登录社区云，与社区用户共同成长
邀请您加入社区
不过，最意外的是免费力度：免费版把测点数限制在五千内，其余能力与商业版一致对汽车而言，，产品完全同套、代码开源——将来扩容也只换个许可文件，其余一概不动。更深一层，汽车要解决的并非单纯‘换个工具’，而是把产线节拍高、质量追溯链条长、供应商数据难打通，缺陷根因定位耗时耗力背后的流程一并理顺，让数据有人用、用得上。上手也不难：从官网下载，先把产线机器人、拧紧枪、检测台架、整车路试记录仪的测点接进来，前
工业制造数字化关键在数据选型：面对离散制造、换型频繁导致的OEE难追踪问题，采用高性能时序数据库统一接入CNC、机器人、AGV等设备数据，实现实时监控、预测维护与闭环管理，可提升OEE 8~12%，减少刀具浪费。平台支持无代码分析、对接大模型与工作流，五千测点内全功能免费，真正降低使用门槛，让数据“用起来”而非仅“存起来”。
TDengine IDMP是涛思数据2025年推出的AI原生工业数据管理平台，与TDengine时序数据库组成"双引擎"架构。该平台面向工业场景，通过生成式AI实现数据全流程智能化管理，核心功能包括：层次化数据建模、数据标准化、智能可视化、实时流分析、事件管理等。其创新点在于将AI深度融入数据治理，实现"无问智推"的零代码数据消费体验，解决工业数据"
如下图，payload 是 64bit 的 simple8B 数据，使用 AVX512 指令，通过并行同步移位和掩码的方式，一次提取出 8 个有效数据，并装载在 512bit 的寄存器里（32bit x 8），为 ZigZag 算法提供数据输入。特别是针对 Simple8B 和 ZigZag 算法的优化，让时序数据的处理得以实现更高效的并行计算，通过一次性处理多个数据，减少了指令数，显著提升了系统
综上所述，TDengine的数据结构是基于时序数据库的特点进行设计的，具有高效、灵活和可扩展性等特点。通过合理地使用超级表、子表和普通表等数据结构以及数据分区、索引、压缩和存储等技术手段，可以构建出高效、稳定且易于维护的时序数据管理系统。在TDengine中，数据模型主要包括超级表（Super Table）、子表（Sub Table或Stable）和普通表（Table，但通常不直接使用，而是通过超
本文档是 TDengine 的用户手册，主要是介绍 TDengine 的基本概念、安装、使用、功能、开发接口、运营维护、TDengine 内核设计等等，它主要是面向架构师、开发工程师与系统管理员的。一章，该部分对数据库连接、建模、插入数据、查询、流式计算、缓存、数据订阅、用户自定义函数等功能都做了详细介绍，并配有各种编程语言的示例代码。如果你是系统管理员，关心安装、升级、容错灾备、关心数据导入、导
基本配置：1.mysql+es+redis存储内容：（1）关系数据库存储平台的信息。例如用户，菜单，协议这些平台界面操作相关的信息。就类似我们平时开发的系统一样。（2） 时序库：存储接收的数据，接收你通过接口存储的接收到的数据。设备的元数据。（3）redis主要是缓存，token，用户登录状态。总的来说，除了时序数据，其他和我们开发的软件没有什么差别。
TDengine作为领先的物联网专用时序数据库，以其“一设备一表”的数据架构、超级表模型、高压缩比与超高读写性能、标准SQL支持以及分布式云原生能力，为智慧消防系统提供了强大且稳定的时序数据解决方案。特别地，它内置时序函数如滑动窗口、差分、聚合与时间对齐等，极大简化了对传感器数据的深度分析，如火警趋势检测、异常波动捕捉与历史对比分析，为智慧消防的智能预警提供强大的数据支撑。TDengine针对时序
