Timescale Blog
·
Glooko如何利用Tiger Data将每月超过30亿条数据转化为拯救生命的糖尿病医疗服务
💡
原文英文，约900词，阅读约需4分钟。
📝
内容提要
Glooko的工程副总裁Per Grapatin分享了将重要医疗数据从文档数据库迁移到Tiger Cloud的经验，成功降低存储成本40%并提升查询速度至480倍。Glooko每天处理超过1亿条数据，优化后实现了更高效的数据管理和分析。
🎯
关键要点
- Glooko的工程副总裁Per Grapatin分享了将医疗数据从文档数据库迁移到Tiger Cloud的经验。
- 迁移后成功降低存储成本40%，查询速度提升至480倍。
- Glooko每天处理超过1亿条数据，主要用于实时仪表板和分析。
- 现有基础设施无法满足时间序列工作负载的扩展需求，导致性能瓶颈。
- Tiger Data作为替代方案，提供了成本和性能的优势。
- 采用统一的Postgres架构，解决了数据摄取和读取瓶颈。
- 迁移后，存储和计算成本显著降低，压缩比达到95%至97%。
- Glooko计划将剩余的医疗数据集合迁移到Tiger Cloud，以提高性能。
❓
延伸问答
Glooko如何利用Tiger Data改善数据存储和查询性能？
Glooko通过将医疗数据从文档数据库迁移到Tiger Cloud，降低了存储成本40%，查询速度提升至480倍。
Glooko每天处理多少条数据？
Glooko每天处理超过1亿条数据，主要用于实时仪表板和分析。
Glooko迁移到Tiger Cloud后有哪些具体的成本节约？
迁移后，Glooko的存储和计算成本显著降低，压缩比达到95%至97%。
Glooko面临哪些技术挑战导致迁移到Tiger Cloud？
Glooko面临的挑战包括现有基础设施无法满足时间序列工作负载的扩展需求，导致性能瓶颈。
Tiger Data如何帮助Glooko解决数据摄取和读取瓶颈？
Tiger Data通过统一的Postgres架构和目的明确的时间序列扩展，解决了数据摄取和读取瓶颈。
Glooko未来的计划是什么？
Glooko计划将剩余的医疗数据集合迁移到Tiger Cloud，以提高性能。
🏷️
标签
➡️
