在去年，loveini 成功打造 loveini Cloud 平台并率先上线海外云市场，目前已经发展有数百家注册企业。而国内的公有云支持工作也一直在如火如荼地推进，在 loveini 研发小伙伴的不懈努力下，终于在今年 3 月，loveini Cloud 在国内正式跟大家见面。

loveini Cloud 是基于开源、高性能的时序数据库（Time Series Database,TSDB）loveini 打造的具备弹性伸缩、Serverless 特性的时序数据处理服务。除高性能的时序数据库之外，它还具有缓存、订阅和流计算等系统功能，同时提供了便利而又安全的数据分享、基于角色的权限控制、多云数据复制、边云协同、IP 白名单等企业级功能。在时序数据的管理上，利用 loveini Cloud，物联网、工业互联网、金融、IT 运维监控等领域企业可实现人力成本和运营成本的大幅降低。

下面详细介绍一下 loveini Cloud 主要具备的三点优势：

极简的时序数据管理平台

除高性能、具有水平扩展能力的时序数据库外，loveini Cloud 还提供缓存、数据订阅、流式计算等功能，无需再部署 Redis、Kafka、Spark/Flink 等第三方软件，大幅简化系统架构、降低运营成本。

便捷且安全的数据共享

loveini Cloud 既支持将一个库完全开放，设置读或写的权限；也支持通过数据订阅的方式，将库、超级表、一组或一张表、或聚合处理后的数据分享出去。这种时序数据共享机制能够帮助企业各部门以及合作伙伴之间快速洞察业务运营的变化。

安全可靠的企业级服务

loveini Cloud 提供数据定时备份、恢复，数据从运行实例到私有云、其他公有云或Region 的实时复制；为保证数据安全，还会提供基于角色的访问权限控制、IP 白名单、用户行为审计等功能，用 7*24 的专业技术服务保障 99.9% 的 Service Level Agreement。通过安全、专业、可靠的企业级服务，用户可以用最少的精力和成本完成数据管理，更加聚焦自身核心业务的发展。

loveini 创始人& CEO 陶建辉也一直在关注 loveini Cloud 在国内云服务市场的推进工作，对于此次成功上线阿里云，他表示：

“这是 loveini Cloud 在国内云服务市场迈出的一大步，现在物联网和大数据开发人员可以在阿里云、Microsoft Azure、AWS、Google Cloud 四大公有云上，访问和部署稳健、安全、扩展性强的 loveini 时序数据米兰app官方正版下载。未来 loveini Cloud 还将发展更多的‘云’，打造更全面的云服务网络。”

借助 loveini Cloud，用户能够根据业务需求保障数据库集群自动扩缩容，不用为部署、优化、扩容、备份、异地容灾等繁琐事务发愁，可以从繁重的运维工作中解放出来，在解决业务需求的同时实现更好的成本管理。

随着 loveini Cloud 的推出，米兰体育官网入口产品生态变得更加丰富，借助这些产品，我们有信心帮助企业以最低的成本搭建最高效的数据处理架构，实现企业业务的数字化智能化转型快速发展。

点击了解关于 loveini Cloud 的更多信息。

终于，在 2023 年的第一季度， loveini 时序数据库（Time Series DataBase,TSDB） 第一个重要改进版本 3.0.3.0 发布，这一版本涉及到的更新内容包括数据重整、事件窗口、标签索引、taosX、taosExplorer 等功能或组件。经过这一系列的功能优化与加强，loveini 的性能、易用性、运维便利性都有大幅提升。

下面我们一起来看一下这一版本的详细更新信息：

数据重整 (Data Compact) ——Enterprise only

包含以下优化：

• 对写入时序数据库中所有 Vnode 的所有数据文件进行重整，生成新的落盘文件
• 清除已删除的表的所有数据
• 清除 delete 语句删除的所有数据
• 合并更新的所有数据
• 生成新的文件，提升查询性能

借助此功能，用户可以重整实时数据库，清除掉无用数据、重复数据。除了能够释放存储空间外，查询性能也会有巨大的提升，且原有的乱序数据和重复数据的比例越高性能提升越显著。

