目录

• 产品简介
• PostgreSQL 兼容性
• 产品特点
• 应用场景
• 相关资料

产品简介

PipelineDB是一个高性能的PostgreSQL扩展，用于在时间序列数据上连续运行SQL查询。这些连续查询的输出存储在常规表中，可以像查询任何其他表或视图一样查询这些表。因此，连续查询可以看作是非常高的吞吐量、增量更新的物化视图。

简言之，与传统的实时计算引擎(storm、kafka streams等)相比，PipelineDB不需要写任何程序代码，只需要写SQL即可实现实时指标的聚合计算，统计实时指标开发耗时可以从原来的天级骤降到分钟级。

原始时间序列数据永远不会写入磁盘，这使得 PipelineDB 对于聚合工作负载非常有效。

连续查询产生自己的输出流，因此可以链接到任意连续 SQL 网络中。

PipelineDB不是一个特定的数据仓库。流式查询的输出可能在特定方式下被访问，所有写入到PipelineDB中的原始数据都不会被持久化因为它们都会在读取后被销毁。此外，如果流式计算不能以SQL的形式表达，PipelineDB可能并不是一个合适的选择。

由于 PipelineDB 是 PostgreSQL 扩展，需要安装PostgreSQL 开发包来构建 PipelineDB。

PostgreSQL 兼容性

PipelineDB 在 64 位架构上运行，目前支持以下 PostgreSQL 版本：

• PostgreSQL 10：10.1、10.2、10.3、10.4、10.5
• PostgreSQL 11：11.0

产品特点

• 持续聚合: 使用连续的SQL查询实时连续聚合，过滤和提取流数据到摘要数据，并将结果存储在PipelineDB中。

• 滑动窗口查询: 在自定义时间窗口（1秒，1分钟，1天，30天等）上运行连续查询，然后将窗口查询结果存储在PipelineDB中，或者在窗口时间过后丢弃原始数据。

• 在表上加入Streams : 流式分析数据通常需要上下文。PipelineDB的集成关系存储引擎使您能够连接历史数据的流数据，以便实时进行比较和分析。

• 数据结构 : 通常，大规模的实时分析可以接受100％的准确性权衡交换。PipelineDB支持数据结构和算法，例如Bloom过滤器，count-min草图，Filtered-Space-Saving top-k，HyperLogLog和t-digest，以便在高容量流上进行非常精确的近似。

应用场景

1. 实时监测与告警

   流式监测传感器的数据，各类工业设备传感器指标的变化，动态的触发事件响应（transform中完成）如设备告警、环保水质受到污染。

2. 设备轨迹监测

   结合PostGIS，实现对汽车的位置实时跟踪和轨迹合并，动态的绘制大盘数据（分时，车辆区域分布）。

3. AI智能识别

   例如在已知可疑车辆的车牌时，在流式处理天眼拍摄并实时上传的车牌信息时，通过transform设置的规则，遇到可疑车牌时，触发事件，快速的知道可疑车辆的实时行踪。

相关资料

PipeLineDB官网： www.pipelinedb.com
PipeLineDB 官方文档：http://docs.pipelinedb.com/introduction.html
PipeLineDB GitHub地址：https://github.com/pipelinedb/pipelinedb