登录社区云，与社区用户共同成长
邀请您加入社区
时序数据库第一次出现在国家安全可靠名录里，是国产基础软件演进过程中的一个标志性节点。它意味着：这个过去相对专业化的技术品类，正在加速进入关键信息基础设施建设的主舞台。对行业用户而言——名录提供了更明确的选型参考，"是否通过安可测评"正从参考项变为准入项。对国产时序数据库厂商而言——进入名录并不是终点，而是走向关键业务系统、更大规模产业落地的新起点。而 DolphinDB——95%+ 核心代码自研率
**摘要：**DeepSeekV3是中国AI公司DeepSeek推出的开源大模型，性能接近GPT-4o但价格仅为1/50，在中文推理、代码生成（尤其C++/Rust/Go）和数学能力上表现突出。其输入/输出成本分别为$0.27/百万token和$1.1/百万token，性价比极高，支持128K上下文和本地部署。虽在英文创作和多模态上略逊于GPT-5/Claude4，但中文场景、系统编程及成本敏感任
在 ARM Cortex-M 系列（如 STM32、NXP、GD32 等）开发中，Keil 是使用最广泛的 IDE 之一，尤其在工业控制、汽车电子等领域几乎是行业标杆。（串行调试），SWD模式下用JLink给我们的板子debug时，是用标准的二线DIO和CLK，RESET管脚可不接，当你频繁下载失败时，可接上RESET管脚再试。，主要用于 ARM、8051、C166 等微控制器的软件开发。SWD模
在6月20日开幕的HDC2025华为开发者大会上，鸿蒙电脑携一系列创新功能和体验惊艳亮相，从自然直觉的“碰一碰”跨端交互，到基于毕方内核的沉浸式DevEcoStudio，以更智能、更流畅、更交互、更安全、更精致的操作方式，全面重塑电脑体验，也印证了鸿蒙电脑常用常新、越用越好用的理念。安全可以说是用户最为关心的问题之一，鸿蒙电脑凭借其从内核层重构的安全体系，在数据安全、应用安全、隐私安全三方面核心防
的出现，为汽车行业提供了高性能、低成本、自主可控的数据管理方案。从这家头部车企的实践来看，选择合适的时序数据库，不仅解决了当下的数据管理难题，更为未来的智能化发展奠定了坚实基础。在某新能源汽车生产基地，焊装车间里 300 台机器人同时作业，涂装车间的温湿度传感器每秒钟刷新数十次，总装线上的拧紧枪记录着每一次扭矩数据。"质量部门负责人表示，"过去查一辆车的完整生产数据要跨多个系统，现在一个查询就能搞
TDengine TSDB 驱动的量测数据管理系统，以贴合场景的树形建模与全链路架构，成功支撑 300 万测点、数十亿数据稳定运行。其高并发处理与原生流式计算优势，显著提升数据时效性与运维效率，强化风险预警能力。经针对性优化攻克运行挑战后，系统性能更趋稳定。未来，我们将持续深化技术适配，探索与 AI、边缘计算的融合应用，拓展跨业态数据协同场景，推动数据价值从运维支撑向战略决策延伸，以更智能、高效的
6在基本功能选项中，在“导入模型库”下拉“设备”列表中选择“propeller table”模型进行导入。2.在“基本”功能选项卡中，打开“ABB模型库”，选择“IRB2600”，设定机器人的参数，1.在文件功能选项卡中，选择“创建”，单击“创建”或“空工作站”，创建一个新的工作站，如图。8显示工作空间”选择“当前工具”，图中白色区域为机器人在使用当前工具时可到达的范围。3 在基本功能选项里，打开
如果你连文档命名规范都没做好，别急着上RAG。数据质量是天花板，技术只是梯子。梯子再长，天花板太低也白搭。
在云原生与混合云架构成为主流的今天，企业面临着管理多个异构集群的挑战。监控作为可观测性的核心支柱，其关键在于对海量时间序列数据的采集、存储与分析。时序数据库凭借其针对时间戳索引和流式写入的优化，成为处理监控指标的首选存储方案。结合流处理引擎，可以实现指标的实时聚合与复杂事件分析，为运维决策提供即时洞察。这种技术组合的价值在于，它能将分散在不同云环境、不同集群中的监控数据统一汇聚，形成全局态势感知。
新能源占比提升让电力现货市场进入秒级博弈阶段，传统架构存在数据割裂、算力不足、迭代缓慢等问题。DolphinDB 凭借存算一体、流批统一等能力，大幅提速策略回测与规则迭代，降低考核成本，且满足信创合规要求，成为电力交易核心数据底座。