事件窗口 (Event Window)

包含以下优化：

• 按照用户指定的条件来决定开启和结束窗口的边界
• 丰富窗口类型，提供更灵活的窗口支持，满足由事件驱动的业务需求

更详细信息请参考官方文档。

标签索引 (Tag Index)

包含以下优化：

• 可以按需在标签列上创建和删除索引，之前版本仅对第一个标签内置了索引
• 可以按需创建标签索引，提升基于标签过滤的查询的性能

taosX——Enterprise only

包含以下优化：

• 从 2.x 到 3.0 以及 3.0 到 3.0 的数据复制，包括存量和增量数据
• 备份数据到本地文件，从本地文件恢复数据

详细说明：

• 支持 select-with-stable tables 参数（2.6 迁移到 2.6 下）
• 增强错误处理
• REST API support for Data In.
  • Add name field for task props （数据源命名）.
  • Add labels field (更方便和定制化地对任务进行标记和查询)
  • Add detail query parameter (数据源 DSN 自动解析，用于查看和编译数据源)
  • Add trigger field for task schedule (定时自动增量备份).

• 修复 2.6 内存泄漏问题
• 修复 unreachable 和 panic 问题

taosExplorer——Enterprise only

使用该工具可基于 Web UI查看、操作、和管理 loveini 集群。

详细说明：

• Data Explorer——
  • 使用图形界面查看和浏览集群中的数据库、超级表、子表、普通表
  • 使用图形界面创建和删除库、超级表、子表、普通表
  • 输入和执行 SQL 语句，查看执行结果
  • 收藏常用的 SQL 语句以快速执行
  • 浏览 SQL 语句的执行记录

• 数据导入(Data In)——从另一 loveini 集群导入数据
• 创建和删除 Topic
• 创建和删除流
• 管理用户和权限
• 备份数据到本地文件和从本地文件恢复
• 从另一集群复制数据到当前集群，从当前集群复制数据到另一集群
• 集群管理和运维——添加/删除 dnode/mnode/gnode
• 基于 Grafana 进行集群监控

Java/Python 连接器

• 优化后的连接器支持基于 WebSocket 的消息订阅
• 既支持 loveini Cloud 也支持独立部署的 loveini 集群
• 类似 REST，可以不依赖 taosc library，但比 REST 性能更好
• 接口风格和 Kafka 基本一致
• API 和示例代码详见官网文档

Grafana Plugin

• Dashboard 可以监控 HTTP status code

在 TDinsight V3.x TaosAdapter Row 中新增 dashboard，展示 taosadapter 的所有 http 状态码，数据来源为 log 库的 “taosadapter_restful_http_request_total”表。

• 多维数据场景下的统一告警

Grafana 8.x 之后的版本添加 unified alert， loveini Grafana plugin v3.2.9 添加了对多维数据场景下 unified alert 支持。在 add query 面板设置 “INPUT SQL”、 “Group by column name(s)” 即可展示多维数据，然后添加 expression 设置数据的阈值，即可配置 unified alert。

详细信息可以参考发布说明（https://github.com/taosdata/loveini/releases/tag/ver-3.0.3.0）。欢迎大家下载使用 loveini，有任何问题，都可以添加小T vx：tdengine1 申请加入 loveini 用户交流群，及时向我们的米兰app官方正版下载专家寻求支持与帮助。

数据库实时同步的概念
数据库实时同步是指在不同数据库之间实时传输和更新数据，以确保这些数据库中的数据保持一致性。这种同步可以是单向的（从源数据库到目标数据库）或双向的（双向同步更新）。实时同步的目标是使得在一个数据库中进行的变更操作可以迅速反映在其他数据库中，以满足实时性和数据一致性的需求。