长查询问题指的是在数据库写入和查询并存的日常应用场景中，存在处理数据量大且耗时很长的查询长时间占用系统资源，导致写入可能被阻塞的问题。有时，查询代码对于资源释放函数调用的遗忘也可能以长查询问题的形式表现出来。如何在数据写入不被阻塞同时，保证长查询的正确进行是一个具有挑战性的问题。在分析长查询问题之前，我们首先需要为大家普及一下 TDengine 的写入/查询并发机制。
2018 年到 2022 年，OpenTSDB 在我们私有化场景中的表现曾一度支撑着我们的系统，但随着业务的不断扩展，问题也接踵而至——高昂的部署成本、复杂的运维难题，让我们不得不寻求新的解决方案。同样地，对于指标计算，我们采用了类似的模型。对于日、月、年指标计算频率不一致的问题，我们也做了统一处理，现在所有计算频率统一为 15 分钟，并使用统一的时间窗口进行计算，确保数据的准确性。泛能网的建设理
兼容不是终点，只是开始。我们接下来还会和更多国产软硬件厂商一起，带来更多实用的数据解决方案，把这条自主可控的路走得更远、更扎实。如果你也在信创环境里做业务，或者有兼容性相关的技术问题，欢迎在评论区交流，我们一起来打通更多可能性。V3.0 和麒麟信安旗下的桌面、服务器、嵌入式系统等多个版本做了全套适配，结果非常理想：稳定运行，性能在线，充分验证了。在麒麟信安的操作系统生态里已经“通关打卡”，无论你用
是 C/C++ 中的条件编译指令，用于检查当前编译环境是否为苹果（Apple）平台（如 macOS 或 iOS）。该宏由苹果平台的编译器（如 Clang）自动定义，标识当前系统为苹果生态。总结：这段代码的作用是仅在苹果系统下编译后续代码，常见于需要适配多平台的程序。在预处理阶段，编译器会根据目标平台自动定义相关宏（如。：若条件为真（宏已定义），则编译后续代码；常用于跨平台代码中，针对苹果系统编写特
性能、扩展性、生态支持横向对比，业务场景适配建议。
在展开分享之前，我先简单介绍一下指标采集业务和TDengine，以便帮助大家更好地理解背景和技术选型。1.指标采集业务采集、监控和告警。采集是首要环节，需要通过多种方式将服务器、应用等关键指标数据汇集到平台中，随后实现监控图表展示、告警策略触发等一系列运维操作。2.TDengineTDengine是一款开源、高性能、云原生的时序数据库。它针对物联网、车联网、工业互联网、金融和 IT 运维等场景进行
我对初期的员工，精挑细选，而且要求很高，3个月内，不符合我要求的，我一定会请走，前30位入职的，至少有一半都走了。做数据库创业，无论是过去，还是现在，都是极其之困难，只有能坚持、追求长期价值、乐意做难而正确的事情的人才适合这个赛道。这是我第三次创业，以前吃过很多苦头，踩过无数的坑，因此懂怎么建立精小的团队，怎么做减法，而不是加法，怎么知道钱应该花在哪里，知道怎么给产品精准定位。数据库是基础设施，是
在 2021 楼宇科技 TRUE 大会上，美的暖通与楼宇事业部首次发布了数字化平台 iBuilding，以“软驱硬核”方式赋能建筑行业。作为一个全新的项目，iBuilding 在数据库选型上比较谨慎，分别对比了多款 Database 产品之后，才做出了自己的选择。本文分享了他们的数据库选型思考和落地经验。...
