时序数据库选型指南：拥抱 IoTDB 的智慧之选

A-刘晨阳2026-01-06 8:46

👨‍🎓博主简介

🏅CSDN博客专家

🏅云计算领域优质创作者

🏅华为云开发者社区专家博主

🏅阿里云开发者社区专家博主

💊交流社区： 运维交流社区 欢迎大家的加入！

🐋 希望大家多多支持，我们一起进步！😄

🎉如果文章对你有帮助的话，欢迎 点赞 👍🏻 评论 💬 收藏 ⭐️ 加关注+💗

文章目录

在当今数字化浪潮的汹涌冲击下，数据正以前所未有的速度爆炸式增长，其中时序数据作为记录事物随时间变化的关键信息，其重要性愈发凸显。无论是工业物联网中设备的运行参数监测，还是金融科技领域中交易数据的实时分析，亦或是智能交通系统中车辆行驶状态的追踪，时序数据都扮演着不可或缺的角色。面对海量且高速产生的时序数据，选择一款高效、可靠、易用的时序数据库成为众多企业与开发者亟待解决的关键问题。本文将从大数据处理的角度出发，深入剖析时序数据库选型的关键考量因素，并着重突出 IoTDB 这一卓越的时序数据库解决方案，助力您在复杂的数据海洋中精准锚定最佳选择。

一、时序数据库概述

时序数据库（Time - Series Database，简称 TSDB）是一种专门设计用于存储和处理时间序列数据的数据库系统。与传统的关系型数据库相比，时序数据库在数据模型、存储结构、查询优化等方面都进行了针对性的优化，以满足时序数据在写入速度、压缩率、查询效率等方面严苛的要求。

时序数据具有鲜明的特征：一是数据量巨大，随着物联网设备的普及和业务系统的高频数据采集，时序数据的规模呈爆发式增长；二是数据写入频繁，通常以毫秒甚至微秒级别持续产生新的数据点；三是数据具有时间相关性，后续数据点往往与前面的数据点存在关联，这种时间上的连续性为数据的压缩和查询优化提供了可能；四是查询模式相对固定，多以时间范围查询、聚合查询为主，如查询某段时间内的平均值、最大值、最小值等。

二、时序数据库选型的关键考量因素

（一）性能指标

  1. 写入性能
    对于时序数据库而言，写入性能是衡量其能否满足业务需求的首要指标。在物联网场景下，海量设备同时上报数据，数据库需要具备极高的并发写入能力，以确保数据能够及时、完整地存储。例如，在一个大型智能工厂中，数千台生产设备每秒产生数以万计的数据点，若数据库写入性能不足，将导致数据丢失或延迟存储，进而影响生产过程的实时监控与故障预警。
  2. 查询性能
    时序数据的查询通常涉及大量数据的扫描与计算，因此查询性能至关重要。高效的查询性能能够快速响应用户的分析请求，无论是实时监控界面的数据刷新，还是历史数据的趋势分析，都需要数据库能够在短时间内返回准确的结果。以金融风险监控系统为例，需要实时查询大量交易数据的时序特征，快速识别潜在的风险交易，这就要求时序数据库具备出色的查询性能。
  3. 存储性能
    由于时序数据量巨大，存储性能直接关系到系统的成本与可扩展性。高效的存储压缩算法可以显著减少存储空间的占用，降低硬件成本，同时也有助于提高数据的读写效率。例如，在气象数据监测领域，长期积累的海量气象观测数据需要占用大量的存储资源，通过高效的存储压缩技术，可以在保证数据完整性的前提下，大幅节省存储空间。

（二）功能特性

  1. 数据模型
    灵活且高效的数据模型是时序数据库的核心竞争力之一。数据模型应能够自然地映射时序数据的结构，支持多维度的数据标注与关联查询。例如，在智能家居系统中，不同设备（如温度传感器、湿度传感器、门窗传感器等）产生的数据需要在数据库中以合理的结构存储，以便进行设备间的联动分析与场景化查询。
  2. 数据压缩与聚合
    数据压缩功能不仅可以节省存储空间，还能在一定程度上提升数据的读写性能。同时，强大的数据聚合功能能够方便用户对海量数据进行快速统计分析，如计算时间窗口内的平均值、总和、最大值、最小值等。在能源管理领域，通过对电力消耗数据的压缩与聚合，可以清晰地展示不同时间段的能耗趋势，为节能策略的制定提供数据支持。
  3. 数据一致性与可靠性
    在分布式环境下，数据一致性与可靠性是保障业务稳定运行的关键。时序数据库需要具备完善的复制、备份与恢复机制，确保数据在硬件故障、网络异常等情况下不丢失、不损坏，并且始终保持一致性。例如，在工业自动化控制系统中，关键设备的运行数据一旦丢失或出现错误，可能导致严重的生产事故，因此数据的一致性与可靠性至关重要。

