好消息！TDengine的Kubernetes部署方案终于正式落地！

好消息！TDengine的Kubernetes部署方案终于正式落地！

好消息！好消息！今天我们有一个令人激动的好消息要宣布！

虽然开局的文风看着有些“震惊党”，但是希望大家不要介意。因为从今天开始，TDengine终于正式推出了基于K8s上的部署方案。

这么久以来，我们时常看到用户问什么时候才能看到TDengine在K8s上的部署方案——现在，这一天终于来了。

Kubernetes是一个用于自动化部署、扩展和管理容器化应用程序的开源系统。作为该领域的事实标准，K8s可以促进完善组件和工具的生态系统，以减轻应用程序在公有云或私有云中部署和运维的负担。

因此，有了K8s的助力，TDengine的性能和轻便性以及强大的资源利用能力都会如虎添翼。

所以，我们着实有必要“震惊”一下。

早在2019年，Gartner公司的报告就显示：当前世界的联网设备数在该年已经超过142亿，预计2021年将达到250亿，如此庞大的设备数量会产生海量的数据。

另一方面，IDC（国际数据中心）的研究报告称：到2022年，90％的新应用将具有微服务架构，这些架构可提高设计、调试、更新和利用第三方代码的能力，35％的生产应用将是云原生的。

因此，在云原生的场景处理海量的数据是未来的大势所趋。而容器化，作为基础设施和微服务的实践者，能够实现产品的快速部署迭代，灵活扩容缩容，隔离应用。它的这些特征，正是云原生重要的组成部分。

如今，TDengine终于也正式踏入了这一领域。

众所周知，除了时序数据库之外，TDengine还提供缓存、消息队列、订阅、流式计算等功能，为物联网、工业互联网大数据的处理提供全栈的技术方案。所以，如果TDengine能得到容器化的加成，对于使用旧有大数据体系工具的用户来说，这样的替换无异于“鸟枪换炮”，使用体验和维护难度都会得到质变级别的优化。

为此，涛思数据提供了一组Docker镜像，并使用这组镜像分别实现了TDengine在minikube及rancher rk2 环境下的部署和测试，初步实现了Helm Chart支持（ C hart名称： tdengine, 当前版本 0.1.0，Chart地址： / /github.com/taosdata /TDengine-Operator/raw /main/helm /tdengine-0.1.0.tgz ）。

Docker构建流程及Helm源代码托管在 TDengine-Operator 仓库中；初步的中英文文档使用GitHub Pages发布在：

；

英文文档见 ：

特性，我们每次在增加pod的副本数时，都会通过脚本自动连接firstEP（即是第一个创建的pod），然后执行“create dnode +新节点的fqdn+端口”。由于statefulset特性使得pod的创建具有顺序性，名字具有唯一性，所以我们用这些特性来区分不同TDengine节点的地址信息。

综上逻辑，因此在操作的时候，我们只需要在控制器的yaml中指定副本（replica）数量，就可以直接得到一个相等数量的数据库集群，从而完成TDengine集群的快速搭建。

与之类似，我们只需按照文档操作，在线调整副本数就可以方便的动态扩容和缩容，十分便捷。

但因为文章篇幅有限，不能赘述太多。 所以，如果想了解更多其他TDengine在K8s上的部署方式和实现，欢迎大家阅读： //taosdata.github.io/TDengine-Operator/ 并自己实操一番。 该文档对一些错误操作和部署时需要留意的细节也做了说明。

附上本方案作者、涛思数据工程师霍琳贺想对大家说的话：

如您所见，TDengine还在不断地优化自己的生态和性能，感谢大家一路以来的支持与陪伴。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。