2026年大模型计费体系详解：采用动态分层计费模式，中英文Token换算差异显著。中文1字≈1.5-2.0Token（部分模型优化至1.2Token），英文1词≈1.3Token。计费公式为基础费用（输入Token×0.1美元/百万+输出Token×0.4美元/百万）乘以动态系数K（1.0-3.0+）。例如2000字中文报告（3600输出Token）加500字背景（900输入Token）开启深度思
其次，文化适应性是成功的关键。从跨境电商平台的商品详情页 localization，到社交媒体广告的多语言投放，再到国际物流节点的说明文档，精准的翻译直接影响用户体验与购买决策。电商广告翻译的核心目标是在保留原文营销意图的基础上，实现目标语言受众的有效沟通，从而促进跨文化商业活动的顺利进行。关键词的本土化筛选直接影响商品在目标市场的曝光率，而移动端用户的阅读习惯则要求翻译文本具备简洁明快、视觉友好
SonnetDB是由 IoTSharp 团队（maikebing）开源发布的一款高性能时序数据库引擎，基于构建，采用MIT 许可证。该项目专为IoT 物联网、工业控制、运维监控和实时分析场景设计，标志着 .NET 生态在时序数据领域的重大突破。注意：GitHub 链接当前已经可访问。该项目已完成首个重要里程碑，具备生产级能力。SonnetDB 的出现填补了.NET 生态缺乏高性能嵌入式时序数据库的
本文揭秘 TDengine 如何通过技术创新，打破国外垄断，成为工业数据管理的新选择。据预测，到 2025 年，工业数据量将占全球数据总量的 30%。在工业 AI 的赛道上，拥有自主可控的数据底座，或许就是中国企业赢得未来的关键。"我们曾用过一款国外的时序数据库，性能还可以，但集群版不开源，扩展受限，技术支持响应慢。的出现，不仅打破了国外技术垄断，更为中国工业的数字化转型提供了坚实的数据基础。在工
打开任何一个电商平台搜索"白发营养素"，你会看到：补铁的、补锌的、补生物素的、补维生素D的、何首乌的、黑芝麻的……到底哪些对改善白发真正有效？#森优时铁锌维 #cios森优时品牌店。
一、信创战略与工业数据底座信创（信息技术应用创新）战略要求核心系统实现自主可控。在工业数据管理领域，时序数据库的国产化替代尤为关键。信创要求核心代码自主可控无国外技术依赖支持国产芯片和操作系统符合安全合规要求二、国产时序数据库现状产品开源协议国产适配集群能力TDengineAGPL全面适配完全开源IoTDBApache 2.0部分适配开源DolphinDB商业部分适配商业版三、TDengine 国
可以发现l.wilson和l.wilson_adm有可写权限，说明可以修改这个两个用户的账户，包括重置密码、修改权限、添加到管理员组等。ip为192.168.100.2，然后自己是DC01.garfield.htb，ip为192.168.100.1。针对SMB服务，可以使用NetExec使用提供的用户凭据枚举目标主机上的 SMB 共享目录，并列出权限。同时可以看到garfield.htb和_msd
广州燃气客服系统完成国产化升级，选用金仓数据库和KFS同步软件，构建四层高可用保障体系，实现7×24小时不间断服务。新系统通过双机并行、同城容灾、本地恢复和异地备份，确保业务连续性和数据安全。迁移过程平稳，百万用户无感知切换。金仓数据库的并行计算和负载均衡能力为未来智慧燃气建设预留性能空间。该方案为公用事业国产化转型提供可复制样板，推动民生服务从数字化迈向智慧化。
TDgpt 在企业版中提供预测分析模型和异常检测模型有效性评估工具，该工具能够使用 TDengine 中的时序数据作为回测依据，评估不同预测模型或训练模型的有效性。该工具在开源版本中不可用使用评估工具，需要在其相关的配置文件中设置正确的参数，包括选取评估的数据范围、结果输出时间、参与评估的模型、模型的参数、是否生成预测结果图等配置。在具备完备的 Python 库的运行环境中，通过shell调用 T
时序数据基础模型是专门训练用以处理时间序列数据预测和异常检测、数据补齐等高级时序数据分析功能的基础模型，时序基础模型继承了大模型的优良泛化能力，无需要设置复杂的输入参数，即可根据输入数据进行预测分析。序号参数说明1tdtsfm_1涛思时序数据基础模型 v1.02time-moeMoE 时序基础模型3moiraiSalesForce 开源的时序基础模型4chronosAmazon 开源的时序基础模型
