登录社区云，与社区用户共同成长
邀请您加入社区
PairDrop 是一款非常实用的文件传输工具，它解决了跨平台文件传输的痛点，让文件分享变得简单快捷。最重要的是，它完全免费且开源，值得推荐给所有需要频繁传输文件的用户。PairDrop是一款开源的跨系统的文件传输工具，灵感来自于苹果的AirDrop。它是Snapdrop的分支,允许在本地网络上发送图像、文档或文本，也可以通过互联网传输文件，无需安装任何应用，即开即用。类似AirDrop的多平台解
具身智能落地面临高质量时序标注数据瓶颈，某头部企业与澳鹏合作，通过多基地协同、双语专家团队、标准化SOP及自研MatrixGo平台，实现5,000+小时高精度具身时序数据标注与10,000+小时审核，攻克双语语义理解、0.1秒级时间戳精度与工具缺失难题，构建可复用的数据闭环体系，显著提升模型泛化能力与数据集质量。
数学上有两个看着无关的问题，一个问"一个集合要包含所有方向的线段，最小能有多小"，一个问"平面上 n 个点之间单位距离的边最多能有多少"，落到这儿其实是同一句话：用尽量少的连接，覆盖尽量多的方向。近期看一个多智能体沙盒的结果，有个细节一直搁在心里：把里面的 Agent 换成更强的模型，整体产出没有涨，反而多出一堆互相否决、重复劳动、谁也不肯让路的空转。有意思的是，压边数、留公共状态、扰动后拉回来这
2026 年，工业 AI 的剧本很统一：先做一个智能问数的 demo，惊艳全场；然后，就没有然后了。一个典型场景：运维主管对着刚上线的 AI 助手问，"过去 24 小时哪些设备温度异常？"这句问话看似简单，拆开是三件事——AI 得拿到过去 24 小时的实时数据；得知道"温度"对应哪些测点、单位是什么、超过多少算异常；最后还得真的在生产库上执行查询、给出结果。三件事，件件都发生在数据库这一侧。模型能
打开 飞书 App（或网页版 https://www.feishu.cn）创建一个新群聊，点击右上角 设置→ 「群机器人」 → 「添加机器人」选择 「自定义机器人」名称可以自定义，例如：打卡通知打卡成功。点击「添加」，复制 Webhook 地址（一长串 URL，以 https://open.feishu.cn/open-apis/bot/v2/hook/ 开头）原文使用了“自定义关键词”安全规则，
本文介绍了一款面向6-18岁儿童的端到端具身交互智能编程导师，突破传统网课“讲—听—作业”模式，实现1对1实时互动。它具备感知、理解、决策、行动与反馈的持续交互能力，支持智能打断、跨设备延续学习记录，并能根据孩子水平自动调整难度。通过真实案例展示其在Scratch到C++全路径教学中的应用，强调“陪伴频率”与即时反馈的重要性，让编程学习更高效、有趣且可持续。
在C语言中，第一个经典程序是输出 World简单程序。包含标准输入输出函数库，提供`printf()`等基础功能。每个C程序必须包含`main()`函数，它是程序执行的起点。int main() {// 程序入口函数。> 1. 预处理指令（`#include`）> 3. 基础I/O操作（`printf()`）`printf()`是格式化输出函数。> 2. 函数结构（`main()`）1. 将代码保
3.times { |x| puts 循环 #{x}# x从0开始。1. 优先使用`each`等迭代器而非`for`，更符合Ruby风格。puts 计时: #{count}ncount -= 1。3. 复杂逻辑可使用`begin...end while`组合。puts#{char} 位置: #{idx}n。puts : #{n2}# 计算$n^2$puts 次数: #{i}ni= 1。- `red
Erlang函数的定义与调用一、函数定义规则1. 模块声明：函数必须定义在模块内erlang-module(module_name).% 模块名需与文件名一致2. 导出声明：指定可被外部调用的函数erlang-export([function_name/arity]).% arity=参数数量3. 函数语法：erlangfunction_name(Param1, Param2) ->Express