时序数据库TDengine核心优势与应用场景 摘要：时序数据库TDengine针对物联网、工业监测等带时间戳的海量数据场景，通过"一设备一表"模型和时间分区机制，大幅提升性能。与传统关系型数据库相比，TDengine在写入速度（单机每秒百万级）、存储压缩（10-30倍）和查询效率（自动时间裁剪）方面具有显著优势。其核心功能包括超级表模板定义、动态子表生成、预聚合计算(TSMA)和冷热数据分层管理，
散点图的核心价值在于探索和展示两个变量之间的关系。散点图的主要功能包括通过观察点的分布形态，可以判断两个变量之间是否存在关联，以及关联的方向和强度、发现异常值、观察数据分布，进行聚类分析和回归分析（线性回归、指数回归、多项式回归）。
当其他数据库还在拼硬件、拼集群规模时，TDengine 时序数据库 已经用架构创新解决了性能瓶颈。它不是“更快的 InfluxDB”，而是重新定义了时序数据库的速度与形态。在工业数据时代，性能从来不是奢侈品，而是基础能力。而 TDengine 时序数据库，正是那台“能写、能算、能撑场面”的中国引擎。
TDengine边云协同解决方案凭借其高效的数据同步能力、灵活的配置机制和强大的实时处理性能，成为应对工业互联网场景下数据管理挑战的有力工具。通过统一的边云架构，TDengine能够在满足边缘侧实时处理需求的同时，将大量数据高效汇聚至云端，帮助企业在数据分析和决策上实现全局视角。希望本文能够帮助企业更好地理解边云协同技术的优势，并为其未来的数字化转型和智能化生产提供有价值的参考。
10.SQL 参考 |：08 SQL 差异：TDengine v3.x（v3.3.x / v3.4.x）|最后更新：2026-07-22TDengine 兼容大部分标准 SQL 但有时序特性扩展和限制。本文系统列出与 MySQL/PostgreSQL 等关系数据库的核心差异，帮助迁移和误用排查。
IoT 物联网平台：设备时序 + 元数据宽表 + 日志检索统一管理，适用于替代 InfluxDB+MySQL+ES 三库拼接方案工业物联网：传感器时序采集 + 设备画像 + 异常检索，适用于预测性维护与数字孪生车联网与智能交通：车载传感器时序 + 车辆档案 + 轨迹检索，适用于大规模车队数据底座互联网运维监控：Metrics 时序 + 配置宽表 + 日志检索，适用于替代 Prometheus+My
本文从 TCO（总拥有成本）角度，深入分析 TDengine 在硬件成本、运维成本、开发成本方面的优势，为企业技术选型提供成本参考。从 TCO 角度分析，TDengine 在硬件、软件、运维、开发四个维度均具有显著成本优势，是性价比最高的国产时序数据库选择。：时序数据库、TDengine、成本分析、TCO、性价比。存储 100TB 数据。写入 100万条/秒。高（Flux 语言）
性能提升：通过这次平台升级，指标计算的及时性得到了大幅提升。对比以往，我们的计算时效性最少提高了 4 倍，最高的时候，例如从年指标计算频率两天一次提高到每分钟一次，时效性提高了 100 倍。计算时长方面，最少也缩短了两倍，最高提升了 8 倍。准确性提升：通过流式处理和层级加工的方式，我们的指标数据能够前后一致地匹配，解决了无序数据带来的准确性问题，客户投诉率接近零。同时，延迟数据的处理也更加智能化
本文从 TCO（总拥有成本）角度，深入分析 TDengine 在硬件成本、运维成本、开发成本方面的优势，为企业技术选型提供成本参考。
分页往往伴随着大量的列表请求。对于动辄存储千亿级数据的 TDengine 时序数据库，如果 API 接口的设计和调用依然沿用传统思维，必将陷入极其严重的性能泥潭。在 TDengine 中，由于时序数据天然以时间戳（Timestamp）作为主键，前端在请求下一页时，只需传入上一页最后一条记录的时间戳，底层引擎便能利用主键索引瞬间定位到目标数据块，无论翻到第几页，查询延迟都始终稳定。其核心思路是，记住
