在當今數(shù)據(jù)驅動的世界中，多模態(tài)數(shù)據(jù)已經成為企業(yè)的重要資產。隨著數(shù)據(jù)規(guī)模和多樣性的不斷增加，企業(yè)不僅需要高效存儲和處理這些數(shù)據(jù)，更需要從中提取有價值的洞察。工業(yè)領域在處理海量設備時序數(shù)據(jù)的同時，還需要聯(lián)動分析警報信息、設備關系、組織信息等關系數(shù)據(jù)或圖數(shù)據(jù)；金融領域除了常見的行情和訂單流時序數(shù)據(jù)外，還會采用地理信息、實時新聞、氣象數(shù)據(jù)等多種類型的數(shù)據(jù)輔助決策。然而，要充分挖掘和利用這些多模態(tài)數(shù)據(jù)，傳統(tǒng)單一模型的時序數(shù)據(jù)庫已顯得力不從心，無法滿足現(xiàn)代多元應用場景中企業(yè)對數(shù)據(jù)使用的復雜需求。

Transwarp TimeLyre是星環(huán)科技自主研發(fā)的企業(yè)級分布式時序數(shù)據(jù)庫，具備高吞吐實時寫入、時序精準查詢、超高數(shù)據(jù)壓縮率等特點，可以支持海量時序數(shù)據(jù)的存儲、查詢、分析，有效支撐能源、制造、金融領域等多種時序數(shù)據(jù)業(yè)務場景。

近日，TimeLyre正式發(fā)布V9.2版本，支持海量時序數(shù)據(jù)的同時，具備原生的多模態(tài)數(shù)據(jù)混合存儲能力，能夠整合和處理不同類型的數(shù)據(jù)，幫助企業(yè)實現(xiàn)數(shù)據(jù)的多維分析。同時提供高性能分析、熱溫冷數(shù)據(jù)分層存儲、極速時序數(shù)據(jù)回放分析等新功能，可以有效支撐大規(guī)模時序數(shù)據(jù)湖、投研一體化平臺、時序數(shù)據(jù)中臺等新場景，充分滿足企業(yè)對多模態(tài)數(shù)據(jù)存儲分析的需求，助力企業(yè)發(fā)揮數(shù)據(jù)深層價值。

原生多模態(tài)架構，支持時序數(shù)據(jù)與關系數(shù)據(jù)模型混合存儲

TimeLyreV9.2采用原生多模態(tài)架構，來自多種數(shù)據(jù)源的時序和關系數(shù)據(jù)經由統(tǒng)一的接口以批量或實時的方式存入統(tǒng)一的存儲引擎中，通過統(tǒng)一的高性能計算引擎Quark進行讀取和分析，支撐上層模型加工、批處理、在線分析、高性能讀取等場景，助力企業(yè)更全面、更多維度的數(shù)據(jù)分析應用。

不同于傳統(tǒng)方案為不同類型的數(shù)據(jù)單獨部署和使用不同的數(shù)據(jù)庫產品，TimeLyre以原生的多模態(tài)架構高效實現(xiàn)了多種數(shù)據(jù)模型的轉化流轉與關聯(lián)分析，具有復雜度低、開發(fā)和運維成本低、數(shù)據(jù)處理效率高等優(yōu)勢。

高性能C++計算引擎，向量化計算，顯著提升數(shù)據(jù)分析性能

依托于星環(huán)科技統(tǒng)一的多模型數(shù)據(jù)管理平臺架構，TimeLyre在計算引擎中納入了高性能C++計算引擎技術，通過使用向量化計算，充分利用了現(xiàn)代CPU的SIMD指令集，借助列式掃描減少了IO開銷。同時采用高性能數(shù)據(jù)傳輸格式，實現(xiàn)了數(shù)據(jù)零拷貝，減少了序列化和反序列化的開銷，并借助列式存儲和高壓縮率，減少了網絡傳輸?shù)臄?shù)據(jù)量，便于數(shù)據(jù)更快速地接入高性能C++分析引擎。通過采用高性能分析計算引擎，可以幫助用戶顯著提高數(shù)據(jù)處理能力和效率，更快獲取分析結果，加速決策過程，降低能耗和硬件成本，幫助用戶在數(shù)據(jù)驅動的商業(yè)環(huán)境中保持領先。

