03平台.md 2.4KB
关注
AWS。第一家在云计算平台上集成Docker。AWS Device Farm, 不同品牌移动设备测试，在线方式模拟移动设备；第二代容器基础设施AWS Forgate；7层负载均衡Application LoadBalcer；函数即服务，Function As A Service,基于Lamda, 无服务器Serverless。
Azure。Azure Service Fabric, 微服务和容器分布式平台，可以与Kubernetes容器编排工具媲美，使用指定语言编写简单服务能力，支持Docker，支持SDK开发，支持Linux容器；Azure Stack, 简单的本地虚拟化，运行Microsoft Azure Global精简版， 在本地服务器上安装，本地获得Azure体验，云时代的Windows,将来所有的虚拟设备受制于Azure Stack；Azure DevOps,产品管理任务看板，持续交付流水线，与Visual Studio集成，涉及从需求到发布的每一个活动管理。
GCP。Kubernetes容器编排，在私有云中进行容器编排以实现DevOps。
私有云, Private Cloud。公有云上的实践用于私有云。NASA和Rackspace的OpenStack,Apache许可证授权，自由软件和开放代码，以API方式提供服务，Python开发。
混合云, Hybrid Cloud。资源不足时对私有云的扩展，进行自动和一致部署。
多云， PolyCloud。在不同云供应商之间切换。
TDengine。国内原创开源针对物联网的大数据平台。
实时数据与历史数据。
--实时数据与历史数据的查询完全一致，语法一样，没有实时和历史数据一说。
有崩溃恢复机制吗？
-- 有write ahead log机制
可以替代PI(Plant Information System)吗？
--Plant Informaiton System是由美国OSIsoft公司开发的一套基于Client/Server结构的商品化大数据平台，是工厂信息集成的必然选择，作为工厂底层控制网路与上层关系信息连接的桥梁。目前TDengine的数据库这块可以完全取代，但是PI有很好的生态，支持各种工业接口，因此替代它是缓慢的过程，这也是TDengine开源的原因之一。希望通过更多人参与进来支持各种开源协议。
系统处理多少数据结点？
--取决于系统资源，100万是小case。
TDengine的发展方向。
--会在流式计算上做更多细致的工作。比如事件驱动的流计算，另外一方面，在各种工业协议支持上做工作，再有第三方应用，比如bi软件，人工智能等有很好的继承。