Apache IoTDB从2018年11月捐赠给Apache基金会，成为孵化项目，到2020年9月毕业，期间经历了0.8-0.11 4个大的版本，但都是单机版本，社区对Apache IoTDB的分布式版本呼声也越来越高。2021年4月，Apache IoTDB 0.12版本的发布，带来了一个期盼已久的好消息：Apache IoTDB 0.12开始支持分布式。今天我们就来看一下Apache IoTDB分布式中的数据分布。
CirroData-TimeS 综述
发表于
|
更新于
|
评论数：
背景
根据IDC[1]最新预测，截止到2025年，全球物联网设备可达416亿个，产生约79.4ZB的数据。正如该报告指出，随着联网的设备越来越多，这些设备产生的数据也越来越多。这些数据都有一个共同的特性：数据是时序的，即一定带有时间戳，称之为时间序列的数据。
时间序列在维基百科的定义是一组按照时间发生先后顺序进行排列的数据点序列。通常一组时间序列的时间间隔为一恒定值（如1秒，5分钟，12小时，7天，1年），因此时间序列可以作为离散时间数据进行分析处理。时间序列广泛应用于数理统计、信号处理、模式识别、计量经济学、数学金融、天气预报、地震预测、脑电图、控制工程、航空学、通信工程以及绝大多数涉及到时间数据测量的应用科学与工程学[2]。如何高效的存储、管理这些数据成为物联网领域面临的一个很关键的问题。 –>
java heap dump 分析
发表于
|
更新于
|
评论数：
线上程序有时候会遇到OOM的情况，这个时候就需要把其oom的堆dump下来，来分析OOM的原因，如果dump文件比较小，则可以直接拉取到本地，通过使用jvisualvm就可以。但是如果dump文件比较大，应该怎么办呢？要是拉取到本地，是不现实的。比如dump文件有40GB，拉取到本地显然不现实，有没有一种方法可以在远程机器(通常指服务器机器，因为这个机器的内存和磁盘一般比较充足)上分析的呢。eclipse的MAT工具正好可以满足要求。