要從中提取有價(jià)值的洞察。工業(yè)領(lǐng)域在處理海量設(shè)備時(shí)序數(shù)據(jù)的同時(shí)，還需要聯(lián)動(dòng)分析警報(bào)信息、設(shè)備關(guān)系、組織信息等關(guān)系數(shù)據(jù)或圖數(shù)據(jù);金融領(lǐng)域除了常見的行情和訂單流時(shí)序數(shù)據(jù)外，還會(huì)采用地理信息、實(shí)時(shí)新聞、氣象數(shù)據(jù)等多種類型的數(shù)據(jù)輔助決策。然而，要充分挖掘和利用這些多模態(tài)數(shù)據(jù)，傳統(tǒng)單一模型的時(shí)序數(shù)據(jù)庫已顯得力不從心，無法滿足現(xiàn)代多元應(yīng)用場(chǎng)景中企業(yè)對(duì)數(shù)據(jù)使用的復(fù)雜需求。

Transwarp TimeLyre是星環(huán)科技自主研發(fā)的企業(yè)級(jí)分布式時(shí)序數(shù)據(jù)庫，具備高吞吐實(shí)時(shí)寫入、時(shí)序精準(zhǔn)查詢、超高數(shù)據(jù)壓縮率等特點(diǎn)，可以支持海量時(shí)序數(shù)據(jù)的存儲(chǔ)、查詢、分析，有效支撐能源、制造、金融領(lǐng)域等多種時(shí)序數(shù)據(jù)業(yè)務(wù)場(chǎng)景。

近日，TimeLyre正式發(fā)布V9.2版本，支持海量時(shí)序數(shù)據(jù)的同時(shí)，具備原生的多模態(tài)數(shù)據(jù)混合存儲(chǔ)能力，能夠整合和處理不同類型的數(shù)據(jù)，幫助企業(yè)實(shí)現(xiàn)數(shù)據(jù)的多維分析。同時(shí)提供高性能分析、熱溫冷數(shù)據(jù)分層存儲(chǔ)、極速時(shí)序數(shù)據(jù)回放分析等新功能，可以有效支撐大規(guī)模時(shí)序數(shù)據(jù)湖、投研一體化平臺(tái)、時(shí)序數(shù)據(jù)中臺(tái)等新場(chǎng)景，充分滿足企業(yè)對(duì)多模態(tài)數(shù)據(jù)存儲(chǔ)分析的需求，助力企業(yè)發(fā)揮數(shù)據(jù)深層價(jià)值。

原生多模態(tài)架構(gòu)，支持時(shí)序數(shù)據(jù)與關(guān)系數(shù)據(jù)模型混合存儲(chǔ)

TimeLyreV9.2采用原生多模態(tài)架構(gòu)，來自多種數(shù)據(jù)源的時(shí)序和關(guān)系數(shù)據(jù)經(jīng)由統(tǒng)一的接口以批量或?qū)崟r(shí)的方式存入統(tǒng)一的存儲(chǔ)引擎中，通過統(tǒng)一的高性能計(jì)算引擎Quark進(jìn)行讀取和分析，支撐上層模型加工、批處理、在線分析、高性能讀取等場(chǎng)景，助力企業(yè)更全面、更多維度的數(shù)據(jù)分析應(yīng)用。

不同于傳統(tǒng)方案為不同類型的數(shù)據(jù)單獨(dú)部署和使用不同的數(shù)據(jù)庫產(chǎn)品，TimeLyre以原生的多模態(tài)架構(gòu)高效實(shí)現(xiàn)了多種數(shù)據(jù)模型的轉(zhuǎn)化流轉(zhuǎn)與關(guān)聯(lián)分析，具有復(fù)雜度低、開發(fā)和運(yùn)維成本低、數(shù)據(jù)處理效率高等優(yōu)勢(shì)。

