tdengine标签_AI编程社区

tdengine

个人常用网址导航

搜索网址...

szl59421111
2026-06-03 10:42:18

 278

 8

#tdengine
中国信通院”可信数据库”揭晓：TDengine 斩获 AI 大模型时序数据等三项专项

近日，中国信息通信研究院（简称”中国信通院”）2026 上半年评估测试结果正式揭晓。经来自联通软研院、陕西移动、瑞众人寿、上海国际汽车城、中国航信、邮储银行等单位的行业专家评审，，成为本批次中同时斩获 AI 大模型时序数据管理平台、时序数据库性能、时序数据库稳定性三大领域认可的数据库产品。其中，TDengine是通过基于 AI 大模型的时序数据管理平台全项测评的产品，时序数据库性能与稳定性两项专项

 老段，万物互联之物联网
2026-07-06 20:25:42

 546

 8

#数据库 #tdengine #人工智能 +3
AI公司也开始用这种方式庆祝了

上周五深夜，北京著名的工体酒吧一条街上，一家名叫"迈阿密"的酒吧里，月之暗面的年轻人包下数十张卡座，大屏幕滚动着中英双语标语：“K3扩容升级，K4给我狠狠干到极致，冲上月球。会用AI的人与不会用AI的人，能拿到算力资源的公司与拿不到的公司，掌握数据的大平台与没有数据的普通人——差距不是在缩小，而是在以另一种方式拉大。既拓展了认知的边界，也在悄悄侵蚀独立思考的土壤。看到这条AI圈少见的“娱乐新闻”，

2601_96090672
2026-07-27 21:24:30

 216

 3

#时序数据库 #tdengine #postgresql +1
tdengine学习笔记-整体架构及docker安装

这张超级表将包含 10,000 张子表，表名从 d0 到 d9999，每张表包含 10,000条记录。每张表还带有 location 和 groupId 两个标签，其中，groupId 设置为 1 到 10，而 location 则设置为 California.Campbell、California.Cupertino 等城市信息。taosBenchmark 提供了丰富的选项，允许用户自定义测试参

 YiRan_Zhao
2024-11-15 14:15:43

 1394

 3

#tdengine #学习
爆肝3小时！解决ruoyi 框架 +TDengine+SpringBoot+动态数据源所有报错，从踩坑到落地全流程（附可直接复制代码）

TDengine与SpringBoot整合实战指南摘要：本文详细记录了TDengine时序数据库与SpringBoot框架整合过程中遇到的核心问题及解决方案。作者作为IoT开发者，总结了TDengine的三大特性差异（不支持事务、不支持JDBC预编译、需显式指定库名.表名），并针对常见报错如SQLFeatureNotSupportedException和9728错误提供了具体解决方法。文章包含完

 imwinlion
2026-04-10 16:26:36

 585

 11

#tdengine
TDengine Java 连接器进阶指南

本文档面向熟悉 TDengine 的专业开发人员，提供 Java 连接器的进阶使用指南。内容涵盖性能优化、高可用架构、复杂场景处理等高级主题，帮助您充分发挥 TDengine 的性能潜力。阅读本文档前，请确保您已熟悉中的基本概念和 API 使用方法。

老段，万物互联之物联网
2026-01-05 16:59:51

 1264

 29

#tdengine #java #大数据 +4
TDengine REST API 使用手册

TDengine 提供符合 RESTful 设计标准的 HTTP API，通过简单的 HTTP 请求即可操作数据库。直接在 HTTP POST 请求体中包含 SQL 语句来操作数据库，仅需一个 URL 即可完成所有操作。"code": 0,TDengine REST API 为开发者提供了一种简单、灵活、跨平台的数据库访问方式。通过本手册，你应该已经掌握：✅ REST API 的适用场景和优势✅

