登录社区云，与社区用户共同成长
邀请您加入社区
其中，TDengine TSDB 是一款高性能、分布式的时序数据库（Time Series Database），同时它还带有内建的缓存、流式计算、数据订阅等系统功能；TDengine IDMP 是一款AI原生工业数据管理平台，它通过树状层次结构建立数据目录，对数据进行标准化、情景化，并通过 AI 提供实时分析、可视化、事件管理与报警等功能。通过合理使用 LEASTSQUARES 函数，可以有效地进
其中，TDengine TSDB 是一款高性能、分布式的时序数据库（Time Series Database），同时它还带有内建的缓存、流式计算、数据订阅等系统功能；TDengine IDMP 是一款AI原生工业数据管理平台，它通过树状层次结构建立数据目录，对数据进行标准化、情景化，并通过 AI 提供实时分析、可视化、事件管理与报警等功能。函数返回指定列去重后的值，功能类似于 SQL 中的 DIS
其中，TDengine TSDB 是一款高性能、分布式的时序数据库（Time Series Database），同时它还带有内建的缓存、流式计算、数据订阅等系统功能；TDengine IDMP 是一款AI原生工业数据管理平台，它通过树状层次结构建立数据目录，对数据进行标准化、情景化，并通过 AI 提供实时分析、可视化、事件管理与报警等功能。函数返回指定列中最大的 k 个非 NULL 值及其对应的记
功能说明：返回跳过最后 offset_val 个，然后取连续 k 个记录，不忽略 NULL 值。offset_val 可以不输入。此时返回最后的 k 个记录。当有 offset_val 输入的情况下，该函数功能等效于 order by ts desc LIMIT k OFFSET offset_val。
对于编程初学者来说，软件开发流程中的开发环境配置、安装异常或报错往往需要花费大量时间查阅资料和反复试错，才能正常安装和启动某些软件工具。现在，在 TRAE 的帮助下，即使完全没有接触过编程，也能通过自然语言直接表述需求，交由 AI 辅助编程工具执行。遇到 BUG 或不清楚的步骤，也都可以交给 AI 分析，并快速输出问题原因及解决方案。
数据库越来越成为企业运营的核心基建，但传统的运维方式仍然过于依赖个人经验与技能积累。taosExplorer 的价值，不仅在于“可视化”这些操作流程，更在于把运维能力从少数人扩展到整个团队。想深入了解 taosExplorer 的具体操作界面和功能详情？欢迎访问官网文档：可视化管理工具 | TDengine 文档 | 涛思数据下一期，我们将深入讲解 TDengine 的备份与恢复机制，聚焦“数据不
前言TDengine是涛思数据专为物联网、车联网、工业互联网、IT运维等设计和优化的大数据平台。除核心的快10倍以上的时序数据库功能外，还提供缓存、数据订阅、流式计算等功能，最大程度减少研发和运维的复杂度，且核心代码，包括集群功能全部开源。正文TDengine大数据平台线上实例下载量超过68.8k次，Github上的star数也多达15.5k。可以说是非常热门且使用广泛的大数据平台之一。那么，TD
TDengine 赋能 ThingLinks，提供了强大的数据存储和处理能力，使得 ThingLinks 能够更加高效、可靠地服务于物联网应用。无论是设备接入的灵活性，还是业务应用的高效集成，ThingLinks 都表现出了卓越的性能和适应性。通过这种协同工作，ThingLinks 为用户提供了一个全面、高效的云物联网 SaaS 平台解决方案，推动了各行业的数字化转型。
使用docker实现emqx桥接数据到taos数据库
专为物联网IoT平台、工业大数据平台设计。其中，TDengine TSDB 是一款高性能、分布式的时序数据库（Time Series Database），同时它还带有内建的缓存、流式计算、数据订阅等系统功能；TDengine IDMP 是一款AI原生工业数据管理平台，它通过树状层次结构建立数据目录，对数据进行标准化、情景化，并通过 AI 提供实时分析、可视化、事件管理与报警等功能。函数统计表/超级
其中，TDengine TSDB 是一款高性能、分布式的时序数据库（Time Series Database），同时它还带有内建的缓存、流式计算、数据订阅等系统功能；TDengine IDMP 是一款AI原生工业数据管理平台，它通过树状层次结构建立数据目录，对数据进行标准化、情景化，并通过 AI 提供实时分析、可视化、事件管理与报警等功能。函数统计表/超级表中某列的值最大 k 个非 NULL 值。