高性能C++計(jì)算引擎，向量化計(jì)算，顯著提升數(shù)據(jù)分析性能

依托于星環(huán)科技統(tǒng)一的多模型數(shù)據(jù)管理平臺(tái)架構(gòu)，TimeLyre在計(jì)算引擎中納入了高性能C++計(jì)算引擎技術(shù)，通過使用向量化計(jì)算，充分利用了現(xiàn)代CPU的SIMD指令集，借助列式掃描減少了IO開銷。同時(shí)采用高性能數(shù)據(jù)傳輸格式，實(shí)現(xiàn)了數(shù)據(jù)零拷貝，減少了序列化和反序列化的開銷，并借助列式存儲(chǔ)和高壓縮率，減少了網(wǎng)絡(luò)傳輸?shù)臄?shù)據(jù)量，便于數(shù)據(jù)更快速地接入高性能C++分析引擎。通過采用高性能分析計(jì)算引擎，可以幫助用戶顯著提高數(shù)據(jù)處理能力和效率，更快獲取分析結(jié)果，加速?zèng)Q策過程，降低能耗和硬件成本，幫助用戶在數(shù)據(jù)驅(qū)動(dòng)的商業(yè)環(huán)境中保持領(lǐng)先。

熱溫冷數(shù)據(jù)自動(dòng)分層存儲(chǔ)，降低存儲(chǔ)成本，優(yōu)化資源配置

TimeLyre提供全新的熱溫冷數(shù)據(jù)分層存儲(chǔ)方案，統(tǒng)一接收外部應(yīng)用的數(shù)據(jù)寫入和數(shù)據(jù)查詢，內(nèi)部按時(shí)間或指定條件將熱數(shù)據(jù)、溫?cái)?shù)據(jù)和冷數(shù)據(jù)進(jìn)行自動(dòng)轉(zhuǎn)換。對(duì)于熱數(shù)據(jù)，可以實(shí)現(xiàn)毫秒級(jí)查詢性能，提供5倍以上數(shù)據(jù)壓縮率;溫?cái)?shù)據(jù)支持百毫秒查詢性能，提供15倍以上壓縮率;冷數(shù)據(jù)提供30倍以上數(shù)據(jù)壓縮率，滿足數(shù)據(jù)批量加工需求。熱溫冷數(shù)據(jù)的分層僅需在建表時(shí)通過DDL指定，無需后期運(yùn)維，即可實(shí)現(xiàn)定期后臺(tái)自動(dòng)分層。同時(shí)支持指定數(shù)據(jù)存儲(chǔ)在不同的存儲(chǔ)介質(zhì)上，進(jìn)一步降低綜合存儲(chǔ)成本，優(yōu)化資源配置。

支撐分布式極速時(shí)序回放分析引擎TransMatrix，助力時(shí)序數(shù)據(jù)回放分析

TransMatrix是星環(huán)研發(fā)的分布式投研系統(tǒng)，用戶可以將多種數(shù)據(jù)結(jié)構(gòu)、多種頻率(高、中、低頻)的數(shù)據(jù)按照時(shí)間順序進(jìn)行回訪;支持原生多模態(tài)數(shù)據(jù)源回放，可以從星環(huán)TDH中直接讀取和加工數(shù)據(jù)源，除了時(shí)序和關(guān)系數(shù)據(jù)之外，還支持文本數(shù)據(jù)、圖數(shù)據(jù)、圖片數(shù)據(jù)等，同時(shí)允許用戶借助Python開源生態(tài)對(duì)多模態(tài)數(shù)據(jù)進(jìn)行加工和分析;內(nèi)置豐富的時(shí)序算子庫，支持自定義算子開發(fā)與共享;采用事件驅(qū)動(dòng)的編程范式，提供生成式算子開發(fā)接口;提供算子拼接接口與豐富的內(nèi)置表達(dá)式，支持用戶自定義表達(dá)式;通過分布式任務(wù)實(shí)現(xiàn)多租戶負(fù)載均衡、提供分布式任務(wù)配置接口，可實(shí)現(xiàn)任務(wù)拆分、批量運(yùn)行、大規(guī)模采樣等大型任務(wù)。

新場(chǎng)景：大規(guī)模時(shí)序數(shù)據(jù)湖引擎，助力企業(yè)應(yīng)對(duì)海量時(shí)序數(shù)據(jù)