创建一个新的Python文件（例如`hello.py`），并输入以下代码。2. 导航到文件所在目录，输入命令：`python hello.py`（如果使用Python 3，可能需要输入`python3 hello.py`）。- 错误处理：如果运行时报错，检查代码是否拼写正确（例如，`print`不要写成`prin`）。- 扩展学习：一旦成功运行，你可以尝试修改字符串，如`print(，世界！- `
但当你的数据量到了这个程度：打开一个CSV文件要等30秒，做VLOOKUP操作时软件卡死，想筛选某个条件得先关掉其他文件，这时候就该。一个课题组里，有一两个人会用MySQL管理底层数据，其他人用Excel和Python对接查询结果，这个分工本身就是效率提升。第一步：运行安装程序压缩包解压后，找到安装程序文件，右键选择以管理员身份运行。已有的数据流程不需要推倒重建，直接对接即可。第三步：选择安装模式
本文提供了InfluxDB v2.4.0面向生产环境的完整部署指南，涵盖二进制包与Docker两种主流安装方式。详细讲解了如何配置Systemd服务实现开机自启与进程守护，并深入解析了数据持久化、网络访问、安全加固及常见问题排查等关键运维实践，帮助用户构建稳定可靠的时序数据库服务。
为了能够快速体验 TDengine TSDB 的完整功能，推荐您使用 TDengine TSDB-Enterprise. 本节首先介绍如何通过安装包快速安装 TDengine TSDB-Enterprise, 然后介绍如何在 Linux 环境下体验 TDengine TSDB 的写入、查询、可视化管理、与 Grafana 集成和零代码数据写入等功能。如果您希望为 TDengine TSDB 贡献代
这种在线编译环境的使用非常直观，用户只需要在浏览器中打开相应的网址，进入编辑页面，选择适合的编译选项，即可直接开始编程。作为行业领先的软件，三菱编程软件不仅具备强大的功能，还能够大幅提升生产效率和精度，适应不同的制造需求，尤其是在智能制造和自动化控制方面具有不可替代的优势。随着智能化、数字化趋势的加强，三菱编程软件必将在未来的制造业中发挥更加重要的作用，助力企业实现更高效、更智能的生产模式。其精确
这样，用户能够在软件层面就发现潜在的错误或问题，减少了现场调试的时间，提高了系统的可靠性。这样，企业可以通过远程监控和控制，优化生产线的运行，提高生产效率和管理水平。首先，预处理是C语言编译的第一步，主要任务是处理代码中的预处理指令，如宏定义、文件包含和条件编译等。总之，三菱PLC编程软件Work2凭借其易用性和强大功能，已成为众多自动化领域工程师的首选工具，帮助企业在自动化系统的设计与调试中取得
数据库：安装 [SQL Server Management Studio](https://aka.ms/ssms) 或 [Azure Data Studio](https://learn.microsoft.com/en-us/sql/azure-data-studio/download)- 下载地址： [.NET 官方下载页](https://dotnet.microsoft.com/down
嵌入式软件开发中的架构选择直接影响着系统的性能、稳定性和可扩展性。单片机架构、RTOS架构和微内核架构各有优缺点，开发者应根据实际需求做出合理的选择。随着嵌入式系统需求的日益复杂化，架构设计的灵活性和模块化成为越来越重要的考量因素。在未来，嵌入式系统将会更加智能化、网络化，架构设计的挑战也将更加严峻。总之，了解并掌握不同嵌入式架构的特点，能够帮助开发者更好地应对日益复杂的嵌入式软件开发任务，创造出