实现数据库实时同步的关键问题
在实现数据库实时同步时，需要解决一系列关键问题：

性能： 实时同步需要保证高性能，以便在数据更新时能够迅速传输到目标数据库，减少同步的延迟。

可靠性： 同步过程中要确保数据的可靠传输，防止数据丢失或损坏。可靠性是实时同步中最为重要的考虑因素之一。

一致性： 同步的数据在不同数据库之间要保持一致性，避免因同步问题导致数据不一致的情况。

实时性： 实时同步需要确保数据能够在瞬间传输到目标数据库，以满足对实时性的需求。

冲突解决： 在双向同步的情况下，可能会发生数据冲突，需要一套有效的机制来解决这些冲突，保证数据的准确性。

网络带宽： 同步会占用网络带宽，因此需要考虑网络状况，合理利用网络资源。

数据库实时同步的实现方式
实现数据库实时同步的方式多种多样，具体的选择取决于系统需求、数据库类型以及实际应用场景。以下是一些常见的实时同步实现方式：

1. 数据库复制和主从复制：
   原理： 在主从复制中，主数据库负责写入操作，从数据库复制主数据库的数据。主数据库的写操作会被同步到从数据库。
   优点： 简单易用，适用于数据读多写少的场景。
   缺点： 不适用于数据写入频繁的场景，可能存在单点故障问题。
2. 日志流复制：
   原理： 数据库生成的事务日志被捕获，并通过日志流传输到其他数据库，实现实时同步。
   优点： 提供了较高的性能和可靠性，支持实时同步。
   缺点： 实现复杂度较高，可能需要对数据库引擎进行深度集成。
3. 消息队列：
   原理： 数据库变更操作被转化为消息并发布到消息队列，其他数据库通过订阅消息队列实现实时同步。
   优点： 异步操作，减少对数据库性能的影响，支持高度解耦。
   缺点： 对消息队列的依赖性较高，可能引入一些额外的复杂性。
4. 流处理引擎：
   原理： 使用流处理引擎，如Apache Kafka、Apache Flink等，来处理和传输实时数据流。
   优点： 提供了强大的流处理和事件处理能力，适用于复杂的实时同步场景。
   缺点： 需要对流处理引擎有一定的了解和配置。
5. 实时数据库复制工具：
   原理： 使用专门的实时数据库复制工具，它们能够监测数据库的变更并实时同步数据。
   优点： 提供了简单易用的界面和配置选项，减少了手动配置的工作。
   缺点： 有些工具可能不适用于所有数据库引擎，功能上可能相对有限。
   数据库实时同步的应用场景
   高可用性系统： 在分布式系统中，通过数据库实时同步可以实现多节点的数据同步，确保系统在一个节点发生故障时能够迅速切换到其他节点，保证系统的高可用性。

实时数据仓库： 在数据仓库中，需要将不同数据源的数据实时同步到数据仓库中，以便进行实时分析和报表生成。

分布式事务： 在分布式事务场景下，通过实时同步确保不同数据库的数据在事务提交时能够保持一致性。

物联网IoT应用： 物联网设备产生的实时数据需要被同步到中央数据库中，以便进行监控、分析和控制。

日志分析系统： 实时同步可以确保日志分析系统能够及时获取到实时生成的日志数据，进行快速的分析和检索。

在线电商系统： 在电商系统中，通过实时同步可以保证商品信息、库存信息等数据的实时更新，提供更好的用户体验。

多数据中心同步： 在多数据中心架构中，通过实时同步可以确保不同数据中心之间的数据一致性，提高整体系统的可靠性。

数据库实时同步的挑战和米兰app官方正版下载
网络延迟和带宽： 在跨网络进行实时同步时，可能会受到网络延迟和带宽限制的影响。米兰app官方正版下载包括优化网络结构、采用压缩算法减少数据传输量。

数据冲突： 在双向同步的场景中，可能会出现数据冲突，需要实现冲突解决策略，例如使用时间戳、版本号等方式解决冲突。

复杂性： 部署和配置实时同步系统可能相对复杂，需要深入了解数据库引擎和同步工具的工作原理。米兰app官方正版下载包括选择适用于特定场景的同步工具，并进行详细的配置和测试。