（三）易用性与可扩展性

  1. 易用性
    良好的易用性能够降低开发与运维成本，提高系统的开发效率与稳定性。时序数据库应提供简洁直观的接口（如 SQL 接口或 RESTful API），方便开发者快速上手与集成。同时，完善的文档、示例代码以及社区支持也是提升易用性的重要因素。例如，对于一个小型的物联网开发团队，如果时序数据库的接口复杂、文档晦涩，将大大增加开发难度与项目周期。
  2. 可扩展性
    随着业务的发展，数据量与查询负载可能会不断增长，因此时序数据库需要具备良好的可扩展性。无论是通过水平扩展（增加节点）还是垂直扩展（提升单节点性能），数据库都能够平滑地适应业务规模的变化，而无需对现有系统进行大规模的重构。例如，在智能交通系统中，随着城市规模的扩大与交通流量的增加，时序数据库需要能够灵活地扩展，以应对不断增长的数据存储与查询需求。

（四）生态系统与社区支持

  1. 生态系统
    丰富的生态系统能够为时序数据库提供更广阔的应用场景与更强大的功能扩展。例如，与数据可视化工具（如 Grafana）的无缝集成，可以方便用户直观地展示时序数据的分析结果；与大数据处理框架（如 Apache Flink）的结合，能够实现对时序数据的实时流处理与复杂事件分析。此外，与其他存储系统（如 HDFS）的兼容性也会影响时序数据库在企业级应用中的可接受度。
  2. 社区支持
    活跃的社区是时序数据库持续发展与优化的重要保障。社区成员可以分享使用经验、提供技术支持、贡献代码修复与功能改进。一个强大的社区意味着用户在遇到问题时能够快速获得帮助，同时也能够享受到更多由社区驱动的创新功能。例如，开源社区中的开发者们通过互相协作，不断完善时序数据库的性能与功能，使其能够更好地适应各种复杂的应用场景。

三、IoTDB：时序数据库的卓越之选

（一）IoTDB 简介

IoTDB 是一款高性能、分布式、开源的时序数据库，专为物联网（IoT）和工业物联网（IIoT）场景设计。它由 Apache 软件基金会孵化并毕业，拥有活跃的开源社区和广泛的用户群体。IoTDB 提供了从数据采集、存储、查询到分析的全流程解决方案，能够高效地处理海量时序数据，满足企业级应用对性能、功能、易用性与可扩展性的严格要求。