用戶可以基于TimeLyre構(gòu)建大規(guī)模時(shí)序數(shù)據(jù)湖，海量時(shí)序數(shù)據(jù)通過流式引擎進(jìn)入數(shù)據(jù)湖內(nèi)，依托TimeLyre完成ODS層、DW層、維度層數(shù)據(jù)加載與處理，通過豐富的API接口和開源生態(tài)接口支撐上層應(yīng)用開發(fā)、風(fēng)險(xiǎn)識(shí)別、模型訓(xùn)練、實(shí)時(shí)展示、數(shù)據(jù)智能、時(shí)序分析等業(yè)務(wù)場(chǎng)景。以TimeLyre為核心構(gòu)建時(shí)序數(shù)據(jù)湖，充分利用了產(chǎn)品對(duì)海量實(shí)時(shí)數(shù)據(jù)的存儲(chǔ)與查詢分析能力，實(shí)時(shí)寫入性能可達(dá)每節(jié)點(diǎn)千萬測(cè)點(diǎn)，實(shí)時(shí)查詢性能可達(dá)每節(jié)點(diǎn)10000QPS。結(jié)合流、批計(jì)算引擎，滿足業(yè)務(wù)對(duì)端到端秒級(jí)時(shí)效性的要求。同時(shí)支持時(shí)序數(shù)據(jù)與關(guān)系數(shù)據(jù)高效關(guān)聯(lián)分析、提供完善的SQL支持與靈活可變的Schema定義，為用戶提供全面、高效、靈活的數(shù)據(jù)管理分析平臺(tái)。

新場(chǎng)景：投研一體化平臺(tái)技術(shù)底座，搭建分布式投研框架

面向金融投研場(chǎng)景，TimeLyre可以作為投研一體化平臺(tái)的技術(shù)底座，助力企業(yè)搭建分布式投研框架。底層依托時(shí)序數(shù)據(jù)庫TimeLyre及其內(nèi)置的分布式投研計(jì)算引擎TransMatrix構(gòu)建投研平臺(tái)核心技術(shù)底座，通過標(biāo)準(zhǔn)數(shù)據(jù)接口、因子開發(fā)接口、策略開發(fā)接口和分布式任務(wù)開發(fā)接口對(duì)接上層業(yè)務(wù)模型，助力企業(yè)在一體化平臺(tái)內(nèi)實(shí)現(xiàn)數(shù)據(jù)泰索、因子研究、策略回測(cè)等應(yīng)用開發(fā)。

新場(chǎng)景：投研數(shù)據(jù)中臺(tái)數(shù)據(jù)底座，實(shí)現(xiàn)多源數(shù)據(jù)分層管理

依托TimeLyre構(gòu)建投研數(shù)據(jù)中臺(tái)，參考標(biāo)準(zhǔn)數(shù)據(jù)分層結(jié)構(gòu)，可將數(shù)據(jù)分為數(shù)據(jù)源層、基礎(chǔ)數(shù)據(jù)層、投研標(biāo)準(zhǔn)層、業(yè)務(wù)模型層與收益報(bào)表層。在數(shù)據(jù)源層負(fù)責(zé)從數(shù)據(jù)廠商、交易所數(shù)據(jù)、用戶因子數(shù)據(jù)等外部數(shù)據(jù)源同步數(shù)據(jù)，可以做到將原始的行情或因子數(shù)據(jù)以完全一致的形式同步入投研數(shù)據(jù)中臺(tái);基礎(chǔ)數(shù)據(jù)層負(fù)責(zé)完成數(shù)據(jù)的校驗(yàn)、清洗與加工，生成干凈的基礎(chǔ)投研數(shù)據(jù);投研標(biāo)準(zhǔn)層負(fù)責(zé)將這些數(shù)據(jù)統(tǒng)一成面向投研過程的標(biāo)準(zhǔn)表模型以及數(shù)據(jù)結(jié)構(gòu)模型，為用戶屏蔽掉不同來源數(shù)據(jù)在字段名、字段類型等方面的差異;業(yè)務(wù)模型層負(fù)責(zé)生成面向特定研究過程的因子與數(shù)據(jù);收益報(bào)表層負(fù)責(zé)生成面向投研收益評(píng)價(jià)的因子與數(shù)據(jù)，可以將策略的研究結(jié)果、投研結(jié)果以報(bào)表的形式存在時(shí)序模型或關(guān)系模型中。

依托TimeLyre構(gòu)建投研數(shù)據(jù)中臺(tái)可以對(duì)接豐富的外部數(shù)據(jù)源，實(shí)現(xiàn)多層次外部數(shù)據(jù)錄入，支持以投研領(lǐng)域常見的文件形式加載數(shù)據(jù)、從主流數(shù)據(jù)庫(MySQL、Oracle等)進(jìn)行數(shù)據(jù)同步、通過類似SQL的API接收交易所實(shí)時(shí)行情、通過Kafka統(tǒng)一接受數(shù)據(jù)等多種數(shù)據(jù)接入方式。同時(shí)為了應(yīng)對(duì)數(shù)據(jù)實(shí)時(shí)和批量更新的需求，提供專業(yè)的ETL工具，可以實(shí)現(xiàn)數(shù)據(jù)的一鍵重入，開啟一鍵重入即可自動(dòng)觸發(fā)多層次數(shù)據(jù)加工，實(shí)現(xiàn)投研數(shù)據(jù)的自動(dòng)更新，并通過統(tǒng)一的API提供給業(yè)務(wù)人員進(jìn)行研究使用。