随着技术的不断发展，程序员的需求日益增加，尤其是C#程序员。最后，随着人工智能和自动化技术的兴起，程序员的工作内容可能会发生变化，C#程序员需要具备更强的适应能力。总的来说，C#程序员的就业前景依然非常乐观，只要不断提升技能，抓住行业发展趋势，就能在未来的职场中立于不败之地。尽管C#主要用于桌面开发，但随着ASP.NET Core和Xamarin等技术的兴起，C#在Web开发和移动开发中的应用也逐
关于文章的内容，可以围绕中GETS与Sc#ANF的技术细节、应用场景、优势与挑战等方面展开，结合实际案例进行分析，同时穿插一些表情符号来增强可读性和亲和力。在技术日新月异的今天，GETS和Sc#ANF技术已经成为了数据处理和应用开发中的重要组成部分。GETS与Sc#ANF技术将如何在未来的技术领域中占据一席之地。中GETS与Sc#ANF的深度与应用技巧 | 深入探索两大技术在实际中的应用与发展。-
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。
6. 点击顶部菜单栏的「数据库」，选择「新建数据库连接」，在时间序列数据库列表中找到 tdengine 并双击打开，连接方式选择 URL，输入用户名和密码（默认为 root 和 taosdata），点击「测试连接」，显示成功即可完成连接。5. 点击「库」标签页，如果已有旧版本驱动，先将其删除，然后点击「添加文件」，选择刚才下载的 taos-jdbcdriver-3.0.0-dist.jar 文件，
JavaScript（简称JS）是一种广泛使用的脚本语言，尤其在网页开发中，它为网页提供了交互性。它可以与HTML和CSS一起使用，动态地更新网页内容和样式。?????在这篇教程中，我们介绍了JavaScript的基础知识，从变量、数据类型到控制结构、函数、事件处理和DOM操作。如果你掌握了这些基础，你就可以开始构建自己的网页和应用程序了！??继续学习，深入理解JavaScript，你将能创建更复
JavaScript（简称JS）是一种由网景公司（Netscape）开发的脚本语言，最早用于网页浏览器中的脚本编写。随着时间的发展，JavaScript逐渐成为Web开发的核心技术之一，尤其是在前端开发领域。它是一种动态、弱类型、解释型的语言。你可以用它来操控网页上的元素、处理用户交互、甚至是进行网络请求等任务。??JavaScript是一门非常强大且灵活的语言。掌握它后，你可以开发各种类型的应用
ARIMA：Autoregressive Integrated Moving Average，即自回归移动平均模型，记作 ARIMA(p,d,q)，是统计模型中最常见的一种用来进行时间序列预测的模型。ARIMA 模型是一种自回归模型，只需要自变量即可预测后续的值。ARIMA 模型要求时间序列平稳，或经过差分处理后平稳，如果是不平稳的数据，无法获得正确的结果。平稳的时间序列：其性质不随观测时间的变化
有的版本DataGrip查询出来的timestamp字段显示时区不正确 需要设置中找到该设置，将原来的设置 yyyy-MM-dd HH:mm:ss 修改为: yyyy-MM-dd HH:mm:ss.SSS z 即可。注意：只能修改第一个,修改后提示错误，但是查询数据时能成功格式化时间，修改第二个不生效，可能是 bug。DataGrip默认也是不支持tdengine的，需要自己添加驱动。连接的时候使
自己也记录一下过程：将hosts文件拖到桌面，以记事本方式打开后进行修改保存，然后再拖拽回C:\Windows\System32\drivers\etc文件夹下，拖拽过程会有以下提示，点击继续即可。本次教程的前提是已经安装好TDengine服务端了，假设TDengine服务端设置的hostname为td01，TDengine服务端ip为127.0.0.1。双击TDengine-client-2.0
本文详细介绍了Python在时间数据处理方面的应用，包括时间戳、时期等时间类型，date_range、时间数据重采样、时间滑动窗口等内容。文章通过实例展示了Python内置库和第三方库的强大功能，为高效处理时间数据提供了实用指南，适合各类数据分析和开发人员参考。
