9月25日至28日，2021世界智能網聯汽車大會在北京召開。本屆大會圍繞產業(yè)再造、融合應用、和合共生三個篇章展開，設有開幕式、主論壇，以及7場主題峰會、6個特色專場和2場閉門會，共邀請包括1位圖靈獎國際專家、7位國內外院士、近150位國際國內智能網聯汽車及ICT領域專家、企業(yè)家參與演講探討。以下是北京四維縱橫數據技術有限公司CEO 姚延棟的演講實錄，供參考。

北京四維縱橫數據技術有限公司CEO 姚延棟

演講內容：

大家好，我是四維縱橫的創(chuàng)始人兼CEO姚延棟，今天很高興到會議上給大家做這個報告，我報告的題目是超融合時序數據庫軟件定義汽車的數據基座。不知道大家有沒有聽說過數據庫或者知道數據庫這樣一個東西，可能更多的是在卡脖子技術里面聽到數據庫這個詞，IT主要有三大基礎研究領域，第一個就是芯片，第二個是操作系統，第三個是數據庫，數據庫和汽車有什么關系？汽車現在越來越多的和數據庫產生關聯，特別是智能網聯汽車，像今天大會的題目就是智能網聯汽車和數據具有緊密的關系，智能來自于哪？智能肯定來自于數據做基礎，網聯聯的是什么，傳的是什么，傳的是數據。汽車慢慢變成一個數據的源頭，所以說智能網聯汽車和數據具有非常緊密的關系，今天我們就來分享在這樣一個場景之下，我們怎么樣通過Matrix DB使得汽車的數據到洞察可以成為簡單的問題而不再是復雜的問題。

我們公司的團隊都是來自于Greenplum的原廠，給大家介紹一下Greenplum，Greenplum是一個世界知名的產品，在國內包括國外都有大量的商業(yè)用戶和開源用戶，商業(yè)用戶覆蓋的行業(yè)包括銀行、證券、保險，甚至是通訊制造業(yè)等等各行各業(yè)，開源的產品在國內也有大量的用戶，包括京東，京東云，百度云，騰訊云，阿里云，都在使用這款產品，在云上提供數據服務的分析。信通院在2019年有一個報告，報告里面稱中國50%的分析型數據庫廠商都是基于開源的Greenplum實現的，可以看到Greenplum在江湖的地位。我們團隊就是Greenplum的原廠團隊，我是Greenplum北京研發(fā)中心總經理，去年離開公司創(chuàng)業(yè)，我們合伙人是Greenplum原來的全球產品總監(jiān)。我們這個團隊也是完整的經歷了一個數據庫的十年，從數據庫的跟跑者到陪跑者到領跑者的過程，我們可以看到上百萬行代碼，但實際上我們看不懂，所以只能采取農村包圍城市的策略，我們做外圍，慢慢我們取得總部的信任，就可以做內核的模塊，從一個做到兩個，到我們離開的時候，Greenplum整個內核模塊已經都是由中國的團隊來開發(fā)和管理。

我們可以看到Greenplum6.0，里面70%以上的內核新特性已經是中國團隊研發(fā)的，這也是我們團隊十年來比較自豪的地方，十年的過程雖然長，但是我們培養(yǎng)了一個世界頂級的數據庫內核團隊。這是我們公司，我們公司是一個沉甸甸的年輕公司，說年輕是因為我們是去年開始成立，到今天也就一年多一點。沉甸甸是因為我們整個公司所有的團隊的成員都一直在從事數據庫內核的開發(fā)，到現在也是十多年的經驗，所以也是過去的沉淀在新的形勢之下一個結晶，現在是物聯網萬物互聯的時代，在這個時代數據庫的需求是和以前的數據庫有很大的不同，這個最大的不同就會帶來新的挑戰(zhàn)，我們?yōu)橛舆@種挑戰(zhàn)或者應對這種挑戰(zhàn)，我們提出了新的理念叫做超融合時序數據庫，這是國內第一次提出數據庫的新理念并且實踐。我們是去年8月份成立，1月份發(fā)布全球第一款超融合時序數據庫，4月份完成天使客戶接單，他是一個海量數據采集點，大概達到千萬級別，每個采集點一次采集大概一百個指標，可以算出來整個量是非常大的，要達到10秒級采集頻率，對國內外很多產品做了測評，最終選擇我們的產品。