其中，TDengine TSDB 是一款高性能、分布式的时序数据库（Time Series Database），同时它还带有内建的缓存、流式计算、数据订阅等系统功能；TDengine IDMP 是一款AI原生工业数据管理平台，它通过树状层次结构建立数据目录，对数据进行标准化、情景化，并通过 AI 提供实时分析、可视化、事件管理与报警等功能。函数统计表/超级表中某列的值最小 k 个非 NULL 值。
专为物联网IoT平台、工业大数据平台设计。其中，TDengine TSDB 是一款高性能、分布式的时序数据库（Time Series Database），同时它还带有内建的缓存、流式计算、数据订阅等系统功能；TDengine IDMP 是一款AI原生工业数据管理平台，它通过树状层次结构建立数据目录，对数据进行标准化、情景化，并通过 AI 提供实时分析、可视化、事件管理与报警等功能。函数返回输入日期
它能安全高效地将大量设备每天产生的高达 TB 甚至 PB 级的数据进行汇聚、存储、分析和分发，并提供 AI 智能体对数据进行预测与异常检测，提供实时的商业洞察。是一款专为物联网、工业互联网等场景设计并优化的大数据平台，其核心模块是高性能、集群开源、云原生、极简的时序数据库。这些简化的示例更容易理解和使用，适合快速学习 TIMEDIFF 函数的基本用法。
广东盘古信息科技股份有限公司（下文简称盘古信息）成立于 2005 年，是一家基于工业互联网平台的数字化管理解决方案供应商，公司自主研发的 IMS（数字化智能制造系统）可为离散、流程及混合制造行业提供全方位的生产制造运营管理与系统集成解决方案。通过与涛思数据的深入合作，盘古信息基于 TDengine）构建了更高效的 IMS 系统，在提升业主服务能力的同时，实现了降本增效。本文将详细解析这一案例的背景
基于高性能、分布式的时序数据库，辅以数据业务语义和上下文，TDengine 不仅能高效地存储采集的海量数据，而且能智能感知应用场景，自动生成面板、报表、监测异常，让您拥有一个强大的工业智能体，实时洞察系统的运营。
随着技术的不断进步，IT行业已成为推动全球经济和社会发展的关键力量。从云计算、大数据、人工智能到物联网、5G通信和区块链，这些技术正在重塑我们的生活和工作方式。你眼中IT行业的现状及未来发展趋势是怎么样的？无论您是行业领袖、技术专家还是创新者，快来跟我们分享你的见解吧！IT行业目前正处于一个快速发展和深刻变革的时期，技术进步和应用创新不断推动行业的边界向外扩展。总之，IT行业将继续保持快速发展的势
在工业#数字化转型 的赛道上，“监控系统搭建” 一直是个让人头疼的难题：传统方案要写 SQL、调脚本、学可视化工具，一套流程走下来少则几天、多则几周，运维新增设备还得重复折腾。但现在，有了 TDengine TSDB + TDengine IDMP 的组合，这一切都变了——分钟级上线、零代码操作、AI 自动出面板，甚至新设备接入都不用改配置！今天我们汇总 5 个实测场景，从烟草制丝到电动汽车，从工
先来两个官方文档：https://www.taosdata.com/cn/documentation/connections-with-other-tools/#Grafanahttps://grafana.com/docs/grafana/latest/grafana安装有很多种安装方式，这里采用比较省事的方式，要尝试其他方式请参考官网下载wget https://dl.grafana.com/
不废话了，oss是什么这些去姑够或度娘查；我一springboot项目为例，配置oss服务器首先配置图片服务器的配置信息图中oss为oss服务器的配置信息，tmpFilePath是本地存放临时图的地址图片数据转码为了安全图片肯定是要结果转码的，至于什么转码方式就根据业务需要了。我们这里的图片经过URL传递过来，且使用了URL与base64双重编码，所以这里需要用URLDecoder解码后才可用。如
为进一步提升联盟的服务水平，促进物联网行业的可持续发展，中关村物联网产业联盟于 3 月 29 日下午成功召开了 2024 年度第三届第二次理事会及会员代表大会。同时，本次会议还公布了 2023-2024 年度中关村物联网产业联盟技术创新奖和优秀企业奖的获奖名单。凭借在物联网领域的卓越贡献，涛思数据荣获联盟优秀企业的称号。据了解，中关村物联网产业联盟是物联网产业唯一的全国性的一级社团，也是全球范围第
