登录社区云，与社区用户共同成长
邀请您加入社区
为规范基于AI大模型的时序数据管理平台技术和能力，指导提升AI大模型在时序数据领域的管理、建设应用，促进相关技术创新发展，完善行业协同生态，中国信通院依托CCSA TC601开展《基于AI大模型的时序数据管理平台技术要求》标准编制工作，围绕AI时序数据应用、时序模型管理、时序数据建模和组织、时序数据情景化、时序数据标准化、时序数据预处理、时序数据可视化、时序数据实时分析、事件管理、时序数据服务、平
它无需下载客户端，兼容性强，可与PowerPoint、AIPPT等工具搭配使用，在现有课件中插入互动模块，丰富课件的互动形式，不影响整体内容逻辑。我在制作美术、语文、地理、生物等需要大量图片素材的课件时，经常用到这款工具，它的AI生图、海量正版素材功能，能让抽象知识点转化为生动直观的视觉内容，同时操作简单，无需专业设计技能。同时注意简洁性，每页课件聚焦1-2个核心知识点，文字字号不小于24号，配色
工业企业正在经历从“自动化”走向“数据驱动运营”的关键阶段：预测性维护、质量追溯、能耗优化、异常检测、工艺优化以及工业 AI/大模型协同等应用被寄予厚望。数据可用但不可信，结论可算但不可用。根因在于工业数据与传统业务数据的生产条件完全不同：高频时序、强实时、强物理约束、强上下文依赖、持续变化、且治理失效的代价可能直接影响安全与连续生产。由此，工业数据治理不是通用数据治理在工业领域的“套壳”，而是一
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。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。
摘要：TDengine ODBC驱动程序支持Windows系统应用通过标准接口访问TDengine时序数据库，提供WebSocket（推荐）和原生两种连接方式，其中WebSocket兼容性更优且支持云服务。安装需匹配应用程序架构（32/64位）并配置数据源名称，支持多种编程语言通过ODBC API交互。驱动程序持续更新功能并优化性能，最新版本支持视图、二进制数据类型及工业软件兼容适配。详细配置方法
taosX 通过 SQL 查询源集群数据，并把查询结果写入到目标数据库。具体实现上，taosX 以一个子表的一个时间段的数据作为查询的基本单元，将要迁移的数据分批写入目标数据库。history模式。指迁移指定时间范围内的数据，若不指定时间范围，则迁移截至创建任务前的所有数据。迁移完则任务停止。realtime模式。同步从任务创建时间起之后的数据，若不手动停止任务则任务会持续运行。both模式。先执
taosAdapter 是一个 TDengine 的配套工具，是 TDengine 和应用程序之间的桥梁和适配器，实例运行在服务器上，对外提供 Restful 及 WebSocket 的无需安装 TDengine 客户端的轻量化访问 TDengine 接口服务。TDengine 的各语言连接器通过 WebSocket 接口与 TDengine 进行通信，因此必须安装 taosAdapter。
本文介绍如何配置AVEVA Historian与TDengine的数据集成任务。操作步骤包括：1）新增数据源并配置连接信息；2）选择数据采集模式（迁移或同步）；3）设置数据映射规则；4）配置高级选项（并发控制、批次大小等）；5）定义异常处理策略（17种异常场景应对方案）；6）提交任务并监控运行状态。系统支持历史数据迁移和实时数据同步两种场景，提供数据过滤、列拆分、自动建表等功能，可灵活处理各类数据
deepseek 搭建 IDMP 需要的元素
网络延时总网络延时 = 传输延时 + 传播延时 + 处理延时 + 排队延时实际用网络时，常关注三种延时，它们对应不同场景：1. 单向延时（One-Way Latency）定义：数据从发出到对方收到的 “单程” 时间。适用场景：对时间特别敏感的情况，如实时通信、卫星通信。测量难点：需要让发数据和收数据的设备时间完全一致，不平时很少用这种方式测。2. 往返延时（Round-Trip Time, RTT
摘要：本文通过200组测试用例对比DeepSeek-R1与通义千问(Qwen)的代码生成能力。测试显示，DeepSeek在准确率(94.3% vs 83.7%)、响应速度(163ms vs 241ms)和复杂场景处理(21.5%差距)上优势显著。具体表现为：基础语法(98.7%通过率)、算法实现(100%正确使用优先队列)、工程实践(92%锁粒度控制)等方面表现优异。建议将DeepSeek用于高精
