首先在金字塔底層的之一階段，要具備海量多模數據的存儲能力，把結構化、半結構化、無結構化的數據以較為經濟的方式存儲下來，對這些數據做云化的處理，稱為數據云 。
在此基礎上，再建設跨數據庫引擎的橫向融合能力，如寬表、時序、圖、關系等模型數據，實現數據庫協同查詢能力 。
在Lindorm數據庫內部，用戶可以通過一致的查詢語句，透明查詢多種數據庫，拿到所需要的信息 。無論這個信息是從寬表、時序還是從文本檢索引擎來的，均對用戶透明化處理，從而更友好地支撐未來數據應用的開發 。
再往上層的縱向融合指的除了數據庫引擎、上層數據交換、ETF流數據處理以及計算引擎，可以在上層搭建數據庫內部的運行，例如異常檢測、趨勢預測、關聯性分析、相關性分析等，縱向地將數據庫的能力進一步融合，進而達到超融合，實現統一的查詢語言、數據視圖，數據訪問 。
在車聯網的一些具體場景下，比如新能源汽車當前電池包的健康狀態監控，或者是公共場景下帶業務特征的計算，都可以做成數據庫內計算的算子，或是以函數直接通過標準SQL語句去調用，最后連存到算一體化執行，最終實現頂層推理的效果 。
推理的效果指的是我們只需要告訴數據庫我們的需求，則可得到相應的信息 。建立統一的數據視圖之后，可以用SQL語句定義，比如導致生產次品率上升的主要原因，汽車故障發生告警的主要原因等，這些能力都是現有的數據庫和查詢所不能實現的 。
如果要提供以上能力，需要一系列的數據工具，如下所示 。
文章插圖
上圖為邏輯架構圖，圖中的最下方是能對接的第三方數據源，提供無縫的對接和支持 。數據進來之后到寬表時序等文件引擎，在這里面根據業務場景不同，可以劃分不同場景進行存儲，有配套的數據轉儲和數據采集工具 。
再上方就是計算引擎，還有數據檢索的引擎 。如Phoenix SQL引擎，Lindorm監控服務，以及時序數據分析等服務 。再上層是人機界面，為了方便基于數據庫開發數據應用，最上層是應用系統 。
核心優勢賣點1）高性價比存儲
2）多模超融合檢索
創新技術能力1）時序數據壓縮
2）工業場景數據建模
3）時序統計及非確定性推理檢索
貼近客戶場景1）LindormStudioIDE、工具、SDK
2）文檔、方案、案例庫
3）***、體系化IT&OT融合服務能力
打通數據生態1）***生態：開源：CQL、PhoneixSQL、 ES、MachineBeat…
2）商業：OSIsoftPI、Splunk
融合方案生態OSIsoft、Intel、工業大腦、IoT、東軟、 飛象互聯…
文章插圖
上方為以前和當前存儲方案對比，原來的部署方案需要應用開發人員和運營人員具備較高的動手能力，后續數據量增加的話，每個系統要單獨做集群，需要耗費大量的人力和專家進行支撐 。
當前的Lindorm存儲方案是一個數據庫幫助客戶解決日常問題，用一個接口查詢所有多模型的數據庫 。
（三）Lindorm車聯網數據存儲解決方案
文章插圖
在部署形態上，未來的車聯網與物聯網是便載、地域分布廣的場景，單獨在云端搭建數據庫無法滿足性能實時性的需求，所以未來數據庫形態邏輯和物理部署可能是一對多，稱為云邊端一體化的數據庫部署方案 。
邊緣端不管是車聯網路測端的設備或者車機上的TBox，都可以去嵌入輕量級持續數據采集的數據庫或者是多模數據庫 。在工業場景下，已經實現了在邊緣計算節點上部署邊緣數據庫，它可以無縫對接混合云、私有云數據中心或者是公有云平臺數據庫，做實時或按策略批量的數據同步 。
用戶在實際部署和使用過程中，可以把分布部署的數據庫作為邏輯一體的數據庫來管理和實現 。比如邊緣端部署，它可以采集存儲一段時間周期的數據，然后支撐實時面向邊緣端所連接的設備或者車輛數據，實時查詢與監控的場景 。
一旦需要全景數據或者是需要回溯分析出報表，統計數據的時候，可以借助云端強大的計算能力與存儲能力，做全量數據的回溯，做復雜計算以及根源分析，甚至機器學習場景的模型訓練，完美實現邏輯一體，實際物理分離 。既能支撐實時場景，又能支撐批量分析場景的數據存儲解決方案 。
推薦閱讀
- 監控顯示密碼錯誤是什么意思 atm密碼錯誤是什么意思
- 犬愛 狗狗為什么愛在輪胎上尿尿？
- 什么血型最稀有 古漢族人是什么血型居多？
- 飛魚籽是人工合成的嗎 飛魚籽是什么魚的籽
- 東風不與周郎便的東風指的是什么季節 東風不與周郎便的東風指的是什么
- 吃雞是什么游戲 電腦吃雞是什么游戲
- 超好玩的蘋果手機游戲是什么 有啥好玩的蘋果手機游戲
- dat文件是什么類型文件
- 物之不齊 物之情也是什么意思政治 物之不齊 物之情也是什么意思
- 茶水配油條什么意思 茶配油條是什么意思