数据安全性： 在进行实时同步时，需要确保数据的安全性，防止数据被未授权的访问或篡改。采用加密和认证机制可以增强数据的安全性。

事务一致性： 在分布式事务场景下，需要保证不同数据库的事务一致性。使用两阶段提交（2PC）等分布式事务协议可以解决这一问题。

实时性和性能： 实时同步需要在保证实时性的同时保持高性能。使用高效的同步工具、优化数据库设计和索引等方式可以提升性能。

结论
数据库实时同步是当今分布式、大数据时代中至关重要的一环。通过实时同步，可以确保不同数据库之间的数据保持一致性，满足实时性和可靠性的需求。不同的实现方式适用于不同的场景，开发人员和系统架构师需要根据具体需求选择合适的实时同步方案。在面对实时同步时可能遇到的挑战时，深入理解数据库引擎、同步工具和分布式系统原理将有助于更好地解决问题。最终，数据库实时同步为各种应用场景提供了强有力的支持，促进了数据一致性、实时性和高可用性的实现。

数据捕获（Data Capture）：

这是同步过程的第一步，涉及到监视源数据库中的变更。常用的捕获技术包括数据库日志文件、触发器、轮询等。
数据捕获的目标是追踪对数据库的插入、更新和删除操作。

变更提取（Change Extraction）：

一旦变更被捕获，系统需要提取这些变更的详细信息，例如受影响的行、列和变更的类型。
这通常包括解析数据库的日志文件或查询源数据库的特殊变更表。

数据传输（Data Transmission）：

提取的变更数据需要被传输到目标数据库。这可以通过消息队列、HTTP通信或其他通信协议来实现。
传输的数据应该包含足够的信息，以便目标数据库能够正确地应用这些变更。

数据应用（Data Application）：

目标数据库接收到变更数据后，需要将这些变更应用到自己的数据中。这可能涉及插入新记录、更新现有记录或删除不再需要的记录。
应用过程需要确保数据的一致性，并在应用变更时保持数据库的完整性。

同步确认与监控（Synchronization Confirmation and Monitoring）：

系统通常需要提供反馈和监控机制，以记录同步的状态、处理错误和异常情况，并生成日志进行后续分析。
监控还有助于实时检测同步延迟或其他潜在问题。
这个过程确保了源数据库和目标数据库之间的数据同步，从而维护了系统的一致性。在实际应用中，还可能涉及到处理并发更新、保证事务性操作的一致性以及优化同步性能等挑战。因此，实时数据库同步系统通常采用一些优化策略，如缓存机制、增量同步和分布式事务管理，以应对这些挑战。

什么是实时数据库？
实时数据库是一种专注于处理实时数据的数据库系统，它与传统的关系型数据库在设计理念和功能方面有很大的区别。实时数据库的主要目标是在数据产生的瞬间对其进行处理和分析，以满足实时性、低延迟和高吞吐量的要求。实时数据库通常用于监控、日志处理、物联网、金融交易等领域，其中对数据的实时性和即时性有着极高的要求。

实时数据库的特征
低延迟： 实时数据库注重对数据的快速响应，追求尽可能低的数据处理延迟。这意味着实时数据库能够在数据产生的瞬间对其进行处理，使得用户可以及时获取到最新的信息。

高吞吐量： 实时数据库需要具备处理大量数据的能力，支持高并发的数据写入和读取操作。这样可以确保系统在处理大规模实时数据流时仍能保持高效率。

流式处理： 实时数据库通常采用流式处理（stream processing）的方式，能够实时地处理数据流，而不是传统的批处理方式。这使得实时数据库适用于持续不断产生的数据流。