熱溫冷數(shù)據(jù)自動分層存儲，降低存儲成本，優(yōu)化資源配置

TimeLyre提供全新的熱溫冷數(shù)據(jù)分層存儲方案，統(tǒng)一接收外部應用的數(shù)據(jù)寫入和數(shù)據(jù)查詢，內部按時間或指定條件將熱數(shù)據(jù)、溫數(shù)據(jù)和冷數(shù)據(jù)進行自動轉換。對于熱數(shù)據(jù)，可以實現(xiàn)毫秒級查詢性能，提供5倍以上數(shù)據(jù)壓縮率；溫數(shù)據(jù)支持百毫秒查詢性能，提供15倍以上壓縮率；冷數(shù)據(jù)提供30倍以上數(shù)據(jù)壓縮率，滿足數(shù)據(jù)批量加工需求。熱溫冷數(shù)據(jù)的分層僅需在建表時通過DDL指定，無需后期運維，即可實現(xiàn)定期后臺自動分層。同時支持指定數(shù)據(jù)存儲在不同的存儲介質上，進一步降低綜合存儲成本，優(yōu)化資源配置。

支撐分布式極速時序回放分析引擎TransMatrix，助力時序數(shù)據(jù)回放分析

TransMatrix是星環(huán)研發(fā)的分布式投研系統(tǒng)，用戶可以將多種數(shù)據(jù)結構、多種頻率（高、中、低頻）的數(shù)據(jù)按照時間順序進行回訪；支持原生多模態(tài)數(shù)據(jù)源回放，可以從星環(huán)TDH中直接讀取和加工數(shù)據(jù)源，除了時序和關系數(shù)據(jù)之外，還支持文本數(shù)據(jù)、圖數(shù)據(jù)、圖片數(shù)據(jù)等，同時允許用戶借助Python開源生態(tài)對多模態(tài)數(shù)據(jù)進行加工和分析；內置豐富的時序算子庫，支持自定義算子開發(fā)與共享；采用事件驅動的編程范式，提供生成式算子開發(fā)接口；提供算子拼接接口與豐富的內置表達式，支持用戶自定義表達式；通過分布式任務實現(xiàn)多租戶負載均衡、提供分布式任務配置接口，可實現(xiàn)任務拆分、批量運行、大規(guī)模采樣等大型任務。

新場景：大規(guī)模時序數(shù)據(jù)湖引擎，助力企業(yè)應對海量時序數(shù)據(jù)

用戶可以基于TimeLyre構建大規(guī)模時序數(shù)據(jù)湖，海量時序數(shù)據(jù)通過流式引擎進入數(shù)據(jù)湖內，依托TimeLyre完成ODS層、DW層、維度層數(shù)據(jù)加載與處理，通過豐富的API接口和開源生態(tài)接口支撐上層應用開發(fā)、風險識別、模型訓練、實時展示、數(shù)據(jù)智能、時序分析等業(yè)務場景。以TimeLyre為核心構建時序數(shù)據(jù)湖，充分利用了產品對海量實時數(shù)據(jù)的存儲與查詢分析能力，實時寫入性能可達每節(jié)點千萬測點，實時查詢性能可達每節(jié)點10000QPS。結合流、批計算引擎，滿足業(yè)務對端到端秒級時效性的要求。同時支持時序數(shù)據(jù)與關系數(shù)據(jù)高效關聯(lián)分析、提供完善的SQL支持與靈活可變的Schema定義，為用戶提供全面、高效、靈活的數(shù)據(jù)管理分析平臺。

新場景：投研一體化平臺技術底座，搭建分布式投研框架

面向金融投研場景，TimeLyre可以作為投研一體化平臺的技術底座，助力企業(yè)搭建分布式投研框架。底層依托時序數(shù)據(jù)庫TimeLyre及其內置的分布式投研計算引擎TransMatrix構建投研平臺核心技術底座，通過標準數(shù)據(jù)接口、因子開發(fā)接口、策略開發(fā)接口和分布式任務開發(fā)接口對接上層業(yè)務模型，助力企業(yè)在一體化平臺內實現(xiàn)數(shù)據(jù)泰索、因子研究、策略回測等應用開發(fā)。

新場景：投研數(shù)據(jù)中臺數(shù)據(jù)底座，實現(xiàn)多源數(shù)據(jù)分層管理

依托TimeLyre構建投研數(shù)據(jù)中臺，參考標準數(shù)據(jù)分層結構，可將數(shù)據(jù)分為數(shù)據(jù)源層、基礎數(shù)據(jù)層、投研標準層、業(yè)務模型層與收益報表層。在數(shù)據(jù)源層負責從數(shù)據(jù)廠商、交易所數(shù)據(jù)、用戶因子數(shù)據(jù)等外部數(shù)據(jù)源同步數(shù)據(jù)，可以做到將原始的行情或因子數(shù)據(jù)以完全一致的形式同步入投研數(shù)據(jù)中臺；基礎數(shù)據(jù)層負責完成數(shù)據(jù)的校驗、清洗與加工，生成干凈的基礎投研數(shù)據(jù)；投研標準層負責將這些數(shù)據(jù)統(tǒng)一成面向投研過程的標準表模型以及數(shù)據(jù)結構模型，為用戶屏蔽掉不同來源數(shù)據(jù)在字段名、字段類型等方面的差異；業(yè)務模型層負責生成面向特定研究過程的因子與數(shù)據(jù)；收益報表層負責生成面向投研收益評價的因子與數(shù)據(jù)，可以將策略的研究結果、投研結果以報表的形式存在時序模型或關系模型中。

