山西新网科技有限公司成立于 2003 年，是一家专注于物流科技领域的创新型企业，提供智能化物流管理解决方案。从物流成本控制系统到无人值守系统，公司通过技术创新不断推动行业发展，覆盖企业物流的全流程，形成了一体化物流生态链，业务覆盖华北、西北、西南等广大地区，实现了物流一体化系统的规模销售，为百万司机用户和数万家企业用户提供稳定、高效的服务。
目前，新网科技在物流数据处理领域处于行业领先地位，依托openGemini 高效管理大规模物流相关数据，优化了资源配置和决策效率。未来，公司将继续专注物流智能化建设，推动企业数字智能化转型。
选型背景及过程
在当今数字化时代，企业业务不断拓展，位置数据呈爆发式增长。传统关系型数据库在处理海量位置数据时，暴露出诸多劣势，严重阻碍了业务的快速推进。基于对实际业务的深入剖析，我们意识到需要一款专门针对时间序列数据的数据库，来满足高效存储与快速查询的需求。
最初，我们将目光投向了开源时序数据库。在小批量数据插入测试阶段，某国产开源时序数据库表现还算良好。但随着数据量的增加，其性能瓶颈迅速凸显，尤其在高并发写入场景下，延迟飙升，影响数据处理效率。同时，若升级到企业版以满足需求，其成本远超预期，甚至超过项目利润，最终只能放弃。
随后，我们尝试了当时广泛使用的 InfluxDB。在单机环境中，InfluxDB 在数据处理和存储方面的表现极为优异，完全符合我们对性能的预期。然而，面对大规模分布式部署时，InfluxDB 的局限性显现，无法完全满足企业业务的拓展需求。
经过多次尝试和评估，我们最终选择了 openGemini。它在低成本、高性能和分布式处理能力方面表现优异，不仅满足了业务需求，还能高效完成位置数据的存储和查询，为后续业务开展提供了坚实支撑。
技术架构
在我们的技术架构中，openGemini存储所有设备位置信息，并为异常事件检测、车辆位置、司机位置等提供历史和实时数据的多维分析能力。
在数据接入方面，我们选择 Apache Pulsar消息队列（支持容器化部署和云上多租）汇聚所有设备位置信息，并由平台业务计算模块实时消费并解析GPS 轨迹，将位置信息写入 openGemini。
经验分享
在使用 openGemini 的过程中，我们深刻体会到数据建模设计对性能的决定性影响，尤其是合理划分 Measurement 和 TAG 的重要性：
高维字段的选择：若将高频变化字段设置为 TAG，会显著拖慢查询速度。
序列设计：过多序列可能导致存储开销增加和查询性能下降。
我们建议：
规划合适的保留策略：对历史数据制定精细化的清理和压缩规则。
精简 TAG 和字段：避免字段冗余，聚焦业务关键指标。对于列较多的情况，避免SELECT *的查询，最好需要哪些列查询哪些列。
分片策略：结合时间和设备 ID，实现均匀分布以优化查询性能
使用openGemini 之后的效果
查询性能：通过合理的数据建模和索引优化，复杂查询响应时间从分钟级缩短到秒级。例如，位置数据范围查询可在 3 秒内完成，极大提升了业务响应速度。
存储性能：openGemini 高效存储引擎支持高并发写入，大幅提升写入速度，保证数据实时性。
业务支撑：优化了物流调度与资源分配，提供更及时、准确的业务决策支持。
资源消耗：openGemini具有很低的计算资源消耗。实测按6000车点位/s写入，两台2vcpu*2GB规格节点，CPU占用2.8core，内存1.76GB。
给社区的建议
尽管 openGemini 已很好地满足我们当前的业务需求，但仍有一些功能可以进一步优化：
查询语言增强：对复杂数据分析和计算函数的支持有待完善。
集群管理工具：希望提供更直观的可视化监控和管理功能。
智能压缩算法：针对低频访问的冷数据，期望能进一步优化存储效率。
我们期待 openGemini 在未来能持续迭代优化，支持更多复杂业务场景，如实时数据预测和动态调度。
作者 | 李建珍
排版 | openGemini
欢迎访问WELCOME TO VISIT
openGemini官网
https://www.openGemini.org
Star for me 🌟
https://github.com/openGemini
更多精彩内容，可以关注openGemini微信公众号查看，还有交流群等你加入哦~