近日，TDengine 3.3.6.0 版本正式发布。除了此前已亮相的时序数据分析 AI 智能体 TDgpt，本次更新还带来了多个针对性能与易用性的重要增强：虚拟表全面上线，支持更灵活的一设备一表建模；JDBC 写入机制全新升级，单线程性能最高提升 60 倍；流计算支持 CONTINUOUS_WINDOW_CLOSE 模式、事件通知机制等关键能力，为实时处理打下更稳固的基础。本文为你整理了该版本的
TDengine 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。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。
TDengine IDMP与网易有数BI选型对比摘要 在数字化转型中，TDengine IDMP与网易有数BI定位迥异：前者专注时序与非时序混合数据的一体化分析，支持工业协议接入、毫秒级实时处理及边缘部署，适合制造、金融等需混合数据协同的场景；后者侧重云原生通用BI，提供低代码操作和丰富可视化模板，适配零售、互联网等非时序数据分析需求。 关键差异： 数据处理：IDMP支持时序数据深度优化（百万级写
公司围绕 “(1+1)×N” 战略，通过 KaihongOS 与 KaihongOS Meta 的协同创新，打造开放、安全的“开鸿安全数字底座”，赋能智慧交通、智慧城市、智慧能源、智慧教育、智慧康养等重点领域。的应用，不仅让物联展区能够实时呈现多类设备的运行状态，也为后续智慧交通、智慧城市、智慧能源等应用场景的探索提供了可复用的技术路径。高并发写入和毫秒级查询的能力，展区实现了对空调、智能灯杆、毫
每个工程师可能都遇到过类似场景：时序数据沉淀在数据库中，格式规范、查询快捷，但当任务升级——比如滑窗聚合、多源拼接、机器学习训练——一些业务可能就需要更强的计算能力和更灵活的分析工具。专注于高效存储与极速查询，而在数据“算力”层面，我们选择了更强的伙伴。现在，正式开放与 Apache Spark 的无缝集成通道。一个是高性能、低成本的时序数据库，一个是横扫大数据世界的分析引擎，二者协同，打通了“数
他是大数据领域的杰出专家，拥有超过十项一作发明专利，是中国通信行业标准《大数据 消息中间件技术要求与测试方法》的重要编写者，并凭借数据中间件领域的突出成就荣获 2019 年“CJK OSS Award”。他是腾讯云 TVP 专家和 TGO 鲲鹏会北京分会会长，以深厚的技术底蕴和领导力推动行业发展。他曾带领团队攻克一个又一个技术难关，从中国移动到亿瑞互动，再到 DataPipeline，无数成功案例
TD小T导读他是大数据领域的杰出专家，拥有超过十项一作发明专利，是中国通信行业标准《大数据 消息中间件技术要求与测试方法》的重要编写者，并凭借数据中间件领域的突出成就荣获 2019 年“CJK OSS Award”。他是腾讯云 TVP 专家和 TGO 鲲鹏会北京分会会长，以深厚的技术底蕴和领导力推动行业发展。他曾带领团队攻克一个又一个技术难关，从中国移动到亿瑞互动，再到 DataPipeline，
摘要：taospy是TDengine数据库的Python官方连接器，支持原生、REST和WebSocket三种连接方式。主要功能包括数据写入、查询、订阅、参数绑定等，兼容Python3.0+版本。连接器提供完善的异常处理和数据类型映射，并开源在GitHub仓库。WebSocket连接方式兼具高性能和低依赖优势，推荐使用。文档详细介绍了安装方法、使用示例、API参考及常见问题解决方案。（150字）
图像处理技术的发展历程，是一部不断突破感知极限、赋能万千应用的创新史。它从一个专门的学术领域，成长为支撑现代科技社会的基石技术之一。未来，随着算法的精进、算力的增长以及与应用场景的深度融合，图像处理技术将继续拓展人类认知的边界，为科学研究、产业发展和社会生活带来更多突破性的变革，其潜力与前景，不可估量。
TDengine 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