老段，万物互联之物联网
2026-01-22 20:11:29

 859

 15

#tdengine #大数据 #时序数据库 +4
时序数据库选型避坑指南：为什么 70% 的物联网企业从 InfluxDB 转向 TDengine？

对于正在进行时序数据库选型的企业，我们的建议是：不要被 InfluxDB 的名气所迷惑，而是要根据实际的应用场景和性能需求进行选择。而对于已经在使用 InfluxDB 的企业，如果您正在面临性能和成本的问题，迁移到 TDengine 可能是一个值得考虑的选项。同时，系统还支持数据的重复检测和去重，确保数据的准确性。InfluxDB 采用的是"多设备一张表"的数据模型，所有设备的数据都存储在同一张表

 Wow1Wow1
2026-02-20 21:27:39

 599

 24

#时序数据库 #物联网 #tdengine
电科金仓时序数据库替换全攻略：InfluxDB/TimescaleDB/TDengine国产化迁移

《国产时序数据库替换实践：从InfluxDB到电科金仓的转型之路》本文分享了企业因信创要求将InfluxDB替换为电科金仓的完整历程。面对国外数据库的授权费高、技术支持滞后、性能瓶颈等问题，团队经过半年选型测试，最终选定兼容性好、多模融合能力强的电科金仓。迁移过程采用三阶段灰度策略：先历史数据、再非核心业务、最后核心业务，期间通过双写机制确保平稳过渡。实践表明，金仓在查询性能、运维成本等方面表现

 weixin_66401877
2026-02-26 17:00:34

 1.7w

 33

#时序数据库 #tdengine #数据库
influxdb/tdengine数据库白皮书

摘要：本文针对InfluxDB CPU和内存占用过高问题提供诊断方案。通过top命令查看CPU核心使用情况，若仅2个核心满载，表明IO线程不足导致写入瓶颈，建议增加IO线程数配置。若存在高序列基数问题（SHOW SERIES CARDINALITY数值过高），需优化数据结构：将高基数标签改为字段、合并标签或清理旧数据。其他可能原因包括废弃采集服务意外重启导致数据量激增。文章提供了从现象到解决方案的

 tian_jiangnan
2026-03-01 19:29:20

 417

 8

#tdengine
linux配置emqx tdengine grafana

本文介绍了使用Docker部署EMQX、TDengine和Grafana的完整流程。主要内容包括：1）安装Docker并配置镜像加速；2）拉取并运行EMQX消息中间件，配置MQTT服务和Web管理界面；3）部署TDengine时序数据库，创建数据库和表结构；4）安装Grafana并配置TDengine数据源插件，实现数据可视化；5）详细说明各组件间的连接配置方法，包括EMQX规则引擎与TDengi

(๑・ω・๑)
2026-04-20 15:11:12

 416

 12

#物联网 #tdengine #grafana
深度解析：TDengine 与 InfluxDB 的架构差异与选型实践

管理节点（MNode）：负责集群元数据管理和负载均衡数据节点（DNode）：负责数据存储和查询执行虚拟节点（VNode）：数据分片单位，自动实现数据冗余和故障转移-- TDengine 集群扩展：添加数据节点CREATE DNODE "192.168.1.101:6030";2.1 InfluxDB 的 TSM 引擎InfluxDB 使用 LSM-Tree 变种架构，数据先写入 WAL（Write

leen1120
2026-05-12 22:26:57

 384

 4

#tdengine #架构 #java
深度解析：TDengine 与 Apache Druid 在实时 OLAP 场景中的架构博弈

TDengine 以"一个设备一张表"的列式存储实现毫秒级写入与点查，适合物联网实时监控与告警。本文对比 TDengine 与 Druid 在时序数据场景下的存储架构、摄入延迟与查询效率，厘清两者的最佳适用边界。对于同时需要实时告警和离线分析的企业，采用 TDengine + Druid 的分层架构，既能满足毫秒级响应需求，又能支撑大规模 OLAP 分析，是兼顾性能与成本的最优解。TDengine

A1461091794
2026-05-14 14:53:31

 324

 7

#tdengine #apache #架构
TDengine RPC 通信层深度解析 — 协议格式、连接管理与重试机制

RPC（Remote Procedure Call）通信层是 TDengine 分布式系统的网络基础设施。集群中所有节点间的通信——客户端到 taosd、dnode 到 mnode 的心跳、Raft 日志复制、查询分发——都通过 RPC 层完成。协议格式：消息头结构、魔数校验、序列号追踪连接管理：基于 libuv 的 TCP 连接池、空闲回收、多路复用重试机制：指数退避、EP 轮转、快速失败通道隔

