On this page
随着智能汽车的快速发展，传统分布式电子电气架构开始向集中式电子电气架构迭代，这让智能汽车拥有了更强的中心平台算力和更集中化的数据管理需求。同时，智能汽车上的大语言模型、自动驾驶、人车交互和智能诊断等数据驱动的业务场景对车辆全量数据管理能力提出了更高的要求。
GreptimeDB 在量产车的车机端部署了一套完整的嵌入式数据库软件，使其可以与云端 GreptimeDB 平台协同，实现安全高效的车云一体时序数据管理能力。
智能汽车的使用难题
高昂的数据成本
每台车每年花费数百元以上的成本开销，包括：
使用通用压缩算法压缩后的数据量还是很大，使用成本高，甚至出现数据使用成本和收益倒挂的情况；
使用传统的块储存和 SSD 储存数据，储存成本高。同时，因为存算一体的原因，水平扩展困难；
数据上传到云端产生巨大的数据流量成本开销；
云端使用数据时，需要进行车云数据格式转换、数据分析等工作，消耗大量云计算资源。
车端对全量时序数据的写入、查询和计算分析能力弱
当前市面上已有的时序数据库产品无法满足车端嵌入式环境对算力等资源的限制要求，使得车机端数据的写入、查询和分析计算能力缺失或非常弱。
分钟级或秒级数据精度带来的数据失真，让应用场景无法有效获取有价值的数据
由于性能和成本方面的原因，云端只能获取到分钟级或秒级的数据，在实际使用中往往无法满足业务需求。比如在汽车故障诊断场景中，需要回溯出现故障时的关键数据，但因数据精度不够后台无法获取到关键数据，导致工程师需要花费大量时间复现故障问题。
GreptimeDB 如何解决上述问题
降低了汽车数据的使用成本
GreptimeDB 通过一系列技术创新降低了汽车数据使用的成本：
三十倍以上的数据无损压缩能力，节省储存和流量成本；
GreptimeDB 的云原生架构支持对象储存、弹性伸缩、跨云部署，大幅降低云计算成本。支持存算分离架构，实现无限水平扩展；
实现车云数据同构，当数据从车端流转到云端时无需进行格式转换。云端 GreptimeDB 可直接读取在车端上传到对象存储的数据，减少云资源的费用开销。
车端轻量化部署完整的数据库
通过在车端轻量化部署了一套完整的数据库产品，实现如下收益：
轻量化部署车端全功能、多模态数据库，在车端实现了低算力消耗下的高可用完整数据库功能；
车端数据库支持机器学习能力，实现车端数据直接连接车端大语言模型、自动驾驶等 应用，在车端完成从数据到应用的全链路处理能力；
车端数据库大幅节省了为提高数据质量所需的开发工作，为自动驾驶、大语言模型等数据驱动的应用夯实了数据基础。
阅读车端时序数据库的最新性能报告。
全量时序数据车云一体管理
为车企带来了以下能力：
在成本可控的情况下，实现全量车辆时序数据毫秒级精度处理使用；
具备端到端的数据监控平台能力，降低运维成本；
车端完整的全功能、多模态数据库，为车载数据应用带来新机遇，帮助解决数据合规和隐私要求。
车端数据库 GreptimeDB Edge
专门适用于车端环境的 GreptimeDB Edge 版本，对存储和计算环境进行优化。该版本资源需求极低，可以充分利用车内算力开发车内应用，满足车内数据采集和计算等需求。高压缩率的数据文件可直接同步至云端对象存储供云端查询使用，显著降低带宽流量费用。
云端数据库 GreptimeDB 车云一体版
云原生分布式时序数据库，内置 SQL 分析能力，兼容上下游数据生态（MySQL 协议、监控生态协议、可视化工具等）。云端数据库基于对象存储，存算分离架构可弹性扩展，运维、存储成本低。车云一体版本针对车云场景专门优化，显著提升了车端上传数据的读取速度，并能支持大规模车辆终端。
车云一体管理平台 GreptimeDB Edge Manager
控制面管理平台，实现对边缘设备、车云两端数据模型、数据质量、以及上传任务的管理和监控，提升端到端运维能力。
Greptime 车云一体签约案例
国内某头部车企与 GreptimeDB 签约，在客户的量产车型中使用了 GreptimeDB 车云一体解决方案后，单车每年可节省数百元的成本开销。同时，GreptimeDB 车云一体方案为车企数据驱动的应用提供了安全高效的数据基础保证，为其汽车用户带来了卓越的产品体验和优质口碑传播。
关于 Greptime
Greptime 格睿科技专注于为可观测、物联网及车联网等领域提供实时、高效的数据存储和分析服务，帮助客户挖掘数据的深层价值。目前基于云原生的时序数据库 GreptimeDB 已经衍生出多款适合不同用户的解决方案，更多信息或 demo 展示请联系下方小助手（微信号：greptime）。
欢迎对开源感兴趣的朋友们参与贡献和讨论，从带有 good first issue 标签的 issue 开始你的开源之旅吧～期待在开源社群里遇见你！添加小助手微信即可加入“技术交流群”与志同道合的朋友们面对面交流哦~
Star us on GitHub Now: https://github.com/GreptimeTeam/greptimedb
Twitter: https://twitter.com/Greptime
Slack: https://greptime.com/slack