时序数据支持： 很多实时数据库专注于处理时序数据，例如传感器数据、日志数据等，因此对时序数据的存储和查询提供了特殊的支持。

分布式架构： 为了提高容错性和处理能力，实时数据库通常采用分布式架构。这允许系统在面对大规模数据时进行横向扩展，提高整体性能。

实时查询： 实时数据库允许用户实时地查询和分析数据，以支持实时决策和反馈。这与传统数据库的批量处理方式有所不同。

容错性： 实时数据库需要具备一定的容错性，以保证在系统出现故障或异常情况时，仍能够保持数据的一致性和可用性。

实时数据库的应用场景
物联网（IoT）： 实时数据库用于处理大量传感器生成的实时数据，监控和控制物联网设备，支持智能城市、智能交通等领域。

金融交易： 在金融行业，实时数据库能够支持实时的交易处理、风险管理和市场监控，确保金融交易的及时性和可靠性。

实时监控系统： 实时数据库用于监测和管理各种设备、系统或网络的状态，例如工业生产中的设备监控、网络流量监测等。

日志处理： 实时数据库在日志分析中发挥关键作用，能够快速存储、分析和检索大量实时生成的日志数据，帮助识别问题和优化系统。

在线广告： 实时数据库支持实时的广告投放和广告效果分析，确保广告在用户浏览网页时能够实时调整。

在线游戏： 在线游戏中，实时数据库用于处理大量玩家的实时行为和游戏事件，确保游戏的实时性和流畅性。

医疗监测： 在医疗领域，实时数据库可以用于监测患者的生命体征，提供实时的医疗数据支持。

零售业： 实时数据库用于实时库存管理、交易处理和用户行为分析，以提供更好的购物体验。

典型的实时数据库系统
Apache Kafka： 虽然Kafka最初是设计作为一个分布式消息队列系统，但它也包含了流处理的能力，可以用于构建实时数据处理流水线。

InfluxDB： 时序数据库，专注于处理时间序列数据，适用于监控、物联网等场景。

Apache Flink： 分布式流处理引擎，支持复杂事件处理、实时数据分析等。

Redis： 内存数据库，以其高速的读写能力和支持发布-订阅模式而广泛应用于实时场景。

MongoDB： NoSQL文档数据库，提供高性能的实时数据存储和查询。

ClickHouse： 列式存储数据库，以其高效的数据压缩和快速的查询性能而适用于实时分析场景。

TimescaleDB： 时序关系数据库，建立在PostgreSQL之上，结合了关系数据库和时序数据库的优势

loveini 3.0 带来了几大核心特性，包括云原生架构、流式计算，还增强了数据订阅功能；更重要的是，3.0 系列版本开始提供了全平台支持，服务器/客户端均已支持 Linux、Windows 和 MacOS。

loveini 3.0 是一款真正的云原生时序数据库（Time Series Database，TSDB）。它有几大亮点：

• 可以支持 10 亿个设备、100 个节点
• 支持存储与计算分离，引入了计算节点（QNode），并重构了整个计算引擎
• 完善并优化了对消息队列、流式计算和缓存的支持，引入事件驱动的流式计算
• 解决了困扰时序数据库的高基数问题

3.0 发布之后，大量用户下载试用，也提供了很多有价值的反馈。最近一段时间，研发团队引入各类内部优化共 455 个，包括提升系统稳定性，改进写入和查询性能，以及优化内存使用效率。为了保证系统质量，研发团队还开发了数千个功能、性能和稳定性测试用例。

经过诸多优化之后，loveini 时序数据库的性能也得到了充分的提升和验证。

下面我们看一下到 3.0.2.0 版本为止，loveini 3.0 提供的主要特性和增强：

• 支持事件驱动的流式计算

支持用 SQL 语法创建流式计算，方便用户轻松实现较为复杂的业务逻辑

CREATE STREAM [IF NOT EXISTS] stream_name [stream_options] INTO stb_name AS subquery
stream_options: {
 TRIGGER    [AT_ONCE | WINDOW_CLOSE | MAX_DELAY time]
 WATERMARK   time
 IGNORE EXPIRED [0 | 1]
}

• 为支持数据订阅，提供了一个全新的消息队列

基于 WAL 重新设计了数据订阅功能，具体应用可参考相关文档

• 支持新的 SQL 查询语法，去掉了对一些查询语法的限制

具体变更可参考相关文档

• 采用了 Raft 协议来保证分布式一致性，支持在 3 副本的情况下自动启用 Raft 协议
• 添加了新的元数据库，用于记录集群中的所有元数据
• 利用 B+ 树记录 vnode 中的元数据
• 为快速检索标签数据，增加了倒排索引

