登录社区云，与社区用户共同成长
邀请您加入社区
创业清华人走进清华科创中坚人物记录校友创新创业足迹传递清华创业精神力量清华校友三创大赛以创业校友影响力人物为对象开展系列人物访谈聆听他们的奋斗经历感受他们的精神风貌窥见清华校友身上独有的创业特质乔嘉林 清华大学软件学院校友几年之前，Apache IoTDB（物联网数据库）对于大多数工业企业来说，还是一个陌生的概念。天谋科技作为国内时序数据库商业化的探索者，以其高吞吐、高压缩、高可用的时序数据...
时序数据库选型面临物联网、工业互联网等场景下海量数据处理的挑战。本文对比分析了主流时序数据库的核心维度：InfluxDB适合中小规模监控场景，TimescaleDB兼容SQL但性能有限，OpenTSDB扩展性强但架构复杂。重点推荐专为物联网设计的Apache IoTDB，其树状数据模型贴合工业场景，具备千万级写入吞吐量、10:1高压缩比和端边云协同架构。
本文系统性介绍了时序数据库的选型要点，重点分析了Apache IoTDB的技术优势与应用场景。文章首先阐述了时序数据的特点与挑战，随后从性能、存储、扩展性等维度提出选型框架。通过详细解读IoTDB的高性能写入机制、自研TsFile格式、强大查询能力以及与大数据生态的集成，对比了其与InfluxDB等产品的差异。结合国家电网等实际案例，展示了IoTDB在降低存储成本、提升查询效率方面的显著效果。最后
随着数据规模的快速增长，数据治理已经成为各类组织必须面对的一项基础能力。在传统企业环境中，数据治理主要围绕业务数据展开，例如客户信息、财务数据、人力资源数据和交易记录，目标是确保合规性、数据质量和安全性。但在工业环境中，数据所处的条件完全不同。数据来自机器、传感器、控制系统和各类联网资产，持续产生、规模巨大、且高度实时。由此可见，工业数据治理绝非通用数据治理在工业领域的简单套用，而是一套受运营流程
今天，我们将一起探讨如何通过Windows自带的C语言编译器开始编写C语言程序，并介绍一些基本的使用技巧。此外，开发者还可以安装MinGW（Minimalist GNU for Windows），一个轻量级的编译器工具集，它同样可以用来编译C语言代码。在未来，我们不仅需要培养更多的人工智能技术人才，还需要加强伦理道德的建设，确保人工智能能够更好地服务于人类社会。从语音识别到图像识别，再到自然语言处
上周，涛思数据与EMQ在线上Meetup上联合发布了工业互联网一体化解决方案，基于TDengine、EMQ X搭建一个集工业数据采集、汇聚、清洗、存储分析以及可视化展示等能力于一体的轻量级边缘计算工业互联网平台。目前TDengine已经全面支持ARM 32和ARM 64处理器，那么为什么，TDengine是边缘侧数据更高效的存储选择？它比SQLite好在哪里？在Meetup上，涛思数据联合创始人侯
TVM是一个深度学习编译器，它为不同的硬件平台（如CPU、GPU、ASIC等）提供了自动化的优化和代码生成。TVM框架通过抽象计算图（Compute Graph）和中间表示（Intermediate Representation，IR）来表示计算任务，然后通过各种优化策略和硬件特定的调度方法生成高效的代码。TVM框架支持多种硬件平台的异构加速，可以针对不同硬件平台进行专门优化。
2021年8月，北京美信时代科技有限公司（简称“美信科技”）凭借业界领先的物联网大数据采集技术连续完成Pre-A和A两轮合计数千万元的战略融资，投资方为全栈智能运维（AIOps）厂商云智慧和全球智能运维产品提供商天旦。这两轮投资将帮助美信科技加快产品和技术的快速迭代，进一步强化美信科技在泛IT和物联网大数据采集领域的竞争地位。美信科技成立于2007年，经过十多年的技术沉淀，形成了由内向外的三层技术