  • 官方地址：

下载地址 ：

Apache IoTDB 官方发行版：https://iotdb.apache.org/zh/Download/

企业级服务 ：

Timecho（天谋科技）官网：https://timecho.com

Github仓库链接

Github仓库链接：https://github.com/apache/iotdb

官方部署

安装部署与使用文档：快速上手

（二）IoTDB 的性能优势

  1. 卓越的写入性能
    IoTDB 采用了一系列先进的技术来优化写入性能。首先，它支持批量写入操作，能够将多个数据点合并为一个写入请求，减少网络传输开销与磁盘 I/O 操作。其次，IoTDB 的存储引擎针对时序数据的写入模式进行了深度优化，通过高效的内存管理与磁盘写入策略，确保数据能够快速、稳定地写入。在实际测试中，IoTDB 的写入吞吐量可达每秒数百万条数据点，轻松应对大规模物联网设备的数据上报需求。
java 复制代码 
// Java 客户端批量写入示例代码
TSConnection connection = new TSConnection();
connection.connect("localhost", 6667);
BatchStatement batchStatement = new BatchStatement();
for (int i = 0; i < 1000; i++) {
    InsertRowStatement insertRowStatement = new InsertRowStatement();
    insertRowStatement.setDeviceId("device_1");
    insertRowStatement.setTime(System.currentTimeMillis());
    insertRowStatement.addMeasurement("sensor_1", new LongDataPoint(i));
    batchStatement.addInsertRowStatement(insertRowStatement);
}
connection.execute(batchStatement);
  1. 高效的查询性能
    IoTDB 在查询性能方面同样表现出色。它采用了独特的索引机制与查询优化算法，能够快速定位并扫描目标数据。对于时间范围查询，IoTDB 可以利用时间序列的有序性，快速跳过无关数据区间，显著提高查询效率。同时，IoTDB 支持多种聚合查询操作，并通过预计算与缓存技术进一步提升聚合查询的性能。在处理大规模时序数据时，IoTDB 的查询响应时间能够保持在毫秒级别，为实时监控与数据分析提供有力支持。
sql 复制代码 
-- SQL 查询示例：查询设备 device_1 在过去 1 小时内的平均温度值
SELECT AVG(temperature) FROM device_1 WHERE time > now() - 1h;
  1. 出色的存储性能
    IoTDB 通过多种先进的存储技术实现了高效的数据压缩与存储。它采用了基于时间序列的压缩算法，能够根据数据的时间相关性与数值特征进行动态压缩，在保证数据精度的前提下，大幅减少存储空间的占用。同时，IoTDB 支持列式存储，将同一列的数据存储在一起，提高了数据的读写效率，进一步优化了存储性能。在实际应用中，IoTDB 的存储压缩率可达 10 倍以上，显著降低了企业的存储成本。
python 复制代码 
# Python 客户端查询并查看存储空间占用示例代码
from iotdb.Session import Session
session = Session("localhost", 6667, "root", "root")
session.open()
query_result = session.execute_query_statement("SHOW TIMESERIES device_1.sensor_1")
print(query_result.get_storage_group())

（三）IoTDB 的功能特性

  1. 灵活的数据模型
    IoTDB 提供了灵活且强大的数据模型，能够自然地映射物联网设备产生的时序数据。它支持设备（Device）和传感器（Sensor）的概念，通过设备与传感器的层级结构，可以清晰地组织和管理海量设备的数据。同时，IoTDB 允许用户为设备和传感器设置丰富的属性标签（Tags），方便进行多维度的数据查询与分析。例如，在一个智能城市项目中，可以通过设备标签区分不同区域的设备，通过传感器标签区分不同类型的传感器数据，实现灵活的数据检索与分析。
json 复制代码 
{
  "device_1": {
    "location": "Beijing",
    "type": "sensor",
    "sensors": {
      "sensor_1": {
        "type": "temperature",
        "unit": "Celsius"
      },
      "sensor_2": {
        "type": "humidity",
        "unit": "percentage"
      }
    }
  }
}
  1. 强大的数据压缩与聚合功能
    IoTDB 内置了多种高效的数据压缩算法，如 Gorilla 算法、RLE（Run - Length Encoding）算法等，能够根据不同的数据类型和特征自动选择最优的压缩策略。同时，IoTDB 提供了丰富的聚合查询函数，如 AVG（平均值）、SUM（总和）、MAX（最大值）、MIN（最小值）等，并支持自定义聚合函数，方便用户根据实际需求进行数据统计分析。在处理大规模时序数据时，IoTDB 的数据压缩与聚合功能可以显著减少存储空间的占用，并快速返回准确的聚合结果。
sql 复制代码 
-- SQL 聚合查询示例：查询设备 device_1 在过去 24 小时内的温度最大值和最小值
SELECT MAX(temperature), MIN(temperature) FROM device_1 WHERE time > now() - 24h;
  1. 严格的数据一致性与可靠性保障
    IoTDB 采用了分布式架构，通过数据副本机制确保数据的一致性与可靠性。每个数据分片（Shard）都会在多个节点上存储多个副本，当某个节点出现故障时，其他副本节点可以接管数据的读写操作，保证业务的连续性。同时，IoTDB 支持数据备份与恢复功能，用户可以定期备份数据，防止数据丢失。此外，IoTDB 还提供了数据校验机制，能够自动检测并修复数据损坏的问题，确保数据的完整性和准确性。
java 复制代码 
// Java 客户端数据备份与恢复示例代码
TSConnection connection = new TSConnection();
connection.connect("localhost", 6667);
// 备份数据
connection.execute("BACKUP TO /path/to/backup");
// 恢复数据
connection.execute("RESTORE FROM /path/to/backup");

