登录社区云，与社区用户共同成长
邀请您加入社区
KaiwuDB 时序数据库深度解析：在智慧能源领域实战指南
本文详细解析了时序数据库Apache IoTDB的部署与应用。从单机与Docker两种部署方式入手，手把手指导安装与基础CLI操作。文章深入工业场景，结合智能工厂预测性维护与新能源电站监控等案例，阐述了IoTDB如何解决海量时序数据写入、高效压缩与快速查询等核心痛点，并提供了生产环境集群部署与性能调优的实战指南。
第一、postgresql数据库的膨胀问题例如，其多版本并发控制（MVCC）机制虽然提升了读并发性能，但也可能带来存储空间需要定期通过 VACUUM等操作进行维护的考虑其实这个存储空间，也就是表膨胀，索引膨胀，wal日志膨胀这几个膨胀对于运维工作来说，是非常不友好的表膨胀和索引膨胀对于postgresql数据库的性能来说，影响是非常巨大的，并且这两个膨胀是没有限制的，也就是说，如果发生了表膨胀而你
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
时序数据库系列（七）：性能监控实战指标收集
它们的形式为`运算符=`，等价于先执行运算再赋值。print(f后赋值：a= 3 → a = {a}# 输出：加后赋值：a= 3 → a = 8。print(f后赋值：b -= 2 → b = {b}# 输出：减后赋值：b -= 2 → b = 8。print(f运算赋值：f = 3 → f = {f}# 输出：幂运算赋值：f = 3 → f = 8。print(f赋值：x = {x}, y =
回答结构清晰，分为标准库、Web框架、数据库工具、日志与配置、测试工具和其他实用库等部分。- 最佳实践：优先使用标准库，只在必要时引入第三方库，以避免依赖膨胀。GORM：流行的ORM（对象关系映射）库，支持多种数据库（如MySQL、PostgreSQL），简化CRUD操作。testify：增强测试功能，提供断言（assertions）和模拟（mocks）。sync：并发控制工具，如互斥锁（Mute
时序数据库系列（一）：InfluxDB入门指南核心概念详解
时序数据库是专为处理物联网、监控等场景下海量时序数据而设计的存储系统。针对时序数据高写入、时间有序、多维度查询的特点，InfluxDB等专业时序数据库采用TSM（Time-Structured Merge Tree）专用存储引擎，通过时间分片、列式存储和高效压缩技术优化性能。其核心架构包括WAL日志、内存缓存和磁盘文件分层存储，支持预计算聚合和最近数据优化，相比通用数据库在写入吞吐量和查询效率上有
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
IoTDB 通过多层缓存设计将元数据热区加载到内存，减少磁盘随机 IO 开销，提升查询响应速度。其核心价值在于平衡内存占用与元数据访问效率，尤其适合工业物联网场景下设备元数据规模动态变化的业务需求。启动时通过懒加载策略将部分元数据加载到内存，后续访问时通过 LRU 算法动态调整缓存优先级。写入操作通过 WAL 日志保证数据持久性，元数据变更先写入内存再异步刷盘，避免每次更新触发磁盘 IO。在 10
首先定义函数的数据结构：```java@Data```实现函数注册表，使用注册表模式管理所有可用函数：```java@Component}private FunctionDefinition createFunctionDefinition(String name) { // 根据实际函数创建定义 return new FunctionDefinition(name, "函数描述", null);
→ 是 → Amazon Timestream。→ 是 → TimescaleDB。→ 是 → TDengine。→ 是 → IoTDB。
代理模式是一种常见的设计模式，通过引入代理对象来控制对原始对象的访问。在Java中，代理主要分为静态代理和动态代理两大类。```java// 接口// 目标类@OverrideSystem.out.println("保存用户: " + username);// 静态代理类}@Overridepublic void saveUser(String username) { System.out.pri
Mock数据是指在测试过程中使用的虚拟数据，它模拟了实际应用程序中的数据结构，但并不代表真实的数据源。Mock数据的使用能够有效隔离外部依赖，比如数据库、第三方服务等，使得单元测试更加聚焦于业务逻辑的验证。单元测试用例则是为了验证程序中某个最小功能单元是否按照预期工作所编写的测试代码。通过单元测试，开发人员能够及早发现程序中的潜在问题，提高软件的质量和可靠性。
本文详细介绍了如何使用TDengine内置的taosBenchmark性能测试工具，模拟百万级智能电表数据的写入场景。通过深度解析配置文件核心参数、提供调优策略与实战结果解读，帮助开发者精准评估时序数据库在高并发写入下的性能表现，为物联网海量数据处理架构提供可靠依据。
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。
特性时序数据库传统关系型数据库数据模型时间序列（时间戳，标签，指标）关系表（行和列）写入模式高吞吐、几乎只追加随机读写、频繁更新查询模式基于时间范围的聚合灵活的关联和复杂查询优化目标写入速度、存储压缩、时间范围查询事务一致性、数据完整性、灵活性总而言之，当时你的业务产生了海量的、基于时间的、几乎只增不改的数据，并且你需要对这些数据进行高效的写入和基于时间的聚合分析时，时序数据库就是你不可或缺的强大
时序数据存储：关系数据库 vs 时序数据库的核心差异与优化策略 时序数据（如传感器数据、监控指标）具有高频写入、时间有序、量大等特点。相比关系数据库，时序数据库（TSDB）在存储结构、写入性能、查询效率和成本方面具有显著优势：采用列式存储提升压缩率，支持批量写入和标签索引，内置时间分区和预聚合功能。为降低存储成本，建议选择开源TSDB、优化数据模型、利用压缩与分层存储、实施生命周期管理，并采用云原