 老段，万物互联之物联网
2026-05-16 10:06:47

 564

 14

#tdengine #rpc #大数据 +4
工业时序数据库技术：TDengine、InfluxDB、TimescaleDB 怎么选？

本文评测三款主流时序数据库：TDengine性能强、适配工业及国产化场景；TimescaleDB依托PG生态，兼容好；InfluxDB生态完善，适合海外监控场景，并给出对应选型建议。

keshizhidao_2968
2026-05-26 15:47:41

 551

 9

#时序数据库 #tdengine
Spring-Boot 集成 TDengine 完整实战

本文详细介绍了如何在Spring Boot项目中集成TDengine时序数据库。主要内容包括： TDengine简介：高性能分布式时序数据库，适合物联网、工业互联网等场景，具有百万级写入性能、高压缩比和超级表设计等特点。环境准备：JDK1.8+、Spring Boot 2.5.x+、TDengine 2.6.x+，提供了Linux和Docker两种安装方式。项目集成步骤：创建Spring B

奋斗的老史
2026-06-08 14:25:29

 493

 7

#tdengine #大数据 #时序数据库
TDengine vs InfluxDB：一场工业级时序数据库的硬核较量

本文通过真实测试数据，从写入性能、查询延迟、存储效率、集群能力四个维度，深度对比 TDengine 和 InfluxDB，揭示国产时序数据库的技术实力。在工业级场景下，TDengine 在性能、成本、开源可控性方面均优于 InfluxDB，是更具性价比的选择。：时序数据库、TDengine、InfluxDB、性能测试、技术对比。：1000 设备 × 10 指标 × 24 小时。-- 耗时：200m

vidya111
2026-06-23 14:07:30

 257

 2

#时序数据库 #tdengine #大数据
TDengine Kafka Connect 配置踩坑记录

本文记录了使用TDengine Kafka Connect插件将Kafka数据实时写入TDengine过程中遇到的三个主要问题及解决方案：插件获取问题：可直接从GitHub Releases下载编译好的插件包，无需从源码构建依赖缺失问题：必须在Kafka Connect容器中安装TDengine Client及其.so文件镜像选择问题：必须使用confluentinc/cp-kafka-co

森岛帆高
2026-06-23 12:00:00

 240

 8

#tdengine #kafka #大数据
TDengine vs InfluxDB：国产时序数据库的硬核较量

本文通过真实测试数据，从写入性能、查询延迟、存储效率、集群能力四个维度，深度对比 TDengine 和 InfluxDB，揭示国产时序数据库的技术实力。在工业级场景下，TDengine 在性能、成本、开源可控性方面均优于 InfluxDB，是更具性价比的选择。：时序数据库、TDengine、InfluxDB、性能测试、技术对比。：1000 设备 × 10 指标 × 24 小时。-- 耗时：200m

Nl0952
2026-06-23 19:45:27

 348

 5

#时序数据库 #tdengine #大数据
TDengine Schemaless 写入 — InfluxDB Line、OpenTSDB JSON/Telnet 协议

5.写入路径 |：02 Schemaless 写入：TDengine v3.x（v3.3.x / v3.4.x）|最后更新：2026-06-23Schemaless 写入让设备无需预先建表即可直接上报数据，TDengine 根据数据自动推断超级表 Schema、创建子表。它原生兼容 InfluxDB Line Protocol、OpenTSDB Telnet/JSON 三种协议，是 IoT 数据快