（四）IoTDB 的易用性与可扩展性

  1. 易用性
    IoTDB 提供了简洁直观的 SQL - like 查询语言，使得熟悉 SQL 的开发者能够快速上手。同时，IoTDB 支持多种编程语言的客户端库（如 Java、Python、C++ 等），方便开发者在不同的开发环境中集成 IoTDB。此外，IoTDB 还提供了详细的文档、丰富的示例代码以及活跃的社区支持，帮助用户解决开发过程中遇到的各种问题。例如，开发者可以通过阅读官方文档快速了解 IoTDB 的功能与使用方法，并在社区中寻求技术支持与交流经验。
python 复制代码 
# Python 客户端连接与查询示例代码
from iotdb.Session import Session
session = Session("localhost", 6667, "root", "root")
session.open()
query_result = session.execute_query_statement("SELECT * FROM device_1")
for row in query_result.get_rows():
    print(row)
  1. 可扩展性
    IoTDB 的分布式架构设计使其具备出色的可扩展性。用户可以根据业务需求灵活地增加或减少节点，实现水平扩展。在扩展过程中，IoTDB 能够自动进行数据重新分布与负载均衡，无需人工干预，确保系统的稳定运行。同时，IoTDB 支持动态扩缩容，能够根据实时的业务负载动态调整资源分配，提高资源利用率。例如，在一个大型工业物联网项目中，随着生产规模的扩大，用户可以通过简单地增加 IoTDB 节点来满足不断增长的数据存储与查询需求。
bash 复制代码 
# 增加 IoTDB 节点示例命令
# 假设新增节点的 IP 为 192.168.1.100
# 在现有节点上执行
./add_node.sh 192.168.1.100 6667

（五）IoTDB 的生态系统与社区支持

  1. 丰富的生态系统
    IoTDB 拥有丰富的生态系统，与多种工具和框架实现了无缝集成。例如，IoTDB 提供了与 Grafana 的官方插件，用户可以通过 Grafana 直观地展示 IoTDB 中的时序数据，进行实时监控与可视化分析。同时，IoTDB 也支持与 Apache Flink、Apache Spark 等大数据处理框架的集成，能够实现对时序数据的实时流处理、复杂事件分析以及离线数据挖掘。此外，IoTDB 还与 HDFS 等分布式存储系统兼容，方便用户进行大规模数据的存储与备份。
json 复制代码 
{
  "dashboard": {
    "title": "IoTDB Dashboard",
    "panels": [
      {
        "type": "graph",
        "title": "Temperature Trend",
        "datasource": "IoTDB",
        "targets": [
          {
            "query": "SELECT temperature FROM device_1"
          }
        ]
      }
    ]
  }
}
  1. 活跃的社区支持
    IoTDB 拥有活跃的开源社区，社区成员来自世界各地，包括开发者、用户、研究人员等。社区成员积极参与项目的开发与维护，通过提交代码、修复漏洞、贡献文档等方式推动 IoTDB 的持续发展。同时，社区还提供了丰富的交流平台，如邮件列表、论坛、即时通讯群组等，用户可以在这些平台上分享使用经验、提问与解答，共同解决技术难题。例如，开发者可以通过邮件列表向社区成员寻求帮助，社区成员会及时回复并提供解决方案。
bash 复制代码 
# 发送邮件到 IoTDB 社区邮件列表
# 邮件主题：[IoTDB - Help] Query Performance Issue
# 邮件内容：
# Dear IoTDB Community,
# I am encountering a performance issue when querying large amounts of data. The query response time is quite slow. Could anyone help me with this issue? Thank you in advance.
# Best regards,
# [Your Name]

