Warum GeminiDB Influx API?
Ultimative Leistung
T?glich k?nnen Billionen von Metriken erfasst werden. Massive Mengen von Zeitreihendaten k?nnen stabil in Datenbanken geschrieben werden, was viel schneller ist als die Open-Source-InfluxDB. Die lineare Skalierbarkeit der Schreibleistung betr?gt mehr als 80 %. Die Schreibleistung ist mehr als doppelt so hoch wie die von Open-Source-Clustern gleicher Gr??e.
Bei der massiv parallelen Verarbeitung k?nnen Daten gleichzeitig auf alle Knoten geschrieben werden, Abfrageanweisungen werden gleichzeitig auf mehreren Knoten und mehreren Kernen ausgeführt. Die vektorisierte Abfrage-Engine liefert eine bessere Leistung, wenn mehr Daten vorhanden sind.
Massive Zeitreihen werden verwaltet, um die Speicher-Trefferrate von Zeitreihenabfragen zu verbessern. Die GC-Frequenz wird dynamisch auf der Grundlage der Speicherbelastung angepasst, um die Speicherrückgewinnung zu beschleunigen.
Die Mehrfachkopie-Replikation von Datenbanken wird auf den verteilten Speicher verlagert, wodurch der Netzwerkverkehr von den Rechenknoten zu den Speicherknoten reduziert wird.
.png)
Massive Datenanalyse
GeminiDB Influx API bietet multidimensionale Abfragen, die es Ihnen erm?glichen, Daten schneller zu erhalten. Zeitreihenerkenntnisse machen die Datenanalyse intelligenter.
GeminiDB Influx API unterstützt multidimensionale invertierte Indizierung, zusammenfassende Indizierung und multidimensionale Abfragen, die mehrere Bedingungen kombinieren, so dass Sie Daten schneller erhalten k?nnen.
Es k?nnen mehrere Arten von Zeitreihenausnahmen erkannt werden, und sobald eine Ausnahme auftritt, wird ein Alarm gemeldet. Die Ausnahmen k?nnen visuell dargestellt werden, so dass sie von den Betriebs- und Wartungstechnikern leicht erkannt werden k?nnen. Die Konfiguration einer Alarmregel ist einfach und verursacht keine Kosten für maschinelles Lernen.
Ein mehrdimensionaler Algorithmus zur Zeitreihenvorhersage wird verwendet, um die Vorhersagegenauigkeit auf der Grundlage von Beziehungen zwischen mehreren Metriken zu verbessern. Diese Art von Algorithmus sagt 50 % genauer voraus als herk?mmliche Algorithmen. Die Trainings- und Vorhersagezeit wird von Stunden auf Minuten verkürzt. Dieser Algorithmus ist für Echtzeit-Vorhersageszenarien geeignet.
據(jù)分析@2x.png)
Geringe Speicherkosten
Mit Unterstützung für adaptive Komprimierung und automatisierten mehrstufigen Hot- und Cold-Speicher ben?tigt die GeminiDB Influx API nur 1/10 der Speicherkosten einer relationalen Datenbank.
Der spaltenbasierte Speicher und die adaptiven Kompressionsalgorithmen verbessern das Kompressionsverh?ltnis erheblich.
Die abgestufte Speicherung von kalten und hei?en Daten gew?hrleistet einen effizienten Zugriff auf hei?e Daten und reduziert die Speicherkosten für kalte Daten.
備份 3@2x.png)
Skalierbarkeit
Das herk?mmliche Skalieren von Datenbanken erfordert die Migration einer gro?en Datenmenge, und der Abschluss des Skalierens und des Daten-Rebalancing kann Stunden oder sogar Tage dauern.
Shared-Nothing- und Shared-Storage-Architektur: Zustandslose Rechenknoten teilen sich eine zustandsabh?ngige verteilte Speicher-Engine.
Eingebaute Proxy-Cluster unterstützen den dynamischen Datenlastausgleich und die Auslastung der Rechenressourcen ist hoch.
Rechenknoten k?nnen innerhalb von Minuten hinzugefügt werden, und der Speicher kann in Sekundenschnelle hoch skaliert werden.
Umfassende L?sungen
Umfassende L?sungen
網(wǎng).svg)
用運(yùn)維監(jiān)控.svg)
智能.svg)
低碳轉(zhuǎn)型.svg)
Dokumentation
Mehr GeminiDB APIs
Mehr GeminiDB APIs
GeminiDB Redis API
Redis-Datenbank auf Unternehmensniveau
GeminiDB Cassandra API
Breitentabellen-Datenbank mit hoher Leistung