2026 年，全国重点工业互联网平台接入的工业设备已经超过 1 亿台（套）。传感器越装越密，采样越调越快，一座水电站的在线监测测点能规划到 200 万个，一条产线的设备数据分析按秒出结果。工业物联网平台立项，数据库选型成了绕不开的一笔投资。麻烦在于，市面上的选型文章大多还停在几年前的标准，比一比写入速度、压缩比、部署复杂度，就下结论。这些指标当然要看，可它们早就是及格线。真正把项目拖垮的，多半是计
从InfluxDB到DolphinDB的替代，不仅是技术选型的升级，更是工业数据处理范式的跃迁。面对海量测点、实时计算与AI融合的新需求，DolphinDB凭借原生分布式架构、流批一体计算、2000+深度优化函数及内嵌AI Agent平台DolphinX，实现“存算一体”与智能闭环。其在能源、制造、核工业等领域的规模化落地，验证了国产时序数据库在性能、安全与信创适配上的全面超越。替代不是简单平移，
随着物联网、金融行情和云原生监控等场景的数据规模爆发，时序数据成为现代数据架构的核心支柱。当AI应用需要高质量的历史数据做预测、异常检测和趋势分析时，传统仅面向监控存储的时序数据库已难以满足需求。理解时序数据存储格式、写入吞吐、查询能力和数据压缩等基础概念，是评估数据库能否支撑AI工作负载的前提。当前主流解决方案通过列式存储、向量化执行和原生AI算子，将特征工程与模型推理下沉到数据库内部，减少数据
01 TDgpt 概览TDgpt 是 TDengine 内置的 AI 能力扩展，提供时序预测、异常检测、智能分析。本文介绍 TDgpt 的定位、架构、能力体系。
<think>我们根据所给内容生成不超过150字的摘要。需要提炼核心：工业一体机数据采集系统，用Python实现从串口读Modbus到InfluxDB，含调度、问题处理。控制在150字内。</think>本文介绍基于工业一体机的数据采集系统：使用Python通过Modbus-RTU串口读取PLC/传感器数据，经清洗后写入InfluxDB时序数据库，并集成APSchedule
DolphinDB 是一款集高性能时序数据库、流数据处理和复杂分析于一体的国产一体化平台。它专为金融、物联网、工业互联网等海量时序数据场景设计，提供从数据存储、实时计算到深度分析的全栈能力。DolphinDB 凭借其高性能、一体化的设计，在时序数据处理领域展现出显著优势。对于需要处理海量时序数据并进行实时分析的应用，它是一个值得深入研究和采用的技术选型。
标题：DolphinDB通过国家安全可靠测评 国产时序数据库进入关键基础设施领域 摘要：2026年5月，DolphinDB成为首批通过国家安全可靠测评的时序数据库，标志着该品类正式纳入国家关键信息基础设施安全版图。测评设置了核心技术、安全保障、持续发展和行业应用四道硬门槛，DolphinDB凭借存算一体、流批一体、多模存储等创新架构设计，以及完整的ACID事务支持，在金融、核工业、能源电力等关键领
本文分析了2026年国产时序数据库的生态格局与技术路线，重点探讨了金仓时序数据库的融合多模架构优势。文章指出，当前国产时序数据库已形成极致性能型、多模融合型和云原生开源型三大技术路线，金仓选择了以KES关系型数据库为核心的多模融合路径。通过内核级多模态融合、企业级能力复用和复杂场景优化，金仓实现了时序数据与关系型、空间等数据的统一处理。实战部分展示了金仓的SQL兼容性、跨表关联等特性，并通过行业案
本文分析了时序数据库选型的核心问题，指出写入、压缩和查询构成"不可能三角"，需根据业务需求权衡取舍。文章比较了InfluxDB（写入优先）、TimescaleDB（平衡型）、Prometheus（短期监控）、金仓时序数据库（多模融合）和Amazon Timestream（云原生）等产品的特性差异，从写入吞吐、压缩比和查询能力三方面评估性能表现，并针对不同应用场景给出选型建议，强调应根据业务痛点、数
