用户案例
理想汽车将时序数据库 GreptimeDB 部署到车端,构建车云一体数据架构,实现全量原始数据的高效采集、压缩和上传,在保障性能的同时节省千万级流量与云端资源费用。

通过智能端边云同步,网络流量最高可降低 97%
基于对象存储优化,云存储成本最高可节省 98%
支持边缘实时计算,提升性能并保护数据隐私
内置数据治理和监控,提供全方位数据管理

GreptimeDB Edge 针对资源受限的边缘环境进行优化,支持边缘端本地数据处理和分析,并具备高压缩率。数据可直接同步至云端对象存储,在降低带宽成本的同时,保持云边一体的查询能力。
云原生分布式时序数据库,集成 SQL 分析能力,广泛兼容各类生态系统(MySQL、OpenTelemetry 协议、可视化工具等)。基于对象存储构建,具备弹性扩展和成本优势,采用优化的端边云架构,支持大规模高性能数据接入和处理。
统一控制面管理平台,通过集成模型管理、质量监控和任务编排能力,简化端边云数据运维和管控。
来自车企工程团队的真实问题与解答。
车端实测基准(测试硬件:高通 8295 车规级芯片):
理想汽车的量产部署中,内存配置在 100MB 左右(案例文章)。资源上限可通过数据库配置和操作系统硬限制控制,监控 API 实时暴露 CPU 和内存使用情况。复杂分析查询会进行时间片调度,CPU 占用过高时主动终止,避免影响导航和座舱应用。
车载总线 CAN 数据相比传统 ASC 文件压缩 30–40 倍。毫秒级信号数据在客户已有方案基础上进一步压缩 30–50%。车端日志压缩到原始日志的 1/30 左右,相对传统压缩算法再小 50%。理想汽车场景下,云端存储成本降至原方案的 20%,上传带宽节省 50% 以上,累计省下数千万云端带宽成本(案例文章)。压缩策略支持表级配置——高频遥测和冷日志可以用不同的编码器。
三层可靠性:
每行数据保留两个时间戳:用户写入时间戳(GPS 或 RTC 修正时可能跳变)和单调递增的系统启动相对时间戳。云端用 SQL 把两者关联起来,还原一致时间轴。数据摄入时,来自不同 ECU 的时间戳会按统一时间源(通常是 GPS 或 NTP)做标准化处理,跨域链路在同一时间轴上对齐。
可以。车端数据库内置完整 SQL 引擎,点查开销极低,支持用户自定义函数(UDF)实现复杂业务逻辑。常见用法:
完整集成清单见集成概览。
车端迁移成本一般较低:GreptimeDB 支持多类开放协议,并提供专为边缘端优化的写入方式,支持高频遥测场景。云端通过标准 SQL 接入,已有分析和 BI 工具可以直接连接。整体迁移成本可控,典型 PoC 周期在 1 到 3 个月——具体投入取决于客户现有方案的具体情形。
Stay in the loop
获取 Greptime 最新更新,并与其他用户讨论。