TDengine 生态系统连接指南

TDengine 生态系统连接指南

本文让您能一目了然地了解 TDengine 与各类主流技术的集成能力以分类列表的形式,详细介绍 TDengine 支持的生态系统。

1. 数据采集、处理与消息队列

这个类别涵盖了从数据产生、采集、传输到流式处理的完整链路。

  • 监控与采集代理:

    • Prometheus : 支持 remote_write 写入和 remote_read 读取,可无缝替换 VictoriaMetrics, InfluxDB 等存储后端。
    • Telegraf : 可通过 outputs.influxdb 插件将采集的数据直接写入 TDengine。
    • StatsD : 可通过 Telegraf 的 inputs.statsd 插件,将 StatsD 格式的指标转发至 TDengine。
    • collectd : 可通过 Telegraf 的 inputs.collectd 插件,接收 collectd 的数据并写入 TDengine。
    • Icinga2: 一款开源监控系统,可通过脚本或中间件将监控数据写入 TDengine。
    • TCollector: OpenTSDB 的数据采集守护进程,其收集的数据可通过协议转换后存入 TDengine。
  • 消息队列与流处理:

    • Kafka : 官方提供 taos-connector-kafka 插件,可将 Kafka 主题中的数据高效地同步到 TDengine。
    • Flink : 官方提供 flink-connector-tdengine,支持将 TDengine 作为 Flink 的数据源 (Source) 和数据汇 (Sink)。
    • EMQ X: 开源 MQTT 消息服务器,可通过规则引擎或插件将 MQTT 消息对接到 TDengine。
    • HiveMQ: 企业级 MQTT 平台,支持通过自定义扩展将数据流写入 TDengine。

2. 可视化、BI 与报表

将存储在 TDengine 中的数据通过各类工具进行可视化分析和商业智能展现。

  • 专业可视化工具:

    • Grafana : 官方提供 grafana-tdengine-datasource 插件,是与 TDengine 集成最紧密、功能最丰富的可视化工具。
    • Perspective: 一个交互式的数据可视化和分析组件。
  • 商业智能 (BI) 与报表:

    • Tableau : 支持通过 ODBC 驱动连接 TDengine 进行 BI 分析。
    • Power BI : 支持通过 ODBC 驱动连接 TDengine。
    • 永洪 BI (Yonghong BI): 国产 BI 工具,支持与 TDengine 对接。
    • Looker: Google Cloud 旗下的 BI 和数据分析平台。
    • Apache Superset: 开源的数据探索和可视化平台,可通过数据库连接驱动接入 TDengine。
    • 帆软报表 (FineBI): 企业级 Web 报表工具。
    • Seeq: 用于工业过程数据的分析平台。
    • Microsoft SQL Server Reporting Services (SSRS): 微软的报表服务工具。
  • 数据分析与处理:

    • Spark : 可以通过 JDBC 连接器对 TDengine 的数据进行读取和分析。
    • Pandas : Python 数据分析库,可通过 JDBC/ODBC 或 Python 连接器读取 TDengine 数据到 DataFrame 中。
    • Excel : 支持通过 ODBC 驱动连接 TDengine,进行数据分析和报表制作。
    • Ontop: 一个将关系型数据库转换为虚拟 RDF 图的工具。

3. 物联网 (IoT) 平台

面向物联网场景的集成。

  • Node-RED: 一款可视化的低代码物联网开发工具,可以通过其工作流节点连接到 TDengine。
  • Ignition: Inductive Automation 公司开发的工业自动化软件平台 (SCADA)。

4. 数据库与开发工具

用于简化开发和数据管理的客户端工具。

  • DBeaver : 一款流行的通用数据库管理工具,支持通过 JDBC 驱动连接和管理 TDengine。
  • QStudio: 一款支持 kdb+/q 语言的开发环境,也可扩展用于其他数据库。

关于 TDengine

TDengine 专为物联网IoT平台、工业大数据平台设计。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。

相关推荐
七牛开发者42 分钟前
为什么 Go 很适合 AI 辅助开发?
数据库·人工智能·python·elasticsearch·log4j
河南凹凸环境艺术设计1 小时前
性价比高的民宿酒店设计企业
大数据·人工智能·python
千里念行客2401 小时前
业绩与创新双兑现!科伦博泰的Biopharma进阶之路
大数据·人工智能
何以解忧,唯有..2 小时前
数据库索引失效的常见情况与优化策略
数据库·sql·oracle
这个DBA有点耶3 小时前
分布式数据库到底该不该上?从判断标准到架构选型的实战思考
数据库·架构·dba
01_ice4 小时前
MySQL库和表的操作
数据库·mysql
阿里云大数据AI技术4 小时前
Daft 多模态视频抽帧性能优化实践:从抽帧到大模型打标,一条视频理解流水线是怎么跑起来的
大数据·人工智能·spark
笨鸟先飞,勤能补拙4 小时前
从预测到决策:人工智能与机器学习的系统方法、工程闭环与现实边界
大数据·人工智能·windows·python·机器学习·密码学
tech讯息4 小时前
生成式 AI 从 POC 验证迈向正式生产,推理部署环节成为卡点的核心原因是什么?
大数据·人工智能
Aethir4 小时前
第三章 — 成本与经济模型
大数据·人工智能