5月份發(fā)布4.0，6月份發(fā)布4.1，8月份發(fā)布4.2，這個過程中我們和麒麟軟件等企業(yè)達成戰(zhàn)略合作，同時我們的客戶數有了非常好的發(fā)展，到現在成立一年用戶數已經超過了100。這里有多家汽車行業(yè)頭部公司，后面場景案例的時候也和大家分享一下。

說到現在什么是超融合時序數據庫，說到時序數據庫首先要理解時序，首先介紹一下時序的概念，這是一個例子，以冰箱作為例子，這里有幾個概念，第一是冰箱會有品牌，會有產地，有上市時間等等靜態(tài)的屬性，都被稱之為標簽。冰箱也還有動態(tài)的屬性，比如溫度、濕度、耗電量，稱為指標。這些指標在每一個時間點的采集點組成的數字序列，就被稱為時序數據，也就是說時序數據就是時間序列的數據，其實就是非常好的結構化數據。這個數據為什么重要？是因為在物聯網、車聯網、工業(yè)互聯網時代，主體數據就已經變成了時間序列數據，對于這種數據的處理變得至關重要。

2020年有一個報告生成全球聯網的物聯網設備已經超過了聯網的非物聯網設備，到2025年聯網的物聯網設備將會達到非物聯網設備的3倍以上，我們可以看到這個量是非常龐大的，設備數量如此快速增長，意味著數據量的爆發(fā)，這還是數量本身。第二是設備是不知疲倦的，和人產生的數據有本質的不同，人的行為造成一些數據，所以是被動的方式，設備產生數據是主動的方式，這兩種方式的差異會造成數據量另外一個層級的不同。所以未來會面臨著全新的挑戰(zhàn)，我們可以給大家介紹一個場景，或者大家通過場景可以感受一下，比如一個公司有10萬輛汽車，這個規(guī)模并不是很大，如果10萬輛汽車每秒鐘采集一千個指標，一秒鐘就會采集一億個指標，實際上很多汽車采集的數字已經遠遠超出這個，我看到有些廠商采集的數據高達5000個指標，這樣我們就可以做一個簡單的算術，我們可以看到一秒鐘一億，一天24小時就可以達到8.64萬億的數據點，一個月下來高達2個pb，如果汽車不是24小時運行，有些汽車是長時間運行的，包括卡車，包括自動運行的卡車，家用車一天兩三個小時，我們看三個小時，一天就會產生1.4萬億的數據點。這些數據量大家不一定有一個感受，我們可以舉一個例子做對比，數據在銀行行業(yè)量是比較大的，但是如果舉國內腰部以上的銀行企業(yè)，整個數據中心的數據分析業(yè)務的主體數據在100-500個tb，10萬輛車一個月就幾百pb，這是非常大的數據量，新的數據產生模式就會帶來新的挑戰(zhàn)，第一個挑戰(zhàn)就是數據量這么大，路上這么多車實時采集回來怎么樣承接中，你能不能接得住，接得住能不能高效存儲，存下來查詢效率夠不夠高，這些都是車聯網、物聯網遇到的挑戰(zhàn)，也是數據庫領域和大數據領域面對新時代的問題。

Matrix DB為了解決這樣的問題而設計的一款數據庫，可以做到實時的采集，實時的分析，并且是一站式，這個一站式就變得非常重要，我不知道在座有沒有人接觸過大數據或者是數據相關的技術站，大數據里面是非常復雜的，一般都會搭配十幾個左右的產品解決一個場景，我們是一個數據庫就搞定時序的全場景。實時的采集，可以做到高吞吐低延時，高并發(fā)，同時確保數據的正確性，不會錯，不會重，不會丟。數據一旦進入數據庫非常簡單，對于用戶而言非常簡單了，可以支撐不同的業(yè)務，包括數艙的業(yè)務等等各種業(yè)務場景可以通過數據庫來實現，而且接口非常簡單。為什么叫超融合？這里有三個點，第一個點可以看到數據庫可以存儲不同類型的數據，保證關系型數據，包括半結構化數據，包括時序數據，地理位置數據，甚至文本的數據。第二個可以支撐不同的場景，可以支撐各種各樣的查詢類型。第三個在一個數據庫里可以解決很多數據庫DIY在一起才能解決的問題，這是超融合的由來。