賦能業(yè)務(wù)：TimeLyre助力某光伏企業(yè)打造批流一體時(shí)序數(shù)據(jù)湖方案

某光伏企業(yè)為解決數(shù)據(jù)孤島問題，依托星環(huán)科技分布式時(shí)序數(shù)據(jù)庫TimeLyre構(gòu)建批流一體的時(shí)序數(shù)據(jù)湖。首先通過數(shù)采設(shè)備從數(shù)據(jù)源系統(tǒng)中獲取原始數(shù)據(jù)，統(tǒng)一經(jīng)由Kafka消息系統(tǒng)匯入數(shù)倉平臺(tái)的數(shù)據(jù)接入?yún)^(qū)，并通過TimeLyre自帶的流處理引擎Slipstream將數(shù)據(jù)加載到內(nèi)部的貼源層，實(shí)現(xiàn)時(shí)序數(shù)據(jù)、關(guān)系數(shù)據(jù)等多模態(tài)數(shù)據(jù)的統(tǒng)一存儲(chǔ)。數(shù)倉內(nèi)部通過統(tǒng)一的計(jì)算引擎和SQL引擎將數(shù)據(jù)加工到不同的層次，包括標(biāo)準(zhǔn)表DWD層、中間表MID層、模型表DWS層、維度表DIM層和業(yè)務(wù)寬表ADS層等，用以支撐上層業(yè)務(wù)報(bào)告、BI報(bào)表、數(shù)據(jù)智能、實(shí)時(shí)分析對(duì)比、三維展示等應(yīng)用場(chǎng)景。值得注意的是數(shù)倉平臺(tái)以TimeLyre為核心，僅通過TimeLyre一個(gè)數(shù)據(jù)庫，就實(shí)現(xiàn)了時(shí)序數(shù)據(jù)、關(guān)系數(shù)據(jù)從貼源層到應(yīng)用層的加工、分析和查詢。

項(xiàng)目基于星環(huán)大數(shù)據(jù)技術(shù)實(shí)現(xiàn)了光伏數(shù)據(jù)的統(tǒng)一接入，包括設(shè)備測(cè)點(diǎn)數(shù)據(jù)的實(shí)時(shí)接入以及管理數(shù)據(jù)、巡檢圖片、運(yùn)行日志等數(shù)據(jù)的全量接入，目前已實(shí)現(xiàn)基地3300多臺(tái)設(shè)備、近30萬測(cè)點(diǎn)數(shù)據(jù)的秒級(jí)入庫。并且方案具備水平擴(kuò)展能力，未來增加硬件資源，也可順利接入新建場(chǎng)站數(shù)據(jù)。

同時(shí)依托星環(huán)科技時(shí)序數(shù)據(jù)庫、批處理引擎和分析庫構(gòu)建的光伏數(shù)據(jù)底座，可以實(shí)現(xiàn)各類數(shù)據(jù)的存儲(chǔ)和數(shù)倉模型加工，通過統(tǒng)一的計(jì)算引擎和統(tǒng)一的數(shù)據(jù)接口，支撐各類可視化數(shù)據(jù)應(yīng)用的構(gòu)建，方便光伏實(shí)驗(yàn)實(shí)證分析人員利用大數(shù)據(jù)技術(shù)開展數(shù)據(jù)對(duì)比分析、設(shè)備性能查詢、運(yùn)行曲線查看等日常工作。

此外基于星環(huán)一體化平臺(tái)與數(shù)據(jù)資產(chǎn)管理，實(shí)現(xiàn)了全平臺(tái)數(shù)據(jù)的統(tǒng)一授權(quán)、開發(fā)、治理、開放、審計(jì)，讓各部門的開發(fā)人員，可以快速便利的獲得所需的數(shù)據(jù)資源，并基于高性能的時(shí)序數(shù)據(jù)湖平臺(tái)進(jìn)行數(shù)據(jù)分析。

（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）