Apache IoTDB v1.3.3.2在Kubernetes 1.24集群中的部署展示了其作为企业级时序数据库的成熟度与可靠性。通过本文提供的详细部署指南，读者可快速构建高可用、可扩展的时序数据平台，支撑物联网场景下的实时数据处理需求。未来，IoTDB将持续优化存储引擎性能，增强边缘计算能力，并深化与AIoT生态的集成。随着物联网应用的不断深化，IoTDB有望成为工业互联网领域的核心数据基础设
摘要：本文分享了InfluxDB国产化替代的实战经验。针对企业级场景下InfluxDB的性能瓶颈、运维复杂等问题，重点介绍了金仓时序数据库的解决方案。通过智能电网项目案例，详细阐述了从评估规划到迁移实施的全过程，包括数据特征分析、分区策略优化、索引设计等关键环节。文章提供了三个典型场景的代码实现（数据写入、实时告警、数据归档），并总结了迁移后的性能提升（写入吞吐提升40%，查询延迟降低85%）和成
在PX4-ROS2无人机仿真中，海量时序数据的高效管理是核心挑战。传统关系型数据库面临写入瓶颈、查询缓慢与存储成本高昂等问题。KaiWuDB作为分布式多模数据库，凭借其时序引擎提供百万级数据秒级写入与毫秒级查询能力，保障了仿真实时性；其高压缩比显著降低存储成本，多模融合架构支持时序数据、参数配置与事件日志的关联分析，为算法调试与性能优化提供统一数据视图。通过兼容PostgreSQL协议及云边端协同
在用transformer进行时序预测时，时常会纠结解码器的输入，如果采用现实值，那么在真实测试时该这么办呢。
随着制造业数字化的发展以及物联网应用的普及，越来越非互联网、业务系统的数据被采集、记录和存储。很多系统开发者熟悉的是 Oracle、MySQL等关系型数据库，以及像 Redis 这样的键值数据库，于是在物联网应用、制造业数字化应用中也延续了相似的数据库选型。这样做的好处很直接，产品熟悉，技术难度可控，开发工期可控。但随着系统运行时间的推移，该方案面临的性能挑战越来越大，而且在业务开发中会面临很多相
虚拟数据湖反射说明1、基础概念反射是从 现有表 或 视图派生的源数据或查询的优化具体化，类似于 “物化视图派生出 反射的表 或 视图是反射的锚点（基点或支柱点）Dremio 的查询优化器可以通过使用一个 或 多个反射来部分或全部满足该查询，而不是处理基础数据源中的原始数据，从而加速对表或视图的查询。查询不需要直接引用反射。相反，Dremio 会动态重写查询，选择最小的 查询计算成本 ，以使用满足查
今天给大家介绍一下哈佛和MIT最近联合发表的最新时间序列大模型工作，构建了一个统一的时间序列模型，能够处理各类时间序列任务，在38种不同的时间序列任务中，有27个都取得了最优效果。
Tsaug：是一个用于时序数据增强的 Python 库，它提供了一系列简洁且易用的时序数据增强方法。允许通过组合不同的增强方法来创建复杂的增强管道，适用于深度学习模型的训练。
本研究聚焦灵韵女子商会构建的智能商业赋能系统，通过分析其"她力量引擎"智能体的运作机制，探讨数字化时代女性创业者支持体系的创新路径。该系统整合AI诊断、资源匹配与知识传递功能，形成"问题识别-方案生成-资源对接"的服务闭环，为女性商业发展提供新型解决方案。灵韵女子商会的实践表明，智能交互系统能有效破解女性创业者的"三重困境"：通过AI诊断缓解战略迷茫，借助资源网络打破发展孤岛，运用知识封装提升决策
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
时序数据：10000+变电站设备的实时监控指标（电压、电流、温度、功率等）关系数据：设备台账、站点信息、维护记录、告警规则等数据规模：每秒写入约50万个数据点，日增数据约400GBKWDB的跨模查询（Cross-Model Query）允许在单条SQL中同时查询时序表和关系表，实现数据的无缝融合。传统架构 vs KWDB架构对比对比项传统架构KWDB跨模查询数据存储时序库 + 关系库统一存储引擎查