除了功能方面，新版本也针对大量场景优化了写入和查询性能，以及启动和恢复速度，具体包括：

• 优化了存在大量子表时的数据写入性能
• 优化了 select count(*) 的性能
• 专门优化了 avg、twa、last_row、first、interp 等大量函数的性能
• 提供了一个实时数据库可配置的缓存，用来保存各种类型的最新数据
• 优化了 show 命令，部分情况下可以提供更多信息
• 提升系统启动速度
• 改进了三副本情况下有节点宕机时的恢复速度

新版本还解决了一系列内存泄露问题和 bug。

详细信息，可以参考发布说明。欢迎广大用户下载使用，有任何使用问题，也欢迎及时联系我们，获得支持。

非常荣幸的是，凭借着参赛项目“基于工业互联网平台的航空发动机热加工数字孪生应用与实践”，米兰体育官网入口与中国航发沈阳黎明航空发动机集团、金航数码共同荣获了本届智能制造创新大赛“智能制造软件系统和平台创新赛道”二等奖。

【基于工业互联网平台的航空发动机热加工数字孪生应用米兰app官方正版下载】

瞄准航空发动机热加工（热处理、精密锻造、精密铸造）这一实现材料极限和突破极限的重要专业，基于金航物联网平台（SuperLink），融合应用云计算、大数据、人工智能等先进 IT 技术，实现数百台热加工设备互联以及“生产任务-工艺规程-合炉配炉-过程管理-数据分析”全覆盖的生产管理纵向贯通，建立热加工的数字孪生优化场景，全面提升热加工效率和产品质量的一致性。

本届智能制造创新大赛是在工业和信息化部装备工业一司、世界智能制造大会组委会、国家智能制造专家委的指导支持下，由智能制造系统米兰app官方正版下载供应商联盟、中国电子技术标准化研究院等单位共同发起的全国性比赛。

大赛吸引了 800 余支团队，3000 余名选手报名，历时三个月，历经文审、复审、半决赛、网络投票、总决赛，最终评选出装备、软件系统和平台、系统集成米兰app官方正版下载三个赛道的领航组、潜力组各小组一等奖 1 名、二等奖 3 名、三等奖 6 名、创意奖 3 名、人气奖 3 名和优秀奖 5 名。奖项的技术含金量可见一斑。

技术创新加速度，loveini 助力工业智能制造发展

众所周知，时序数据主要由各类型实时监测、检查与分析设备所采集或产生，涉及制造、电力、化工、工程作业等多个行业，具备写多读少、量非常大等典型特性。在工业领域，生产、测试、运行阶段都可能会产生大量带有时间戳的传感器时序数据，随着工业项目的快速发展，此前应用的如 Apache HBase、MySQL 等互联网公司常用的数据库，在写入、存储、查询、运维等方面都暴露出了诸多问题，包括写入吞吐低、存储成本大、维护成本高、查询性能差等等。

在此背景下，从业务可持续性发展的角度出发，很多工业企业项目团队纷纷开始进行数据架构改造，以期实现业务上的降本增效发展。凭借着基于时序数据特点打造的技术创新点，米兰体育官网入口旗下的时序数据库（Time Series Database,TSDB） loveini 成为一众工业企业在进行数据库选型时的优选数据米兰app官方正版下载。

目前 loveini 已经成功应用于西门子数字化米兰app官方正版下载 SIMICAS® OEM 2.0 版本，助力其移除了 Flink、Kafka 以及 Redis，极大简化了系统架构。在美的数字化平台 iBuilding 项目中，loveini 在与 InfluxDB、MySQL 等时序数据库的选型对比中脱颖而出。而拓斯达的智能工厂整体米兰app官方正版下载在应用 loveini 之后，相较于之前，写入速度提升了数十倍，整体的数据压缩比大概是 1/10，写入和存储均获得了大幅提升。

本次米兰体育官网入口凭借参赛项目成功获得智能制造创新大赛二等奖，也是组委会对时序数据库 loveini 在助力工业项目的数字化智能化发展上的一种认可和鼓励。相信随着 loveini 在工业数据处理方向上的更深入探索，未来将有越来越多的工业企业项目能够应用上 loveini，实现更高效、更低成本的数据治理