数据丢点、时序乱序、同步延迟等问题，都会造成设备状态误判、运维决策偏差、生产控制失效，在核电、航天等关键场景中，极易引发安全生产风险。等关键基础设施领域，海量的数据来自设备传感器，它们是不同时间上收集到的数据，用于所描述现象随时间变化的情况——也就是时序数据。从核心技术自主性、安全保障能力、供应链可持续性等核心维度，对产品研发、生产、交付、运维、迭代全流程进行“穿透式”审查。mechoDB 的突破
数字孪生、三维重构与透明建筑技术的协同升级正推动码头智慧运营进入新阶段。通过"可动可实时"的核心突破，实现从静态呈现到动态交互、单点应用到全域协同的跨越。升级后的技术体系以三维动态重构为基础，结合透明建筑的可视化穿透和数字孪生的智能决策，形成全流程闭环管控，显著提升装卸效率、仓储管理和安全防控水平。这种深度技术融合不仅解决了传统应用中的数据孤岛问题，更重塑了码头运营模式，为港口数字化转型提供强劲动
简单来说，时序数据库是专门用于处理带时间标签（即时间序列）数据的数据库。你手机里的心率监测数据、电动汽车的电池状态变化、风力发电机每秒钟的转速、智能电表每一分钟的读数——这些都是典型的时序数据。这类数据有一个共同特点：产生频率极快、数据量极大、且几乎总是“追加写入”，极少修改。为了应对这种“海量高速”的数据洪流，时序数据库应运而生。超高写入吞吐：能轻松应对每秒数百万个数据点的写入压力。极致压缩比：
jetlinks默认支持TDengine存储数据，但是没有支持作为时序库。TDengine如果要实现，需要扩展一下。
本文探讨了时序数据库从InfluxDB到金仓数据库的国产化替代实践，重点分析了金仓在时序性能、SQL支持和企业级功能上的优势。通过实测数据对比，金仓在大规模设备场景下的写入和查询性能显著优于InfluxDB，特别是在复杂分析查询中表现突出。文章还提供了平滑迁移方案和企业级应用场景的决策指南。
本文深入解析Apache IoTDB的SessionPool连接池核心参数配置与性能调优策略。通过剖析maxSize、fetchSize、waitTimeout等关键参数的工作原理，结合真实压测数据，为工业物联网、智能运维等高并发时序数据应用场景提供生产级配置指南，帮助开发者有效提升系统吞吐量与稳定性。
本文全面解析Apache IoTDB时序数据库在工业物联网中的实战应用。从单机与Docker两种部署方式入手，详细介绍了通过CLI进行数据建模、写入与查询的核心操作，并深入探讨了其在应对高并发写入、海量存储及边云协同架构中的解决方案，为构建可靠高效的工业数据平台提供完整指南。
本文提供了一份从零搭建工业级Apache IoTDB时序数据库集群的实战指南。文章详细阐述了3C3D集群架构规划、部署步骤，并深入剖析了针对高并发写入与毫秒级查询的性能调优秘籍，涵盖内存管理、磁盘I/O、JVM优化及高可用运维监控，帮助应对海量时序数据处理挑战。
京能集团在储能安全管理平台中采用 TDengine TSDB 作为底层时序数据库。依托 TDengine 企业版的零代码数据写入平台，来自全国 28 家电化学储能电站的数据能够按照统一编码规则高效接入 TDengine 时序数据库中，实现了稳定、高性能的数据采集与管理。在此基础上，借助 TDengine TSDB Flink Connector，系统可快速、稳定地从数据库中读取海量数据，开展实时分
本文详细介绍了在Windows平台使用TimescaleDB和PostgreSQL12搭建物联网时序数据库的完整流程。从环境准备、核心组件安装到超表设计与性能优化，逐步指导读者构建高效的物联网数据存储解决方案。特别针对Windows系统提供了专属配置技巧和性能调优方法，帮助开发者快速掌握时序数据库的实战应用。
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
北京朝阳AI社区
DAMO开发者矩阵
openEuler 社区
乐奇 Rokid 开放社区