一個新的產品到客戶的時候客戶第一個問題靠不靠譜，靠不靠譜我們說了不算，我們尋找第三方評測機構，分了兩大類，第一類性能，可以看到Matrix DB特別快，我們尋找多家機構，包括中文社區(qū)，包括幾家廠商對我們產品做了評測。第二個功能方面，性能好，功能差，功能單一，其實也用不起來，為了綜合測評我們的功能，我們去了工信部信通院，做了兩個產品的評測，這也是全國國內唯一的一個通過工信部信通院兩個評測的產品，一個是分布式分析型數據庫能力評測，一共包括27個必選項，24個可選項，共51個選項，我們全部通過。第二個時序數據庫能力評測，包括26個必選項，7個可選項，我們全部通過了33項。

數據庫是一個比較抽象的東西，可能大家平時看不到，摸不著，后面介紹幾個案例和場景，大家感受一下，這個東西是用來干什么的。

第一個場景是新能源汽車造車新勢力，它的業(yè)務發(fā)展非?？?，大家如果關注一下最近新能源汽車，特別是頭部汽車銷量，就會發(fā)現銷量現在每年都有200%以上的漲幅，這個量是非常非常大的，這么快速的增長，使得它過去的技術站成為瓶頸，沒有辦法支撐它未來的業(yè)務增長。我們提供了一個方案看起來非常簡單，底層有很多輛車跑在路上，通過傳感器的技術，這個技術是廠商自己的，采集到之后，扔到卡夫卡里面去，通過卡夫卡可以實時插入到數據庫里面去，一旦進入數據庫，剩下的事情只是語言的問題，可以支撐智能座艙、畫像分析、行為預警等各種各樣的業(yè)務需求，整個方案建下來之后，存儲大概一個pb的原始數據，新的方案比老的從硬件成本上節(jié)省了80%，過去用了50個節(jié)點的集群，現在只需要10個，查詢效率最高提高100倍以上，從分鐘級降低到秒級。

第二個是電池，電池充放電的數據價值非常大，廠商根據電池的充放電數據做了好幾個業(yè)務，包括電池健康檢查，包括預警，還有工藝流程優(yōu)化等等，過去架構非常緩慢，用了老的傳統的技術架構。新的方案可以看到使用Matrix DB分布式數據庫，加上機器學習的分析套件，可以實現各種各樣的分析場景，方案落地之后總體數據量在500TB左右，計算開銷比過去節(jié)省85%，存儲開銷節(jié)省30%，最重要的是時間，過去做一次數據的處理工作，只是一類就需要10個小時，使用新的架構之后只需要一個小時。數據分析的效率比過去有了大幅提升。

這是車隊管理的案例，燃油維修和人力成本居高不下，把所有數據，不管是數量的車數據，時序數據還是傳統的關系型數據，比如任務的調度，保養(yǎng)記錄，維修記錄，采購記錄等等等等，都匯總到Matrix DB里面去，通過Matrix DB強大的存儲和計算能力，提供各種各樣的業(yè)務支撐，包括一次性維護，備件批量購買，車輛報廢預測等等。

這是產品溯源的場景，國家要求建立溯源管理平臺，對電池的生產、銷售、使用，包括回收利用全過程進行采集，使用了Matrix DB，可以看到非常簡單，就是一個數據庫，能把所有的數據存下來。硬件成本節(jié)省了30%，性能有了大幅的提升。

這是物流的案例，我是大貨車司機，需要開發(fā)票，這個過程在過去是非常復雜的，現在這個業(yè)務叫做網絡貨運，給廠商提供的是實時定位，位置推送和軌跡查詢，可以實現發(fā)票合法的開具。在一天的軌跡數據，可以做到500毫秒返回，3天的軌跡可以1秒返回。

前面講了好幾個案例，不知道大家有沒有一致的印象，其實我講了這么多案例，只有一個目的，就是說大數據或者說物聯網行業(yè)的大數據就應該這么簡單，但是過去如果熟悉大數據的人覺得這個東西非常復雜，原因是因為路線走錯了，所以我們基于我們對過去數據庫十幾年的沉淀提出超融合時序數據庫全新的理念，目的也就是把極簡留給用戶，而不是把極簡留給數據庫本身，留給開發(fā)團隊，這樣復雜度毫無疑問就會扔給用戶。所以過去用戶投入大量人力物力財力，構建大數據平臺，構建大數據系統，最終效果很一般，我們秉持著把極簡留給用戶的理念，去開發(fā)一個超融合時序數據庫，把簡單留給用戶，把復雜度留給我們。

這是我今天的報告，謝謝大家。

更多會議內容，歡迎點擊以下鏈接進入觀看：

網站：https://auto.gasgoo.com/NewsTopicLive/358.html

移動端：https://m.gasgoo.com/news/topiclive/358