作为一款专注时序数据处理的开源数据库，TDengine 凭借其创新的架构和卓越的性能表现，已成为保障工业级业务连续性的关键技术选型。TDengine 针对时序数据访问特点，采用列式存储和专门优化的写入流水线，读写性能远超传统关系型数据库，经实际应用测试，具备超过 10 倍的吞吐能力。通过创新的“一设备一表”与超级表设计、领先的读写性能、高效压缩存储以及全面的分布式扩展机制，TDengine 为新时
摘要：TDengine在2025年墨天轮数据库排行榜中以211.25分蝉联时序数据库榜首，性能评分领先第二名30%，应用案例数达2.5倍。其写入性能达竞品6.7-10.6倍，查询性能提升28-37倍，存储压缩比1:10。在电力、电商等行业应用中，TDengine显著降低延迟和成本，成为国产时序数据库领军者，为国家数字化转型提供关键支撑。
不同的业务场景对时序数据的依赖程度和使用方式各异。无论是应对工业物联网中的海量设备数据，还是金融市场的高频交易数据，TDengine 都能凭借其优秀的数据保留策略，帮助企业在数据的海洋中精准导航，驶向成功的彼岸。通过制定科学的数据保留策略，如根据数据的时效性和使用频率，将数据分级存储在不同成本的存储介质上，能够在保证数据可用性的前提下，有效降低存储成本，实现存储资源的优化配置。根据数据的时间戳，设
摘要：TDengine作为国产开源时序数据库，在性能、架构、成本等方面展现出显著优势。TSBS测试显示，其写入速度达2.1M点/秒，查询性能比竞品快5-68倍，压缩比达18:1。创新架构采用"一个设备一张表"设计和超级表模型，结合内置流式计算，使系统复杂度降低60%。在实际应用中，TDengine可降低70%硬件成本，减少75%运维人力。3.0版本通过原生分布式架构升级，实现线
在制造业智能化产线监控实践中，杨凌美畅早期基于 TDengine3.0.7.1 Windows 开源版，支撑了 108 条产线、23 万测点的基础监控。随着业务规模迅速扩大，原有架构的性能与稳定性逐渐成为瓶颈。针对这一挑战，杨凌美畅组织专项攻关，引入 TDengine TSDB 企业版 3.3.6.10 Linux，并重构时序数据处理架构与数据模型。目前系统已稳定接入 500 条产线、150 万测
昆明卷烟厂数字化转型中，其原有Wonderware系统面临数据量激增、存储查询效率低等挑战。国产时序数据库TDengine以三节点集群成功应对百万级点位写入，3年压缩1.8万亿条数据至原空间的30%，完美兼容麒麟系统并与SCADA等系统无缝对接。这一方案不仅实现国产替代，更推动企业迈向智能制造新阶段。
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 TSDB 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
在传统制造业中，钢铁企业的数据系统往往像一座“钢筋水泥”般的堡垒——庞大、昂贵、难以变动。博思格钢铁（苏州）有限公司（BSS）也曾面临类似难题：每条生产线布满传感器，源源不断地产生工艺、设备、能耗等海量数据。早期系统以 PI 平台为主，虽然功能成熟，但在维护成本、扩展灵活性等方面却逐渐显出“力不从心”。随着产线数字化程度提高，数据的颗粒度更细、维度更复杂，传统平台的“钢筋逻辑”亟需重塑。为了更好地
随着生产规模的扩大及自动化水平的提升，设备状态、工艺参数和环境监测等数据量日益激增，传统信息化架构在海量数据存储和实时处理方面面临巨大挑战，难以支撑现代化生产的需求。为此，昆明卷烟厂决定引入。在建模方面，我们采用“1 个点位对应 1 张子表”的方式，实时存储来自卷烟机、包装机、滤棒成型机、切片机、加料机等制丝生产设备的数据，目前接入设备已超过 10 万台，且仍在持续增长中。接口设计不够灵活，当访问
在金融市场飞速发展的当下，行情数据的处理与分析已成为金融机构高效决策的关键支撑。华锐技术推出了华锐新一代历史行情中心——D5 平台，全面支持信创环境下的时序型历史行情数据库，具备海量数据存储能力，显著提升数据提取效率。相比传统方案，历史行情数据查询性能实现数倍提升本文将深入解析在 D5 平台中的应用实践，展示其在数据建模、性能优化、成本控制、运维简化等方面带来的核心优势。作为分布式低时延技术的引领