DaModel（丹摩DAMODEL｜让AI开发更简单！算力租赁上丹摩！）是一个专注于提供高性能计算资源和服务的平台，特别是针对人工智能开发、机器学习、深度学习等领域的应用。该网站提供的服务和资源可以帮助用户更高效地进行模型训练、算法测试以及数据处理等工作。资源丰富：平台提供丰富的主流硬件资源配置，可适用于各类应用场景。定制部署：根据用户需求提供从方案设计、部署实施，到日常运维、系统优化等全流程的服
工业 4.0 的核心是 “数据驱动”，而数据驱动的前提是 “数据自由流动”。TDengine 从开源内核出发，通过标准兼容打破工具壁垒，通过 MQTT 订阅升级拓宽数据接入场景，通过多平台发布功能打通下游链路，构建起覆盖工业数据全生命周期的开放生态 —— 既解决了传统系统的 “孤岛困境”，又契合中国工业企业 “国产化、低成本、高效率” 的数字化需求。随着工业 AI、数字孪生等技术的深入应用，工业数
Flutter混编上最大的一个问题，就是Engine的使用，从内存和性能，以及混合栈等多个层面上的综合考虑，业界给出了很多不同的Engine管理方案，就官方而言，在add2app文档中，就列出了几种不同的Engine管理方式，例如直接创建Engine、使用FlutterEngineCache等方式，官方文档如下所示。https://docs.flutter.dev/development/add-
TDengine 在电力行业的实践
近日，江苏金恒信息科技股份有限公司在南京举办了以“精益协同 聚力共赢”为主题的 2025 年度供应商大会，来自全国各地的 27 家生态伙伴齐聚一堂，共话工业智能化与供应链协同发展的新机遇。涛思数据凭借在时序数据库与工业数据管理领域的持续创新与卓越表现，荣获称号。图：金恒科技颁发“2024–2025年度卓越供应商”奖牌。
某些数据库版本可能与IDEA的数据库插件或驱动程序不兼容，导致无法正确打开某些表。这个问题耽误了我整整一天，我的问题出在表名出现特殊字符，由于我用的涛思数据，所以表名根据规则自动生成，就没有在意，导致耽误时间。：如果某些表的数据在数据库中没有正确同步或者未及时刷新，可能会导致无法打开这些表。：如果你连接的数据库账户没有足够的权限来访问某些表，那么就无法打开这些表。请确保连接的数据库账户具有足够的权
Perspective 是一款开源且强大的数据可视化库，由 [Prospective.co](https://www.perspective.co/) 开发，运用 `WebAssembly` 和 `Web Workers` 技术，在 Web 应用中实现交互式实时数据分析，能在浏览器端提供高性能可视化能力。借助它，开发者可构建实时更新的仪表盘、图表等，用户能轻松与数据交互，按需求筛选、排序及挖掘数据
同时，TDgpt 提供内置的通用模型，并支持与合作伙伴算法方案的无缝对接，使用户可以根据自身业务场景灵活选择最适配的模型方案，TDgpt 当前已支持多种主流时序基础模型，包括 Salesforce 的 Uni2TS、Amazon 的 Chronos、Google 的 TimesFM、小红书的 Time-MoE，以及涛思数据自研的。，并同步开源其核心代码。，并持续集成更多优秀的时序开源算法模型。通过
在智能电网、配电自动化、新能源监控等电力业务场景中，设备测点数据、传感器读数、运行状态等时序数据正以前所未有的速度增长。本文系统提出电力行业选择时序数据库的五大关键维度：性能、存储效率、可靠性、生态兼容性及战略适配性，并给出具体评估方法。建议电力企业在选型过程中，将上述维度量化为具体的评估指标，通过PoC测试进行严格验证，并可将TDengine作为重点评估对象，以做出最符合业务长远发展的技术决策。
Authorization 的值为 Basic + TDengine 的 {username}:{password} 经过 Base64 编码之后的字符串, 例如 root:taosdata 编码后实际填入的值为：Basic cm9vdDp0YW9zZGF0YQ==组件安装完成，模拟数据写入成功后，按照 Grafana 可视化界面的操作指引，完成业务所需数据可视化配置。print(f"连接到EMQ
为了帮助社区用户更好地进行数据分析和管理，丰富可视化解决方案的多样性，我们将开源的时序数据库 TDengine OSS 与开源的数据库分析工具进行了集成，相信这对终极开源工具一定能帮助你释放数据潜力。
