物联网、车联网的兴起，所采集的时序空间数据高速增长。一般的大数据解决方案都是Kafaka + Redis + No SQL + Hadoop/Spark，但这些套件都是用来处理通用的非结构化数据的，因此在处理结构化的时序空间数据时，运行效率就大打折扣，而且因为集成多个组件，开发效率低，运维成本也很高。

涛思数据充分挖掘时序数据特点，设计了独有的存储结构和时序数据处理模型，将大数据平台所需要的数据库、消息队列、缓存、数据订阅等功能全部融合一起，无论是数据插入、还是普通查询、流式计算，速度都比现有方案快十倍以上，而且大大降低了应用的开发难度和系统维护成本。开发者使用涛思数据的TDengine，可以快速搭建一个时序空间大数据处理平台。

演讲提纲：

1. 时序空间数据特点；
2. 现有方案的弊端；
3. TDengine基本介绍；
4. 如何应对每天都在变化的大数据分析需求；
5. 车联网大数据平台的最佳实践；
6. 智能电表大数据处理实例；
7. 机械设备监测数据的实时计算；

听众受益：

• 如何从业务场景和数据特点选择最佳方案；
• 如何降低系统开发成本和运维成本