云原生时序数据库TDengine通过分布式架构设计实现高扩展性和弹性，支持水平扩展、存储计算分离和多级分区。其创新数据模型采用"一个数据采集点一张表"的设计，结合超级表机制有效解决高基数问题。通过RAFT协议保证数据高可用，支持多副本部署。TDengine提供完整的可观测性支持与自动化运维工具，可原生部署于Kubernetes环境，充分发挥云计算优势，成为真正的云原生时序数据库
通过上述四步简单的配置过程，现在你可以轻松地享受到由TDengineCloud 私有连接带来的诸多好处，包括但不限于更高的安全性、更低的成本以及更好的性能表现。立即采取行动吧！访问TDengine Cloud官网，注册并创建免费实例。按照TDengine Cloud 私网连接配置文档完成私有连接设置，体验前所未有的数据传输效率与安全性。
本次从PostgreSQL数据库迁移至TDengine的体验整体非常流畅。即使在迁移过程中遇到问题，也能够借助官方提供的支持快速定位并解决，充分展现了TDengine工具的便捷性和研发团队的高效响应能力。如果你也对TDengine的迁移工具感兴趣，不妨亲自尝试操作，体验其强大的功能。
新年伊始，万象更新，TDengine 也是时候刷新一波荣誉墙了！从技术媒体到开源基金会从新能源到AI榜单元旦前这俩月奖杯🏆收到手软这些奖项不仅是权威机构对 TDengine 的高度认可更是对时序数据库技术在各领域深度应用的肯定接下来我们揭开这些奖项的庐山真面目带各位小伙伴一睹为快~
本文主要讲解涛思(TAOS)时序数据库2.6版本的初始化配置及使用。内容包括：1)Java项目连接TAOS的注意事项，强调JDBC驱动版本需与服务器TAOS版本一致；2)数据库初始化操作，包括创建/删除数据库、设置数据保留策略等；3)数据表管理，详细说明父表/子表的创建方法及增删改查操作；4)远程连接配置，提供默认端口和认证信息。文中提供了相关官方文档链接，帮助解决Java连接问题和数据库操作问题
之前在《》提到过，TDengine通过多副本和多节点能够保证数据库集群的高可用。单对于应用端来说，如果使用原生连接方式（taosc）还好，当一个节点下线，应用不会受到影响；但如果使用了Restful/Websocket连接方式，而前端又没有部署负载均衡，那么必须调整应用程序，才能继续访问数据库。对此我们可以采用TDengine+Keepalived 架构，使用VIP保证在没有负载均衡的情况下数据库
问题来自于 某java交流群来自于 做 flink 开发的一位朋友然后 这个问题的排查 也是费了不少的时间, 主要是 他那边经常会去客户现场什么的 造成沟通不便但是 好在最后 问题是解决了主要的业务是从 tdengine 读取一批次数据, 然后进行数据处理, 然后 最后采集一个结果输出到客户端, 都是一些 较为平常的操作。
tdengine时序数据库学习使用
TDengine 流式计算功能实现了车辆行驶数据的实时处理和分类，也很好地实现了运输车辆超时停车预警，减轻了服务端的计算压力。
HikariCP连接池结合TDengine使用，科学设置HikariCP的max-lifetime配置项
InfluxDB作为目前业界最流行的一个TSDB，以性能作为突出特点而闻名，作为行业标杆，而TDengine官方称道在InfluxDB最优的环境条件下，TDengine的写入速度是它的两倍！只有当安装第二个或以后更多的节点时，才需要输入已有集群中任何一个可用节点的 FQDN，支持该新节点加入集群。当然也可以不输入，而是在新节点启动前，配置到新节点的配置文件中。2、TDengine 使用 FQDN
tdengine
——tdengine
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
DAMO开发者矩阵
乐奇 Rokid 开放社区
天工造物局