凭借卓越的性能和强大的功能，TDengine成功搭建了 OT 与 IT 场景之间的高效过渡桥梁。未来，业务应用将不再受制于 OT 数据与 IT 业务数据格式的差异，数据整合与应用将更加顺畅。随着业务规模的不断扩大，TDengine的易用性优势将愈发显著，为企业数字化转型筑牢坚实的数据根基，助力企业迈向智能化、高效化的未来发展之路。
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，广泛运用于物联网、车联网、工业互联网、IT运维等领域。它和上述的平台主要区别是，分成社区版、企业版和云服务版，其中社区版免费开源面向广大用户。北京涛思数据科技有限公司创始人陶建辉将目标瞄准物联网数据市场，专注时序空间大数据的存储、查询、分析和计算。目前公司已经获得红杉资本中国基金、经纬中国、GGV纪源资本、
一、大数据产业发展现状分析大数据产业规模不断扩大随着移动互联网、物联网、云计算产业的深入发展，大数据国家战略的加速落地，大数据产业体量呈现爆发式增长态势。数据显示，2017年中国大数据产业规模达到4800亿元，同比增长23%；其中，大数据硬件产业的产值为234亿元，同比增长39%。数据显示，2018年我国大数据产业规模突破6000亿元；随着大数据在各行业的融合应用不断深化，预计2019年中国...
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
机器/深度学习模型一般要求训练集样本量足够大，才能取得不错的预测效果。训练过程要消耗一定量的时间和计算资源，并需要根据输入的数据进行定期的训练以及更新模型。TDgpt 内置了 PyTorch 和 Keras 机器学习库。所有使用 PyTorch 或 Keras 开发的模型均可以驱动运行。本章介绍将预训练完成的机器/深度学习分析模型添加到 TDgpt 中的方法。
TDengine 提供的五种备份 / 恢复方法各有优劣与适用场景：* taosdump ：社区版首选，适合小到中数据量的开放格式备份；* taosX ：企业版推荐，功能全面，支持复杂迁移与增量操作；* taos-CLI ：轻量临时备份，适合小数据量灵活导出；* 库文件备份 ：灾备场景必选，离线操作但覆盖全量数据；* 双活 ：高可用首选，保障业务连续性但资源消耗大。企业需结合数据规模、可用资源、场景
如何将基于 OpenTSDB 的应用快速、安全、可靠地迁移到 TDengine 之上。
本篇主要讲解taos数据库的初始化，相关配置说明，数据库和表的创建问题以及java项目连接等问题。
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。: 统一设备位置信息的大小写格式,便于数据查询和统计。:
SIMICAS® OEM 设备远程运维套件是由 SIEMENS DE&DS DSM 团队开发的一套面向设备制造商的数字化解决方案。在确定选择 TDengine 作为系统的时序数据库后，他们在 SIMICAS® OEM 2.0 版本中移除了 Flink、Kafka 以及 Redis，大大简化了系统架构。...
若计划使用 TDengine 搭建一个时序数据平台，须提前对计算资源、存储资源和网络资源进行详细规划，以确保满足业务场景的需求。通常 TDengine 会运行多个进程，包括 taosd、taosadapter、taoskeeper、taos-explorer 和 taosx。在这些进程中，taoskeeper、taos-explorer、taosadapter 和 taosx 的资源占用相对较少，
本文档旨在介绍 TDengine 安装部署前后配套的巡检工具。工具名称功能简介安装前检查部署前对 TDengine 安装部署的依赖要素进行安装前检查安装前预配置部署前对 TDengine 安装部署的依赖要素进行安装前预配置安装部署指定环境安装部署 TDengine例行巡检基于 TDengine 环境，进行例行巡检和告警。
tdengine
——tdengine
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
2048 AI社区
火山引擎 ADG 社区
CSDN-OPC开发者社区
Laval社区
九章云极普惠算力
鲲鹏昇腾开发者社区
开源鸿蒙跨平台开发者社区
DAMO开发者矩阵
永洪数据分析社区
EazyDevelop社区
