DolphinDB是由智臾科技自主研发的新一代高性能分布式时序数据库，集成了功能强大的编程语言、高容量高速度的流数据系统和分布式计算引擎。目前在量化金融和工业物联网领域得到了广泛应用。

在工业物联网大数据应用中，云端和边缘端（以下简称云边端）一体化是个趋势，但一般的终端设备和边缘设备（如无线基站和边缘网关）往往是嵌入式设备，部署时序数据库需要另外增加物理节点，非常不便，有些在室外的场景受限于空间和环境条件甚至无法部署。为了解决这个难题，智臾科技在2019年4月推出了DolphinDB ARM版本，可部署于最常见的ARM嵌入式设备上，不久还将推出MIPS版、龙芯版等，以支持各种不同硬件架构的嵌入式设备。

DolphinDB嵌入式ARM版本不同于传统的嵌入式数据库只有存储和简单查询功能，它完整地保留了DolphinDB服务器版本的所有功能，并且体积轻量、部署简单，能够轻松实现万级设备互联。

DolphinDB嵌入式ARM版本还拥有强大的边缘计算能力，十分适合部署在工业物联网边缘网关上用于边缘计算。它不仅可以支持各实时类数据的接入，支持本地历史数据的存储和查询，也可以与云端（公有云，私有云）的大数据平台进行无缝数据交换，还可以运行由云端开发并推送至边缘端的应用和模型，并能通过实时计算，将计算结果输出至本地的监控和告警。

DolphinDB嵌入式ARM版本具备以下核心优势：

• 性能优异

DolphinDB嵌入式ARM版本保留了DolphinDB时序数据库的优越性能，能够提供高并发、低延迟的消息队列，可以为海量工业设备提供毫秒级的接入能力。特别适合高吞吐低延迟的实时数据处理与分析任务，以及对历史数据的复杂分析。

• 强大灵活的计算能力

DolphinDB是目前计算功能最丰富的时序数据库，DolphinDB嵌入式ARM版本也具备强大的计算功能。常用的计算功能包括范围查询，多维查询，抽样查询，精度查询，插值查询，聚合查询，面板数据分组查询，对比查询，关联查询，机器学习及分布式计算等等。此外，DolphinDB ARM流数据引擎性能卓越, 注入和查询分析流数据非常方便，可直接使用SQL语句，横截面及时间序列的流计算通过简单配置即可完成.

• 云边端同一数据库，协同更紧密

物联网大数据既需要存储在云端的数据中心，也需要要存储在边缘节点。 边缘节点具备一定的计算和存储能力，能进行数据的预处理和缓存，可大幅缓解云平台的压力，而且能更好地保证边缘节点覆盖的区域有更好的数据实时响应能力，更好地支撑本地业务的实时智能化决策与执行。但是边缘计算与云计算需要通过紧密协同才能更好地满足各种需求场景的匹配，从而最大化边缘计算和云计算的应用价值。DolphinDB嵌入式ARM版本可部署在终端设备或边缘网关上，DolphinDB服务器可部署在云端服务器上，云边端使用同一数据库，能更好地实现互相协同，云边端一体化。

• 云边端同一数据库，开发、维护更简单

云边端使用同一脚本语言和API进行开发，能显著降低开发、维护难度，节省开发和运营维护成本。

DolphinDB的应用范围极其广泛。以新增、删除、查询和计算为主要操作模式的海量结构化数据场景均可使用。典型场景列举如下：

• 电力行业：智能电表、电网、发电设备的状态检测、故障发现以及业务趋势分析
• 交通行业：实时路况，路口流量监测，卡口数据的采集与分析
• 石油石化：油井、运输管线、运输车队的实时监测
• 物流行业：车辆、集装箱的追踪监测
• 环境监测：天气、空气、水文、地质环境等监测分析
• 物联网：电梯、锅炉、水表、气表等设备的监控、业务分析预测和故障诊断
• 军工行业：各种军事装备的数据采集、存储与分析
• 公共安全：上网记录、通话记录、个体追踪、区间筛选
• 制造业：生产过程管控，流程数据、供应链数据采集与分析

DolphinDB ARM版本对系统有如下要求：

操作系统：32位、64位Linux，内核3.10以上版本

内存：2GB以上

Flash：8GB以上

支持的ARM CPU有：CORTEXA15 CORTEXA9 ARMV7

ARMV8 CORTEXA53 CORTEXA57 CORTEXA72 CORTEXA73

FALKOR THUNDERX THUNDERX2T99 TSV110

欢迎下载试用

DolphinDB database 官网：https://www.dolphindb.cn

DolphinDB ARM 64位下载：http://www.dolphindb.com/downloads/DolphinDB_ARM64_V0.95.0.zip

DolphinDB ARM 32 位下载：http://www.dolphindb.com/downloads/DolphinDB_ARM32_V0.95.0.zip

DolphinDB ARM部署教程：https://github.com/dolphindb/Tu