重磅!阿里云时空数据库正式免费公测

简介: 目前随着移动互联网和物联网的广泛应用,90%以上的数据是和时间+空间相关的,而越来越多的数据应用场景与时间和空间信息密不可分。时间+空间维度的数据(我们称之为时空数据)是一种高维数据,需要更为高效的数据处理方式来处理,而普通的关系型数据库更适合于存储数值和字符类型数据,也缺少相关的时空算子。

目前随着移动互联网和物联网的广泛应用,90%以上的数据是和时间+空间相关的,而越来越多的数据应用场景与时间和空间信息密不可分。时间+空间维度的数据(我们称之为时空数据)是一种高维数据,需要更为高效的数据处理方式来处理,而普通的关系型数据库更适合于存储数值和字符类型数据,也缺少相关的时空算子。在实际应用场景上例如传感器网络、移动互联网、射频识别、全球定位系统等设备时刻输出时间和空间数据,数据量增长非常迅速,这对存储和管理时空数据带来了挑战,传统数据库很难应对以上场景。阿里云时空数据库能够存储、管理包括时间序列以及空间地理位置相关的数据,时空数据库具有时空数据模型、时空索引和时空算子,完全兼容SQL及SQL/MM标准,支持时空数据同业务数据一体化存储、无缝衔接,易于集成使用。

5月5日,阿里云时空数据库正式开始免费公测,公测期间我们提供了2core4g+100G云盘的版本供客户免费试用。
产品使用手册:https://help.aliyun.com/document_detail/116088.html?spm=a2c4g.11174283.6.727.1b22130eu4OBeh
公测免费试用页面:https://common-buy.aliyun.com/?commodityCode=hitsdb_spatialpre#/buy
注意:需要用户先免费创建自己的VPC环境才能试用,详情参见下图,VPC创建也是完全免费的
vpc_

产品优势

易用(标准SQL接口)

    SQL是目前最通用的数据库访问语言,时空数据库基于标准PostgreSQL,支持JDBC/ODBC驱动访问。时空数据同其它业务数据一体化处理,兼容OGC空间计算函数;支持符合OGC规范的WKT和WKB格式数据输入和输出。

写入性能强劲

      时空数据,插入是一个强需求,往往有大量设备上报轨迹、指标数据,因此对插入性能要求较高。阿里云时空数据库,单机不同规格下可以支持到数万到数十万的TPS写入。

高效分析能力

      时空数据,除单条的查询、POI查询,更多的是其他的分析类需求。这对时空数据库的分析能力也是一个挑战。阿里云时空支持查询条件自动选择分区,高效空间索引,并行的聚合操作等提升分析性能。

自动扩展分区

       业务对时空数据查询,往往都会对时间区间进行过滤,因此时空数据通常在分区时,会有一个时间或空间分区的概念。时空数据库支持自动扩展分区,减少用户的管理量,不需要人为的干预自动扩展分区。

功能丰富

具有丰富的时间和空间处理查询函数;支持点(POINT)、线(LINESTRING)、多边形(POLYGON)、多点(MULTIPOINT)、多线(MULTILINESTRING)、多多边形(MULTIPOLYGON)和几何对象集(GEOMETRYCOLLECTION)等几何类型存储。

自动保留策略

   根据用户配置,自动删除过旧数据,极大降低用户使用成本,减少用户管理工作。

自动Failover

     阿里云时空数据库提供全自动Failover机制,一旦所在硬件发生不可恢复的故障,会在非常短的时间内使用其他硬件替换故障硬件。这样可以减少因为不可控故障引发的服务中断时间。该Failover是全自动的,无需人工干预,用户也无需担心服务由于硬件故障造成的长时间不可用。

高可靠

时空数据库是一种高性能时空数据库,底层存储建立在阿里云高效云盘基础之上,高效云盘提供99.9999999%数据高可靠保障。可以保障时空数据库数据一旦写入,基本不会丢失。

生态

阿里云时空数据库在生态上非常易于同多种主流产品集成,比如地图引擎(如GeoServer和MapServer)、地图编辑系统(如QGIS和ArcGIS for Desktop)、数据分析与可视化产品(如Grafana、Zeppelin和Jupyter)、大数据分析平台(Spark),满足模块化集成需求,为时空数据管理提供有力支撑。

数据写入&查询

时空数据库写入和查询非常便利,读写采用标准SQL,用户可以通过JDBC/ODBC驱动操作数据库,进行读写操作。
用户也可以通过psql交互式终端向时空数据库写入数据,下面是几个简单的例子:

INSERT INTO tsdb_test VALUES (1001, '2019-03-11 16:34:15', 1002.2, 
ST_SetSRID(ST_MakePoint(10.3,20.1),4326)

用户通过交互终端查询数据,可以如下:

SELECT time,uid,speed,dev_type,ST_AsText(position) FROM metrics 
WHERE time >'2017-01-01 01:02:00' AND time < '2017-01-01 01:11:02' AND 
ST_Contains(ST_SetSRID(ST_MakeBox2D(ST_Point(12.4, 25.5),ST_Point(13.0,26.1)),4326),position);

关于时空数据库的具体用法,可以参考阿里云时空数据库文档:开发指南

场景

地图服务

地图服务是一种非常广泛的应用,便于各类业务数据空间化、空间分析和可视化。这个场景介绍如何使用时空数据库搭建地图服务,并给出架构参考。

方案架构

11


时空数据库作为存储空间数据(如车辆定位数据)与空间查询引擎,提供后端支持。GeoServer(GeoServer是一款知名的开源地图服务引擎,支持OGC WFS、WMS、WPS等协议,易于部署,有大量的用户)作为地图服务引擎用于空间数据渲染和地图发布,前端客户端采用Leaflet或openlayers框架,同时支持PC/Android/iOS多种类型终端。地图发布的主要流程包括三步:第一步在时空数据库中导入业务数据后;第二步通过GeoServer关联数据库;第三步选择需要发布的图层,并对图层设定相应对式样。


人员监护

人员监护应用适用对儿童和老人监护,方便实时查看活动轨迹、健康指标(体温、血压、心跳等);并设定电子围栏(特定区域,比如学校、小区、公园等),当活动人员离开特定区域时触发告警信息。

方案架构

12



时空数据库存储时空和指标数据,并提供空间查询功能,提供后端支持。GeoServer作为地图服务引擎用于空间数据渲染和地图发布,前端客户端采用Leaflet或openlayers框架。电子围栏服务用于判断移动目标同电子围栏的空间关系,并触发告警信息。


车辆监控

车辆监控应用适用于查看车辆当前和历史轨迹,对车辆的行驶区域做限定,当脱离特定路线后能够报警;并对车辆传感器获取一些参数(比如车速、胎压、电池电压等)做实时监测。

方案架构

13

时空数据库作为存储轨迹及监测指标,提供空间及指标查询功能,提供后端支持。GeoServer作为地图服务引擎用于空间数据渲染、地图发布、时空数据入库,前端客户端采用Leaflet或openlayers框架。电子围栏服务用于判断移动目标同电子围栏的空间关系,并触发告警信息。电子围栏在这里起到过滤器,再地图服务器的WFS服务写入定位和传感器监测数据。


物流配送

物流配送应用适合于物流行业,提供导航规划功能,并对物流过程做全程监控。

方案架构

15

时空数据库作为存储与路径规划引擎,提供后端支持。GeoServer作为地图服务引擎用于空间数据渲染、地图发布、时空数据入库,前端客户端采用Leaflet或openlayers框架。在时空数据库存储路网数据,路网数据是做导航规划的基础;在客户端选择起始点和目的地后,由时空数据库计算最佳导航路线,经客户端确认后把导航路线推送给物流终端。时空数据库充当两个角色:轨迹数据存储和导航路径计算。从物流终端获取的轨迹数据通过地图服务器WFS服务存入时空数据库。


轨迹分析

轨迹分析用于计算轨迹之间的关系以及轨迹与专题地图之间的关系;轨迹分析可以用于分析道路拥堵时空特征、人员活动热点区域、异常行驶车辆等,适用业务场景非常广,比如可以用于商业选址、交通优化、公共安全等。

方案架构

14

地图服务器(GeoServer)接收轨迹输入,轨迹和其它监测数据存入时空数据库;轨迹关联计算用于轨迹聚合计算,识别轨迹之间的关系(如轨迹聚类)和轨迹与地图之间的关系(如以道路作为专题图,车辆轨迹的密集程度反应道路的拥堵情况)。轨迹关联计算涉及大量的时空查询需要利用时空数据库做加速处理。

总结

      时空数据库通过融合时序和空间数据模型,来满足不同时空数据场景的要求,更贴近业务;提供多元化索引(空间索引和时序索引等)来满足不同类型场景条件查询需求;提供自动分片及自动删除过旧数据策略,来降低用户管理成本,提升便利性。同时还在稳定性、可靠性、运维上提供优化服务,让用户能够在融合的PostgreSQL生态下,更专注于自己的业务。