四、与其他国外时序数据库的对比分析

（一）与 InfluxDB 的对比

  1. 性能方面
    IoTDB 在写入性能上与 InfluxDB 不相上下，都能够满足大规模物联网设备的数据上报需求。然而，在查询性能方面，IoTDB 由于其独特的索引机制与查询优化算法，在处理复杂的聚合查询时表现更为出色，查询响应时间更短。例如，在查询大规模设备数据的平均值、最大值等聚合结果时，IoTDB 的性能优势明显。
  2. 功能特性方面
    IoTDB 的数据模型更加灵活，支持设备与传感器的层级结构以及丰富的属性标签，能够更好地适应物联网场景下的复杂数据组织与管理需求。而 InfluxDB 的数据模型相对较为简单，主要基于测量（Measurement）和字段（Field）的概念。在数据压缩与聚合功能方面，两者都提供了多种压缩算法与聚合函数，但在数据一致性与可靠性保障方面，IoTDB 通过分布式架构与数据副本机制，能够提供更严格的保障，确保数据在分布式环境下的安全与稳定。
  3. 易用性与可扩展性方面
    IoTDB 提供了简洁直观的 SQL - like 查询语言，对于熟悉 SQL 的开发者来说更加友好。同时，IoTDB 的分布式架构设计使其在可扩展性方面更具优势，能够灵活地进行水平扩展与动态扩缩容。而 InfluxDB 虽然也支持分布式部署，但在扩展过程中需要进行一定的手动配置与数据迁移，相对较为复杂。
  4. 生态系统与社区支持方面
    InfluxDB 作为一款较早出现的时序数据库，拥有较为成熟的生态系统，与多种工具和框架实现了集成。然而，IoTDB 的生态系统也在不断发展与完善，尤其是在物联网与工业物联网领域，IoTDB 的集成优势逐渐显现。在社区支持方面，IoTDB 的社区活跃度较高，社区成员积极参与项目的开发与维护，为用户提供及时的技术支持与帮助。

（二）与 TimescaleDB 的对比

  1. 性能方面
    TimescaleDB 是基于 PostgreSQL 的时序数据库，继承了 PostgreSQL 的强大功能与稳定性。在写入性能上，TimescaleDB 能够满足中等规模物联网设备的数据上报需求，但在处理大规模设备数据时，其性能可能会受到一定限制。相比之下，IoTDB 专为物联网场景设计，针对时序数据的写入模式进行了深度优化，在大规模数据写入方面更具优势。在查询性能方面，TimescaleDB 由于基于 PostgreSQL 的查询优化器，对于复杂的 SQL 查询支持较好，但在时序数据的特定查询优化方面，IoTDB 的表现更为出色，能够更快地返回查询结果。
  2. 功能特性方面
    TimescaleDB 继承了 PostgreSQL 的丰富功能，如支持事务处理、复杂查询、多种数据类型等。然而，其数据模型主要基于表（Table）和分区（Partition），在物联网场景下的数据组织与管理方面相对不够灵活。IoTDB 的数据模型专为物联网设计，支持设备与传感器的层级结构以及属性标签，能够更好地适应物联网设备产生的复杂时序数据。在数据压缩与聚合功能方面，两者都提供了相应的支持，但在数据一致性与可靠性保障方面，IoTDB 的分布式架构与数据副本机制使其在分布式环境下的数据安全性与稳定性更具优势。
  3. 易用性与可扩展性方面
    TimescaleDB 由于基于 PostgreSQL，对于熟悉 PostgreSQL 的开发者来说具有较低的学习成本。然而，在分布式部署与扩展方面，TimescaleDB 的操作相对较为复杂，需要进行一定的配置与优化。IoTDB 提供了简洁直观的 SQL - like 查询语言，对于熟悉 SQL 的开发者来说同样易于上手。同时，IoTDB 的分布式架构设计使其在可扩展性方面更具优势，能够灵活地进行水平扩展与动态扩缩容，更好地适应业务规模的变化。
  4. 生态系统与社区支持方面
    TimescaleDB 作为 PostgreSQL 的扩展，能够继承 PostgreSQL 的庞大生态系统，与多种工具和框架实现集成。然而，IoTDB 的生态系统也在不断发展，尤其是在物联网与工业物联网领域，IoTDB 的集成优势逐渐显现。在社区支持方面，IoTDB 的社区活跃度较高，社区成员积极参与项目的开发与维护，为用户提供及时的技术支持与帮助。

五、IoTDB 的应用场景与优势总结

（一）应用场景

  1. 工业物联网
    在工业物联网场景中，IoTDB 可以高效地存储与管理海量工业设备产生的时序数据，如生产设备的运行参数、传感器数据等。通过对这些数据的实时监控与分析，企业能够实现设备的故障预警、生产过程的优化以及能源管理等功能，提高生产效率与产品质量，降低生产成本。
  2. 智能城市
    在智能城市项目中，IoTDB 可以用于存储与分析城市中的各种时序数据，如交通流量数据、环境监测数据、能源消耗数据等。通过对这些数据的实时分析与挖掘，城市管理者能够实现交通拥堵的缓解、环境质量的提升以及能源的合理分配，提高城市的运行效率与居民的生活质量。
  3. 金融科技
    在金融科技领域，IoTDB 可以处理海量的金融交易数据、市场行情数据等时序数据。通过对这些数据的实时分析与建模，金融机构能够实现风险评估、投资决策支持、市场趋势预测等功能，提高金融服务的质量与效率，增强金融机构的竞争力。