随着我们火箭的批量化的交付，以及试验频率的增加，我们的试验会越来越多，那以原来传统方式的存储的话，我们的文件量会越来越大，这个不管是测试端还是分析端，大家对于数据存储的空间问题都是一个很头疼的问题。上线的这个版本，有一个 plus 的功能，这个东西可做可不做，他的想法是做，我的想法是不做。他打了个比方来解释这种思维转变的挑战：“比如这个楼，你在里面要去做一个东西，为了不破坏这个楼的完整性，你需要了
本文针对TDengine时序数据库在高并发写入场景下的性能瓶颈，提供了实战优化方案。核心在于正确配置HikariCP连接池以避免连接成为瓶颈，并充分利用超级表特性进行高效的批量数据插入。通过详细的代码示例和参数解析，指导开发者显著提升数据写入吞吐量和应用稳定性。
《时序数据库InfluxDB3的安装与部署实践》 摘要：随着传统软件开发岗位收缩，时序数据库因物联网和工业自动化需求崛起。本文详细介绍InfluxDB3的安装部署过程：1）通过Docker部署核心服务，配置网络、数据持久化及安全令牌；2）安装Web管理界面Explorer，配置端口映射和目录挂载；3）建立Explorer与核心服务的连接配置。文章提供了完整的命令行操作和配置说明，帮助开发者快速搭建
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
选型决策矩阵需求场景推荐版本配置建议超高频采样(>10kHz)IoTDB 1.0集群版启用TsFile压缩多数据中心同步IoTDB 1.2+配置跨机房副本实时流分析启用TsFile-HDFS适配性能优化口诀一调JVM内存，二优磁盘IO，三扩DataNode数，四分时间区间。🔥🔥🔥道阻且长,行则将至,让我们一起加油吧！🌙🌙🌙。
本文提供了一份Apache IoTDB时序数据库的5分钟快速上手实战指南。内容涵盖从环境准备、一键部署到使用CLI客户端完成首次数据写入的全过程，帮助物联网开发者和数据工程师快速验证并掌握这一高效时序数据管理工具的核心操作。
【代码】时序数据库-涛思数据库。
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
Flux语言中的aggregateWindow()函数是InfluxDB处理时间序列数据的核心工具，可按指定时间窗口（如分钟、小时）对数据进行分组聚合。该函数支持平均值、求和等多种聚合方式，并可通过参数控制窗口大小、聚合列、空窗口处理等。典型应用场景包括将秒级数据降采样为分钟/小时级数据，支持按标签分组聚合。使用时需注意窗口对齐方式和性能优化，与window()函数相比它集成了分组和聚合功能，更适
摘要：本文对比分析了InfluxDB与MySQL在处理1000台物流设备（10秒/次采集频率）监控数据时的性能差异。InfluxDB在写入吞吐量（12K/s）、查询延迟（<10ms）和存储效率（1/5磁盘占用）方面优势显著，适合实时监控和时间聚合分析；MySQL则更适合业务数据管理。建议核心监控采用InfluxDB，关联业务数据使用MySQL的混合方案，并给出了C#集成实现方案和优化建议（如
时序数据库（TSDB）是专为处理时间序列数据优化的数据库系统，广泛应用于物联网、金融监控等领域。核心特性包括高效写入（达梦DMTDM支持千万级/秒）、时间范围查询、高压缩率（TDengine可节省90%存储）和时序分析能力。主流产品各具特色：InfluxDB适合实时分析，TDengine针对工业互联网优化，TimescaleDB兼容SQL标准，而国产DMTDM支持分布式架构。选型需考虑企业规模，中
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
支持两卫星星间交换监控数据：管理卫星的 CPU 负载、温度、电压等测点数据，并通过双活架构建立星际双副本传输，实现星间数据实时同步，构建高可用太空数据库。值得一提的是，作为高性能国产时序数据库，IoTDB 为朱雀二号改进型火箭试验提供了高效数据管理支撑，同时为天仪 45 星（北邮二号）和天仪 46 星（北邮三号）提供了卫星间的数据互备份、星地数据协同、不定期关机场景下数据的断点恢复与续传等能力，实
数据派THU作为数据科学类公众号，背靠清华大学大数据研究中心，分享前沿数据科学与大数据技术创新研究动态、持续传播数据科学知识，努力建设数据人才聚集平台、打造中国大数据最强集团军。为天仪 45 星（北邮二号）和天仪 46 星（北邮三号）提供了卫星间的数据互备份、星地数据协同、不定期关机场景下数据的断点恢复与续传等能力，，天算星座是北京邮电大学发起并主导建设的开放开源卫星研究平台，旨在使全球学术界能够
摘要：本章是java环境下升级V2.0.2IoTDB环境下的一些配套升级和注意点。
时序数据库
influxdb
influxdb基本操作大全
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。
/创建数据库对象 (用法和EF Dappper一样通过new保证线程安全)//获取无参数化SQL 对性能有影响，特别大的SQL参数多的，调试使用。//获取原生SQL推荐 5.1.4.63性能OK。//数据库是主键需要加上IsPrimaryKey。//数据是自增需要加上IsIdentity。//注意：要完全和数据库一致2个属性。//注意多租户 有几个设置几个。//实体与数据库结构一样。
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~
如何 部署 及 使用 etl crontab 和 etl engine
戳下方名片，关注并星标！回复“1024”获取2TB学习资源！????体系化学习：运维工程师打怪升级进阶之路 4.0— 特色专栏—MySQL/PostgreSQL/MongoDBElasticSearch/Hadoop/RedisKubernetes/Docker/DevOpsKafka/RabbitMQ/Zookeeper监控平台/应用与服务/集群管理N...
——时序数据库
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
天工造物局