本文介绍了用Rust重写轨迹距离计算库traj-dist的经验。原Python库存在依赖老旧、安装困难的问题，作者使用Rust重写了7种核心算法。测试结果显示：相比Python实现性能提升389倍，相比Cython提升10倍。文章详细阐述了架构设计思路，包括Rust接口抽象、动态规划算法优化以及Python绑定实现。项目采用零拷贝技术优化性能，并通过trait设计保证扩展性，为轨迹分析提供了高性能
MATLAB并联机器人Stewart并联平台仿真s运动学逆解并联机器人运动学、动力学、算法、三维仿真Matlab Simulink simscape仿真自建仿真在机器人领域，并联机器人以其独特的结构和性能优势，吸引着众多研究者的目光。Stewart并联平台作为一种典型的并联机器人，在运动控制、精密定位等方面有着广泛应用。今天，咱就来唠唠如何在MATLAB环境下对Stewart并联平台进行全方位的仿
本文介绍了为KaiwuDB(KWDB)设计的Python原生数据库连接池解决方案。由于KaiwuDB缺乏内置连接池功能，作者基于threading和psycopg2开发了一个轻量级连接池，支持动态扩缩容、健康检查、线程安全等特性。文章详细说明了架构设计流程图，并开源了实现代码(包含连接管理、异常处理等模块)。通过实际测试验证了连接池在数据库启停状态下的可靠性，成功解决了高频读写场景下的连接性能问题
在做【生命科学】抗衰 APP 的健康数据模块时，我们很快明确了一个核心需求：要长期追踪用户的生理节律（比如心率），还得高效存、快速查 —— 毕竟抗衰分析的核心是 “长期趋势”，不是单次数据。所以数据库没选常用的关系型库，直接敲定了KWDB 时序数据库：它天然适配 “按时间节点存数据” 的场景，写入和查询效率比关系型库高了不止一个量级。
从整体来看，TDengine IDMP Excel Add-in 的价值，在于让工业数据真正进入日常工作流程。通过将已经治理和计算的数据引入 Excel，业务人员可以在熟悉的工具中完成分析和判断，减少重复取数和人工整理，让数据更快转化为可用信息。在此基础上，Excel Add-in 也为持续扩展留出了空间。无论是通过 SDK 支持更深度的系统集成，还是在后续迭代中探索与 AI 的结合，核心目标始终
多表低频是指根据数据库的配置，一个 vnode 中单次数据落盘的单表数据条数普遍小于 minRows 时，可视为多表低频场景。stt_trigger 是解决多表低频场景引入的一个参数和一套机制，stt_trigger 等于 1 时，数据是从buffer 直接落到最终的 data 文件中，零散的写入 last 中，当 stt_trigger 大于 1 时，原来的直接落盘被分成两步来完成，第一步数据先
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。访问文档：https://docs.taosdata.co
博客系统作为内容管理系统的轻量级实现，在2024年仍然具有重要价值。根据最新统计，超过60%的个人开发者选择自建博客来展示技术实力。一个成熟的博客系统需要具备文章管理、用户认证、评论交互等核心功能。现代Java博客系统的典型架构- 前端：Thymeleaf模板引擎 + Bootstrap5- 后端：Spring Boot 3.0 + Spring Security 6- 数据层：Spring Da
由openGauss社区、天开发展集团、天津市软件行业协会、天大智图（天津）科技有限公司联合主办的“openGauss Meetup • 天津站”已于10月13日落下帷幕，此次活动邀请到众多业内技术专家，从技术创新、学术创新、发展创新、以及生态共建等维度，与行业同仁共同探索数据库应用体系，探讨图数据库的最新技术动态、应用场景以及未来发展趋势，推动数据库技术创新的持久发展，为数据库的可持续发展注入源
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
魔乐社区
2048 AI社区
松山湖开发者村综合服务平台
DAMO开发者矩阵
人工智能6S服务平台
深开鸿 技术专区
CSDN-OPC开发者社区