 老段，万物互联之物联网
2026-06-23 20:24:45

 566

 15

#tdengine #opentsdb #json +4
TDengine vs InfluxDB：工业级时序数据库的硬核较量

在工业级场景下，TDengine 在性能、成本、开源可控性方面均优于 InfluxDB，是更具性价比的选择。：时序数据库、TDengine、InfluxDB、性能测试、技术对比。：1000 设备 × 10 指标 × 24 小时。-- 耗时：200ms。-- 耗时：50ms。

crystal049
2026-06-23 21:45:04

 244

 4

#时序数据库 #tdengine #大数据
从 InfluxDB 到 TDengine：国产时序数据库的迁移实践与性能对比

阶段 1：双写期（2 周）应用 → InfluxDB（主）→ TDengine（备）阶段 2：验证期（1 周）对比两个系统的数据一致性验证 TDengine 的查询结果阶段 3：切换期（1 天）应用 → TDengine（主）→ InfluxDB（备，短期保留）阶段 4：下线期（1 月后）下线 InfluxDB。：时序数据库、TDengine、InfluxDB、数据迁移、性能对比、国产替代。：查

 yuyuaner_y
2026-06-23 18:57:46

 187

 5

#tdengine #时序数据库
车联网学习笔记：Spring Boot 整合 MQTT + TDengine，用代码接管消息收发

上一篇用 MQTTX 手动发了第一条消息，跑通了「设备→EMQX→Dashboard」这条链路。这次用 Java 代码把 MQTTX 替换掉，收到的消息直接写进 TDengine。

小满和小晨
2026-07-05 13:48:32

 345

 9

#学习 #spring boot #tdengine
TDengine 中 TDgpt 的模型评估工具

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

老段，万物互联之物联网
2025-08-05 21:25:17

 1356

 18

#tdengine #大数据 #时序数据库 +3
TDengine 的 TDgpt 分析预测（3）

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

 老段，万物互联之物联网
2025-07-27 15:46:39

 806

 11

#tdengine #大数据 #时序数据库 +3
TDengine 中 TDgpt 用于异常检测

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

 老段，万物互联之物联网
2025-07-28 20:23:40

 1295

 18

#tdengine #数据库 #java +4
TDengine 的 TDgpt 产品安装部署

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！

老段，万物互联之物联网
2025-07-26 15:10:41

 945

 23

#tdengine #时序数据库 #数据库 +2
tdgpt 安装部署

本节介绍如何通过 Docker，云服务或安装包来部署 TDgpt。

戒掉贪嗔痴
2025-06-10 14:26:01

 914

 28

#tdengine
TDgpt-tdtdfm_1时序预测算法测试

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。

季 ^
2025-06-20 16:58:47

 749

 7

#算法 #tdengine #开源 +1
TDengine TDgpt实战：Holt-Winters算法在电力数据预测中的测试

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(

季 ^
2025-06-15 17:41:31

 2319

 38

#tdengine #算法 #开源 +2
TDengine 3.3.6.0 版本：TDgpt + 虚拟表 + JDBC 加速 8 大升级亮点

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

 老段，万物互联之物联网
2025-06-09 21:23:43

 1238

 16

#tdengine #数据库 #物联网 +3
TDengine 基于 TDgpt 的 AI 应用实战

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。

老段，万物互联之物联网
2025-06-01 22:50:52

 1490

 20

#tdengine #人工智能 #大数据 +3
直播预告 | TDgpt 智能体发布 & 时序数据库 TDengine 3.3.6 发布会即将开启

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

 涛思数据（TDengine）
2025-03-25 10:34:37

 672

 3

#时序数据库 #tdengine #人工智能
TDengine TSDB 3.3.8.0 上线：SMA、TLS、TDgpt、taosX、taosgen 一次全进化

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。

涛思数据（TDengine）
2025-10-22 14:16:37

 1364

 27

#tdengine #大数据 #时序数据库 +1
让数据自己说话：TDengine TDgpt 如何识破时序数据中的异常

先学习什么是正常，然后发现任何不符合"正常模式"的东西。**Autoencoder（自编码器）**是 TDgpt 内置的深度学习模型。学习阶段：模型学习如何"压缩"正常数据，然后再"还原"它检测阶段：如果一个数据点能被很好地压缩和还原，说明它符合正常模式；如果还原误差很大，说明它是异常的想象一下，你让一个艺术家临摹各种人脸照片。对于正常的人脸，他能画得很像；但如果给他一张外星人的脸，他就画不像了—

老段，万物互联之物联网
2025-12-29 20:31:40

 990

 17

#tdengine #大数据 #时序数据库 +3