Timescale Blog
·
Mechademy如何在从MongoDB迁移到Tiger Data后将混合数字双胞胎基础设施成本降低87%
💡
原文英文，约1100词，阅读约需4分钟。
📝
内容提要
Mechademy通过Turbomechanica平台监控全球能源公司的关键资产，提升设备正常运行时间。由于需求增长，最初使用的MongoDB出现性能瓶颈，最终转向Tiger Data，显著提高处理能力，降低维护成本，实现基础设施成本减少87%和工作负载提升50倍。
🎯
关键要点
- Mechademy通过Turbomechanica平台监控全球能源公司的关键资产，提升设备正常运行时间。
- Turbomechanica结合物理模型和机器学习，构建混合数字双胞胎，提升正常运行时间2-10%，实现约15倍的投资回报率。
- 早期阶段，Mechademy使用MongoDB以快速迭代和灵活性为优先，但随着诊断框架的成熟，数据模型成为瓶颈。
- MongoDB在处理时间序列数据时存在限制，导致需要手动分桶和复杂的聚合管道，维护成本高。
- 随着诊断工作负载的增加，MongoDB的资源利用率飙升，导致性能问题。
- Mechademy决定从MongoDB迁移到Tiger Data，以更有效地处理大规模时间序列工作负载。
- Tiger Data提供原生时间序列支持，自动分区数据，简化了数据架构，降低了存储成本。
- 迁移后，Mechademy在相同的资源下处理的诊断测试数量从200,000增加到10,000,000，基础设施成本减少87%。
- 通过使用Hypertables和连续聚合，维护开销几乎为零，操作复杂性大幅降低。
- Mechademy的转型使其从基础设施管理转向智能交付，实现了无缝扩展诊断能力，同时降低了成本和复杂性。
➡️