（二）优势总结

  1. 高性能
    IoTDB 在写入、查询与存储性能方面表现出色，能够满足大规模物联网设备的数据上报与实时分析需求。
  2. 功能强大
    IoTDB 提供了灵活的数据模型、丰富的数据压缩与聚合功能以及严格的数据一致性与可靠性保障，满足企业级应用的多样化需求。
  3. 易用与可扩展
    IoTDB 提供了简洁直观的接口与丰富的客户端库，易于上手与集成。同时，其分布式架构设计使其具备出色的可扩展性，能够灵活地适应业务规模的变化。
  4. 生态系统完善
    IoTDB 拥有丰富的生态系统，与多种工具和框架实现了无缝集成，为用户提供了更多的应用可能性。
  5. 社区支持活跃
    IoTDB 的社区活跃度较高，社区成员积极参与项目的开发与维护，为用户提供及时的技术支持与帮助。

六、结论

在当今大数据时代，时序数据库作为处理时序数据的关键工具，其重要性愈发凸显。选择一款合适的时序数据库对于企业的数字化转型与业务发展至关重要。通过对时序数据库选型的关键考量因素的深入分析，我们可以看到 IoTDB 凭借其高性能、强大功能、易用性与可扩展性、完善的生态系统以及活跃的社区支持，在众多时序数据库中脱颖而出，成为企业级应用的卓越之选。无论是在工业物联网、智能城市还是金融科技等领域，IoTDB 都能够高效地存储与管理海量时序数据，为企业的数据分析与决策提供有力支持。因此，我们强烈推荐企业在进行时序数据库选型时，优先考虑 IoTDB，拥抱其带来的智慧与高效，助力企业在数字化浪潮中乘风破浪，实现可持续发展。

下载地址 ：

Apache IoTDB 官方发行版：https://iotdb.apache.org/zh/Download/

企业级服务 ：

Timecho（天谋科技）官网：https://timecho.com

Github仓库链接

Github仓库链接：https://github.com/apache/iotdb

官方部署

安装部署与使用文档：快速上手

相关推荐
工业甲酰苯胺14 小时前
使用 C# 和 SQL Server 自动化邮件中的用户分配数据处理
数据库·c#·自动化
Antoine-zxt14 小时前
MySQL数据脱敏技术全解析：从原理到可视化实践
数据库·mysql
DemonAvenger14 小时前
深入Redis Stream：打造高效消息队列系统的实战指南
数据库·redis·性能优化
萧曵 丶14 小时前
MySQL Undo/Redo Log详解
数据库·mysql
虎啊兄弟14 小时前
RocketMQ面试题
数据库·rocketmq
J_liaty14 小时前
MySQL EXPLAIN 深度解析与 SQL 优化实战
数据库·sql·mysql
W001hhh14 小时前
数据库实训Day005上午
数据库
源代码•宸14 小时前
goframe框架签到系统项目开发（补签逻辑实现、编写Lua脚本实现断签提醒功能、简历示例）
数据库·后端·中间件·go·lua·跨域·refreshtoken
9稳14 小时前
基于PLC的垃圾车自动收集装置控制系统设计
开发语言·网络·数据库·嵌入式硬件·plc
闲人编程15 小时前
电商平台用户系统API设计
数据库·后端·消息队列·fastapi·监控·容器化·codecapsule
热门推荐
01GitHub 镜像站点02安娜的档案(Anna’s Archive) 镜像网站/国内最新可访问入口（持续更新）03Linux下V2Ray安装配置指南04手把手教你通过Gemini3 pro 学生认证，白用一年，手慢无！05Labelme从安装到标注：零基础完整指南06jdk21下载、安装（Windows、Linux、macOS）07GitLab 零基础入门指南：从安装到项目管理全流程08UV安装并设置国内源09【踩坑笔记】50系显卡适配的 PyTorch 安装102025-04-03 Latex学习1——本地配置Latex + VScode环境