过去十年，工业和物联网场景经历了快速的数字化建设：传感器接入、系统联网、数据上云……数据平台已能轻松承载每秒千万级别的写入，每天几 TB 的存储量。而“用起来”这一层，仍旧是碎片化的、高门槛的、效率低下的。为了解决“用起来”的问题，行业开始尝试自然语言查询、自动生成 SQL 等方式，并逐渐发展出 Chat BI 这类“智能问数”工具。我们也尝试过类似路径，不断优化数据库性能、强化流计算能力、引入
本文以一个数据中心的服务器监控为例，详细介绍通过开源的轻量级的工具 Telegraf ，轻松采集系统 CPU、内存、磁盘、网络等系统监控指标，将数据写入 TDengineTSDB时序数据库，然后通过 TDengineIDMP，利用 AI 自动生成可视化面板和实时分析，帮助您几分钟就构建一套稳定、高效的服务器监控解决方案。
本文以制丝车间工艺监控为例，介绍如何通过轻量化采集工具快速获取制丝工艺中烘丝机等设备的运行参数及工艺指标（如温度、湿度、能耗等），并将数据写入TDengine时序数据库（随后借助，利用 AI 自动生成可视化看板和实时分析，实现分钟级搭建高效、智能的制丝工艺监控方案。在该方案中，
TDengine TSDB-Enterprise 里的 taosX 模块，在读取这些采集的数据时，能自动创建超级表和子表，做数据的转换，并可以添加更多的标签，把设备的层次结构信息保存起来。IDMP 就能依据 TSDB 里的元数据，自动构建出树状层次结构，自动创建出元素模版和元素。一旦树状层次结构模型在 IDMP 里建立起来，您可以通过元素、属性等模版补充更多的描述信息和业务语义，提供更好的数据情景
本文以一个含有“风光储”的微电网系统监控为例，详细介绍如何快速地把以 SparkplugB 格式上报的设备数据写入 TDengine，然后通过 TDengine构建资产模型，利用 AI 自动生成可视化面板和实时分析，实现分钟级搭建高效、智能的 微电网 的监控系统。
使用 IDMP 来管理数据的第一步就是要建立数据资产模型。数据都存储在数据库里，但数据库只是多个二维的表格，表格之间的关系无法直接感知。数据建模的目的就是帮助用户建立起这些二维表之间的关系，以便于管理、查找、分析所拥有的数据。
在时序数据的处理中，经常要对原始数据进行清洗、预处理，再使用时序数据库进行长久的储存，而且经常还需要使用原始的时序数据通过计算生成新的时序数据。在传统的时序数据解决方案中，常常需要部署 Kafka、Flink 等流处理系统，而流处理系统的复杂性，带来了高昂的开发与运维成本。TDengine 的流计算引擎提供了实时处理写入的数据流的能力，使用 SQL 定义实时流变换，当数据被写入流的源表后，数据会被
与 InfluxDB 相比，TDengine 在流式计算的基础上，还具备强大的 ETL 能力——它不仅能处理时序数据，还能自动进行数据清洗与转换，帮助用户实现更加高效、灵活的数据处理。这一优势使得 TDengine 能在更多复杂的应用场景中提供卓越的性能，尤其是对于需要实时数据分析和高效数据处理的行业，提供了更为完善的解决方案。
MQTT 是流行的物联网数据传输协议，EMQX 是一开源的 MQTT Broker 软件，无需任何代码，只需要在 EMQX Dashboard 里使用“规则”做简单配置，即可将 MQTT 的数据直接写入 TDengine。EMQX 支持通过 发送到 Web 服务的方式保存数据到 TDengine，也在企业版上提供原生的 TDengine 驱动实现直接保存。要让 EMQX 能正常添加 TDengin
无论是双副本还是双活方案，TDengine 都为用户提供了强大的数据存储和管理解决方案。双副本方案在节省存储成本的同时，保证了一定的高可用性和数据可靠性，非常适合资源有限且需要高效数据管理的企业。双活方案则通过其灵活的架构和强大的灾备能力，为特殊部署环境和高可靠性需求的应用场景提供了理想的解决途径。通过理解这两种方案的区别和最佳实践，用户可以根据自身需求选择最适合的方案，充分利用 TDengine
- BLOB数据类型定义 BLOB -- 最大长度4MB的二进制数据类型TDengine 的 BLOB 数据类型为处理大容量二进制数据提供了强大的支持，特别适用于车联网、航空、工业物联网等场景。通过独立的 BSE 存储引擎，BLOB 类型在保证数据完整性的同时显著提升了写入性能。