公测免费试用页面:https://common-buy.aliyun.com/?commodityCode=hitsdb_spatialpre#/buy
产品使用手册:https://help.aliyun.com/document_detail/116088.html?spm=a2c4g.11174283.6.727.1b22130eu4OBeh

欢迎加入阿里数据库产品钉钉群,一起交流。

阿里数据库技术交流群(1000人+大群)入群方式:
一:搜索钉群号即可入群:23124548
二:扫描下方二维码进群:
阿里数据库技术交流群
_

目录
相关文章
|
1月前
|
Cloud Native 关系型数据库 分布式数据库
阿里云牵手海亮科技,共建“教育科技数据库创新应用中心”
海亮科技选择引入阿里云PolarDB开源分布式版(PolarDB for Xscale)数据库,不仅能解决海亮科技数据库业务中面临的可靠性、稳定性问题,也为海亮科技业务的高速发展提供了更好的灵活性和可扩展性。
|
2月前
|
运维 数据库 数据库管理
云数据库问题之阿里云在运营商领域数据库替换的整体解决方案要如何实现
云数据库问题之阿里云在运营商领域数据库替换的整体解决方案要如何实现
|
2月前
|
关系型数据库 OLAP 分布式数据库
核心系统转型问题之Gartner分析师对阿里云数据库的评价是啥样的
核心系统转型问题之Gartner分析师对阿里云数据库的评价是啥样的
|
2月前
|
存储 监控 安全
阿里云数据库(ADB)的多租户秘籍:资源隔离的魔法如何施展?
【8月更文挑战第27天】多租户系统在云计算与大数据领域日益重要,它让不同用户或组织能在共享基础设施上独立运行应用和服务,同时确保资源隔离与安全。ADB(如阿里云数据库)通过资源组及标签实现高效多租户隔离。资源组作为一种软隔离策略,允许为不同租户分配独立的计算和存储资源,并设置资源上限;资源标签则支持更细粒度的硬隔离,可为每个数据库表或查询指定特定标签,确保资源有效分配。此外,ADB还提供了资源监控与告警功能,帮助管理员实时监控并调整资源分配,避免性能瓶颈。这种灵活且高效的资源隔离方案为多租户环境下的数据处理提供了强大支持。
84 0
|
2月前
|
Cloud Native 数据管理 数据挖掘
核心系统转型问题之阿里云数据库用户需求的通用性和差异性如何平衡
核心系统转型问题之阿里云数据库用户需求的通用性和差异性如何平衡
|
29天前
|
存储 缓存 关系型数据库
阿里云数据库 SelectDB 多计算集群核心设计要点揭秘与场景应用
在云原生存算分离架构下,多计算集群的实现从技术方案上看似乎并不存在过多难题。但从产品的角度而言,具备成熟易用的多计算集群能力且能运用于用户实际业务场景中,还有较多核心要点需要深度设计
阿里云数据库 SelectDB 多计算集群核心设计要点揭秘与场景应用
|
14天前
|
Cloud Native 关系型数据库 分布式数据库
阿里云牵手海亮科技,共建“教育科技数据库创新应用中心”
近日,阿里云与世界500强旗下、国内领先的教育服务提供商海亮科技集团(以下简称“海亮科技”)达成合作,联合成立“教育科技数据库创新应用中心”。双方将充分整合优势资源,共同推进教育科技领域的数据库技术研究和国产数据库的应用与发展。
53 7
|
13天前
|
存储 监控 数据挖掘
飞轮科技携手观测云亮相云栖大会,全方位展示阿里云数据库 SelectDB 版核心优势
飞轮科技技术副总裁姜国强于「数据分析与洞察」专场分享[阿里云数据库 SelectDB 版在日志存储分析、实时报表生成、用户行为分析及 Lakehouse 场景应用方案
飞轮科技携手观测云亮相云栖大会,全方位展示阿里云数据库 SelectDB 版核心优势
|
2月前
|
存储 运维 Cloud Native
核心系统转型问题之阿里云数据库在国际市场的布局情况咋样
核心系统转型问题之阿里云数据库在国际市场的布局情况咋样
|
2月前
|
前端开发 数据库 数据库管理
阿里云数据库 ACP 问题之云厂商数据库认证相比单个数据库认证有什么优势
阿里云数据库 ACP 问题之云厂商数据库认证相比单个数据库认证有什么优势