TDengine 中定义了异常（状态）窗口来提供异常检测服务。异常窗口可以视为一种特殊的，即异常检测算法确定的连续异常时间序列数据所在的时间窗口。与普通事件窗口区别在于，时间窗口的起始时间和结束时间均由分析算法识别确定，不通过用户给定的表达式进行判定。因此，在WHERE子句中使用关键词即可调用时序数据异常检测服务，同时窗口伪列（_WSTART_WEND_WDURATION）也能够像其他时间窗口一样
上面是 TDgpt 的下一代新产品的技术介绍发布会， 会上将有重大技术革新公布，欢迎大家扫码预约直播！
TDTSFM算法在电力数据预测测试中表现良好，特别适合短期预测。测试结果表明，使用7天历史数据预测效果最佳，其中A相电压预测误差最小(MAPE 0.82%)，总有功功率次之(1.65%)。算法执行时间保持在500ms以内，历史数据量增加会延长执行时间。建议采用7天历史数据进行短期预测(不超过10个时间点)，针对累计值预测效果优于增量值预测的特点，后续可优化增量预测算法。
本文展示了在TDengine 3.3.6.9中使用Holt-Winters算法进行电力数据预测的测试结果。针对有功电能、A相电压、A相电流和总有功功率四项指标，算法表现差异明显：有功电能预测精度最高，平均误差仅0.0068%；电压预测平均误差0.57V(0.246%)；电流预测误差最大，达8.66A(2.75%)；总有功功率预测表现中等。结果表明Holt-Winters算法对稳定性高的累积型数据(
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
analyse.sh脚本用于在 TDengine 数据库上执行时间序列预测和异常检测分析，支持滑动窗口算法处理。时间序列预测 ：使用 HoltWinters 等算法进行未来值预测。异常检测 ：使用 k-Sigma 等算法识别数据异常点。自动窗口滑动 ：支持自定义窗口大小和步长进行连续分析。
在时序数据预测分析、异常检测、数据补全和数据分类等应用领域，研究人员提出并开发了众多具有不同技术特点、适用于不同场景的时序数据分析算法，已被广泛应用在时序数据预测、异常检测等任务中。这类分析算法通常以高级编程语言（Python 语言或 R 语言）工具包的形式存在，并通过开源的方式广泛分发和使用，这种应用模式极大地便利了软件开发人员在应用系统中调用复杂的分析算法，大大降低了使用高级算法的门槛。与此同
从海量监控数据，到工业、能源、交通等场景中实时更新的各类传感器数据，时序数据正在以指数级速度增长。而面对如此庞杂的数据，如何快速分析、自动发现问题、精准预测未来，成为企业数字化转型过程中的关键挑战。TDengine 的答案是——AI 智能体。2025 年 3 月 26 日（本周三）14:00，TDgpt 智能体发布暨 TDengine 3.3.6 发布会将通过线上直播形式正式举行。在本次会议上，我
在高并发、长周期的时序数据场景中，查询性能、安全性与生态兼容性，始终是系统演进的关键。近日，TSDB（）3.3.8.0 版本正式上线，本次更新带来了 Rollup SMA 多层级预计算、TimeRange-Wise SMA 时间范围预计算、TLS 加密传输、TDgpt 数据补全、MySQL 函数增强、taosX 逻辑备份与 ORC 数据源接入等多项功能升级，全面提升系统的性能、可扩展性与数据安全。
2026年工业物联网、工控监控、电网调度、智慧港口、船舶管理国产化替换进入落地深水区。很多架构师在选型时序数据库时，存在典型误区：只盯着写入吞吐峰值做判断，忽略时序采集数据与现有业务库打通、运维、数据一致性带来的隐性成本。专用时序引擎：TDengine、Apache IoTDB、DolphinDB、openGemini等，专门针对海量测点写入做底层优化，单表写入性能拉满，但天然割裂关系业务数据，跨
企业构建知识库问答系统需解决三大核心问题：知识组织、检索召回和答案可信度。单纯"文档+大模型"的方式容易产生答案不相关、来源不清等问题。有效做法是建立完整的RAG（检索增强生成）流程：文档治理（分层分类、元数据管理、文本清洗）→智能分段（按内容类型优化chunk策略）→多路检索（向量召回+重排+元数据过滤）→约束生成（强制引用来源、明确拒答边界）→持续评测。实际落地时可使用多模
