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

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。

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

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。

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

​在数字化转型浪潮下，各行业都在积极探索如何利用先进技术提升运营效率与服务质量。供热行业也不例外，大量的热力数据亟待高效处理与分析。安阳益和热力集团有限公司（以下简称 “益和热力”）作为安阳市城市集中供热的关键力量，选择了 TDengine TSDB 作为其热力数据处理的基础时序数据库，成功应对了大规模数据挑战，实现了供热业务的数字化升级。本文将深入剖析益和热力采用 TDengine TSDB 的

现代新能源汽车，作为一种内部系统极为复杂的交通工具，配备了大量传感器、导航设备、应用软件，这些传感器产生的数据都需要上报到车联网平台当中。对于这些车辆的状态数据（如车速、发动机转速等）、位置数据（经纬度等）以及用户行为数据，车联网平台需要对它们进行实时/离线计算分析，从而为用户提升驾驶体验，提供安全保障，为厂商提供质量检测、功能优化，为交通管理部门提供流量、违章监测、甚至为城市规划提供帮助。

taosBenchmark 是 TDengine 产品性能基准测试工具，提供对 TDengine 产品写入、查询及订阅性能测试，输出性能指标。

如下图，payload 是 64bit 的 simple8B 数据，使用 AVX512 指令，通过并行同步移位和掩码的方式，一次提取出 8 个有效数据，并装载在 512bit 的寄存器里（32bit x 8），为 ZigZag 算法提供数据输入。特别是针对 Simple8B 和 ZigZag 算法的优化，让时序数据的处理得以实现更高效的并行计算，通过一次性处理多个数据，减少了指令数，显著提升了系统

长查询问题指的是在数据库写入和查询并存的日常应用场景中，存在处理数据量大且耗时很长的查询长时间占用系统资源，导致写入可能被阻塞的问题。有时，查询代码对于资源释放函数调用的遗忘也可能以长查询问题的形式表现出来。如何在数据写入不被阻塞同时，保证长查询的正确进行是一个具有挑战性的问题。在分析长查询问题之前，我们首先需要为大家普及一下 TDengine 的写入/查询并发机制。