依托TimeLyre構建投研數(shù)據(jù)中臺可以對接豐富的外部數(shù)據(jù)源，實現(xiàn)多層次外部數(shù)據(jù)錄入，支持以投研領域常見的文件形式加載數(shù)據(jù)、從主流數(shù)據(jù)庫（MySQL、Oracle等）進行數(shù)據(jù)同步、通過類似SQL的API接收交易所實時行情、通過Kafka統(tǒng)一接受數(shù)據(jù)等多種數(shù)據(jù)接入方式。同時為了應對數(shù)據(jù)實時和批量更新的需求，提供專業(yè)的ETL工具，可以實現(xiàn)數(shù)據(jù)的一鍵重入，開啟一鍵重入即可自動觸發(fā)多層次數(shù)據(jù)加工，實現(xiàn)投研數(shù)據(jù)的自動更新，并通過統(tǒng)一的API提供給業(yè)務人員進行研究使用。

賦能業(yè)務：TimeLyre助力某光伏企業(yè)打造批流一體時序數(shù)據(jù)湖方案

某光伏企業(yè)為解決數(shù)據(jù)孤島問題，依托星環(huán)科技分布式時序數(shù)據(jù)庫TimeLyre構建批流一體的時序數(shù)據(jù)湖。首先通過數(shù)采設備從數(shù)據(jù)源系統(tǒng)中獲取原始數(shù)據(jù)，統(tǒng)一經由Kafka消息系統(tǒng)匯入數(shù)倉平臺的數(shù)據(jù)接入區(qū)，并通過TimeLyre自帶的流處理引擎Slipstream將數(shù)據(jù)加載到內部的貼源層，實現(xiàn)時序數(shù)據(jù)、關系數(shù)據(jù)等多模態(tài)數(shù)據(jù)的統(tǒng)一存儲。數(shù)倉內部通過統(tǒng)一的計算引擎和SQL引擎將數(shù)據(jù)加工到不同的層次，包括標準表DWD層、中間表MID層、模型表DWS層、維度表DIM層和業(yè)務寬表ADS層等，用以支撐上層業(yè)務報告、BI報表、數(shù)據(jù)智能、實時分析對比、三維展示等應用場景。值得注意的是數(shù)倉平臺以TimeLyre為核心，僅通過TimeLyre一個數(shù)據(jù)庫，就實現(xiàn)了時序數(shù)據(jù)、關系數(shù)據(jù)從貼源層到應用層的加工、分析和查詢。

項目基于星環(huán)大數(shù)據(jù)技術實現(xiàn)了光伏數(shù)據(jù)的統(tǒng)一接入，包括設備測點數(shù)據(jù)的實時接入以及管理數(shù)據(jù)、巡檢圖片、運行日志等數(shù)據(jù)的全量接入，目前已實現(xiàn)基地3300多臺設備、近30萬測點數(shù)據(jù)的秒級入庫。并且方案具備水平擴展能力，未來增加硬件資源，也可順利接入新建場站數(shù)據(jù)。

同時依托星環(huán)科技時序數(shù)據(jù)庫、批處理引擎和分析庫構建的光伏數(shù)據(jù)底座，可以實現(xiàn)各類數(shù)據(jù)的存儲和數(shù)倉模型加工，通過統(tǒng)一的計算引擎和統(tǒng)一的數(shù)據(jù)接口，支撐各類可視化數(shù)據(jù)應用的構建，方便光伏實驗實證分析人員利用大數(shù)據(jù)技術開展數(shù)據(jù)對比分析、設備性能查詢、運行曲線查看等日常工作。

此外基于星環(huán)一體化平臺與數(shù)據(jù)資產管理，實現(xiàn)了全平臺數(shù)據(jù)的統(tǒng)一授權、開發(fā)、治理、開放、審計，讓各部門的開發(fā)人員，可以快速便利的獲得所需的數(shù)據(jù)資源，并基于高性能的時序數(shù)據(jù)湖平臺進行數(shù)據(jù)分析。