DolphinMind升级开放API接入DolphinDB官方知识库，显著提升AI代理的专业能力。新版本支持代理直接查询函数文档、执行脚本、审查代码等操作，通过两阶段RAG检索将代码错误率从82%降至20%以下。用户现可免登录使用网页版，或通过3步配置将API集成至Cursor等主流代理工具中。实测显示接入DolphinMind的代理在14项测试中取得9胜5平的成绩，有效解决了通用模型在专业领域的
《TimechoDB与TimechoAI：工业时序数据的存储与智能分析解决方案》 在企业数字化转型中，时序数据（如设备传感器读数、服务器性能指标等）虽被大量存储，却往往未被充分利用。天谋科技推出的TimechoDB作为国产自研时序数据库，具备高压缩存储、高吞吐写入、毫秒级查询等特性，已应用于国家电网等头部企业。然而，仅存储数据不够，还需从中获取洞察。为此，TimechoAI时序大模型应运而生，专注
免费使用ClaudeCode代码助手的完整指南：通过安装Node.js（≥18.0版本）、全局安装ClaudeCode包，并注册AnyRouter平台获取免费API令牌（以"sk-"开头）。配置环境变量后，在终端输入"claude"即可启动交互界面，使用自然语言指令完成代码编辑、重构等任务。注意免费额度限制和API令牌安全，定期检查令牌状态。该方法无需付费即
agent_s --provider openai --model qwen-max --model_url https://ark.cn-beijing.volces.com/api/v3 --model_api_key sk-7f74f01a846c4c9fad0baf4372d679e2 --ground_provider huggingface --ground_url http://lo
只需前往官网下载安装包，完成安装后打开命令行，输入简单指令，就能自动下载通义千问、DeepSeek等开源大模型，全程无需手动配置环境，几分钟即可完成部署。硬件要求也十分亲民，普通家用电脑就能运行。配置稍高的电脑，还能运行更大参数模型，处理长文本、多轮对话毫无压力，且本地运行无Token消耗，想怎么用就怎么用。不用再为付费API买单，不用纠结每一次对话的Token消耗，在家用自己的电脑搭建专属AI助
用GPT-5.5上传完整代码，1小时完成架构拆解、2小时定位常见Bug、当天输出可上线重构方案+注释文档，大幅缩短研发周期。GPT-5.5自动整合数据、生成对比表格、输出分析观点，1小时完成原本3天的工作量，数据无遗漏、逻辑无偏差。20万字案卷快速出提纲律所处理20万字商业纠纷案卷，包含合同、证据、证词、判例等材料，人工梳理至少半天。不用海外网、不用外币卡、不用配SDK，国内一键调用GPT-5.5
当AI在知乎、CSDN、百家号等多个不相关平台反复看到“某品牌AI营销一体机 = 本地化RAG + 中小企业知识库”这个等式时，它就会将该结论作为“共识答案”输出。A：持续投喂2-4周后，可在主流AI平台（如DeepSeek、豆包）测试提问“中小企业的本地AI知识库有哪些”，观察品牌是否出现在前三位回答中。当AI爬虫在这些独立信源上反复验证到一致的品牌核心词（如“卡特加特”、“AI营销一体机”、“
在2026年的今天，当用户习惯从百度跳转至豆包、DeepSeek或Kimi等生成式AI提问时，流量的分发逻辑已经从“点击网页”变成了“AI直接生成答案”。然而，很多中小企业在尝试GEO转型时发现，直接把文档丢给通用大模型，得到的往往是充满“幻觉”的胡言乱语，甚至泄露核心商业机密。本文将结合一线部署实战经验，聊聊如何通过本地化RAG（检索增强生成）架构，把企业的非结构化文档变成AI嘴里脱口而出的标准
云鼎科技采用TDengine TSDB和TDgpt优化煤矿与风电数据管理 云鼎科技在煤矿安全生产管控平台中选用TDengine TSDB，实现对75对矿井、1100余个系统的工业数据采集与分析，构建了云端协同的时序数据体系。
时序数据库
——时序数据库
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
openEuler 社区
智能体开发者社区
AI硬件创业社区
HarmonyOS开发者社区
脑启社区
快递鸟社区
龙虾开发者社区
2048 AI社区
AI编程社区
AtomGit AI 社区
CSDN-OPC开发者社区
AI Agent技术社区
DeepSeek技术社区