Telegraf 是一款十分流行的指标采集开源软件。在数据采集和平台监控系统中，Telegraf 可以采集多种组件的运行信息，而不需要自己手写脚本定时采集，降低数据获取的难度。只需要将 Telegraf 的输出配置增加指向 taosAdapter 对应的 url 并修改若干配置项即可将 Telegraf 的数据写入到 TDengine 中。将 Telegraf 的数据存在到 TDengine 中可
涛思数据库调整数据可写入时长为60天，之前限制了只保存30天数据，超时后报错。
Local Outlier Factor(LOF)，局部离群因子/局部异常因子，是 Breunig 在 2000 年提出的一种基于密度的局部离群点检测算法，该方法适用于不同类簇密度分散情况迥异的数据。根据数据点周围的数据密集情况，首先计算每个数据点的局部可达密度，然后通过局部可达密度进一步计算得到每个数据点的一个离群因子。该离群因子即标识了一个数据点的离群程度，因子值越大，表示离群程度越高，因子值
TDengine IDMP 依赖 TDengine TSDB-Enterprise 3.3.7.0+. 在启动 TDengine IDMP 之前，请配置 TDengine TSDB-Enterprise 连接。它能安全高效地将大量设备每天产生的高达 TB 甚至 PB 级的数据进行汇聚、存储、分析和分发，并提供 AI 智能体对数据进行预测与异常检测，提供实时的商业洞察。请根据您的操作系统类型，选择合
TDengine IDMP 提供了丰富的功能，本文档将带领您通过安装包完成 TDengine IDMP 的安装和启动。在导入示例场景数据后，即可轻松体验元素浏览、AI 面板生成和 AI 分析等功能。
TDengine IDMP 提供了丰富的功能，本文档将带领您通过 Docker Compose 的方式启动 TDengine IDMP 服务。如果您不熟悉 Docker，请参考。在导入示例场景数据后，即可轻松体验元素浏览、AI 面板生成和 AI 分析等功能。
TDengine IDMP 提供全托管的 TDengine IDMP Cloud 服务，您只需简单的几步操作即可完成注册。在导入示例场景数据后，即可轻松体验元素浏览、AI 面板生成和 AI 分析等功能。
TDengine Industrial Data Management Platform（TDengine IDMP）是一款 AI 原生的物联网、工业数据管理系统，它通过经典的树状层次结构组织传感器、设备采集的数据，建立数据目录，对数据提供语境化、标准化的处理，并提供实时分析、可视化、事件管理与报警等功能，旨在帮助企业快速高效的从运营数据中挖掘出商业价值。IDMP 充分利用 AI 技术，基于采集的
由众多研究机构及企业开源时序基础模型极大地简化了时序数据分析的复杂程度，在数据分析算法、机器学习和深度学习模型之外，提供了一个时间序列数据高级分析的新选择。本章介绍部署并使用开源时序基础模型（Time Series Foundation Model, TSFM）。TDgpt 在 3.3.6.4 版本原生支持五种类型的时序基础模型：涛思时序基础模型 (TDtsfm v1.0) , time-moe，
DT232RL芯片架构与技术特性：- 国产化替代的战略意义：-概括DT232RL的兼容替代FT232RL的价值和技术前景，强调国产化战略意义。
Kafka Connect 是的一个组件，用于使其它系统，比如数据库、云服务、文件系统等能方便地连接到 Kafka。数据既可以通过 Kafka Connect 从其它系统流向 Kafka, 也可以通过 Kafka Connect 从 Kafka 流向其它系统。从其它系统读数据的插件称为 Source Connector, 写数据到其它系统的插件称为 Sink Connector。
TDgpt 内置了一个使用自编码器（Autoencoder）构建的深度学习网络的异常检测模型。该异常检测模型基于 NAB 的进行训练，该模型的详细信息请参见 添加机器学习模型 -部分。我们并没有将该模型预置与model目录中。需要该模型正常运行需要下载模型文件，请点击此处，并在目录中创建子目录，保存下载两个模型文件，然后需要重启 taosanode 服务。相关操作原理及方式请参考的介绍。此时mod
涛思数据
——涛思数据
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
2048 AI社区
AI编程社区
讯飞AI开发者社区
长沙城市开发者社区
天启AI社区
DAMO开发者矩阵
