时序数据库

AllData公司负责人

AllData数据中台通过集成开源项目Apache IOTDB Web相关项目，建设物联网数据库平台企业痛点： IOTDB数据库连接器很少，我们集成开源项目，实现查看与管理Apache IOTDB数据库的物联网数据库平台，通过集成开源项目apache/iotdb-web-workbench实现。 💎 Apache IOTDB管理平台：https://github.com/apache/iotdb-web-workbench 💎 Apache IOTDB数据库：https://github.com/apache/iotdb 💎 Apache IOTDB官方文档：https://iotdb.apach

【架构实战】时序数据库选型：InfluxDB vs TDengine传统数据库处理时序数据的问题：关系型数据库的问题：时序数据的特征：时序数据库是处理IoT和监控数据的利器：

Prometheus 监控体系原理：Pull 模式与 TSDB 时序数据库深入剖析 Prometheus 核心架构，从 Pull 拉取模式到 TSDB 时序数据库的内部实现，结合源码解析与实践案例

倔强的石头106

时序数据库选型指南：可视化与分析协同怎么选？——以 Apache IoTDB + Grafana + 大数据引擎为例很多团队选 TSDB 时只看“写入/压缩/查询”，但真正上线后，业务体验往往由“看板是否顺滑、数据能否进入分析链路”决定。本文从“可视化 + 分析协同”的角度给出选型方法，并说明 IoTDB 在生态集成上的工程价值。

时序数据库选型指南：从大数据场景出发在 2026 年再谈时序数据库选型，问题早已不只是“谁写得快、谁查得快”，而是能不能承接真实业务里的设备模型、边缘采集、海量写入、历史归档和生态接入。本文不做夸张宣传，也不走功能罗列，而是从大数据和工业场景出发，拆解选型时最该关注的指标，并结合 Apache IoTDB 的能力，讨论它为什么越来越适合做时序数据底座。适合正在做平台建设、数据中台、工业互联网、能源物联网的技术团队参考。

时序数据库存储引擎解密：LSM-Tree vs B-Tree vs 倒排索引，谁最适合时序场景？时序数据库的核心诉求非常明确：极高的写入吞吐、高效的压缩存储、以及快速的时间范围查询。存储引擎作为数据库的“心脏”，其数据结构的选型直接决定了这些能力的天花板。

流批一体架构下的时序数据库选型：Apache IoTDB实时计算能力深度解析与国际化对比👨‍🎓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+💗

告别付费枷锁：在家电脑自建大模型，Token自由不是梦在AI时代，日常使用大模型时，Token额度不足、付费充值、对话次数受限的问题屡屡出现，高额的使用成本成了不少人的困扰。其实无需依赖云端付费服务，只需一台普通个人电脑，就能本地部署开源大模型，彻底实现Token自由，摆脱付费枷锁。

TDengine （老段）

TDengine IDMP 可视化 —— 饼图饼图将圆按比例分成若干扇形，每个扇形代表其对应类别占总量的比例。每个扇形表示一个类别或指标组，使各部分的相对贡献一目了然。

TDengine （老段）

TDengine IDMP 可视化 —— 面板面板是 TDengine IDMP 所有可视化的基本构建单元。面板是一个独立的可视化组件——图表、仪表盘、表格或其他显示形式——绑定到特定元素的一个或多个属性。每个面板都属于一个元素，并从该元素的属性中获取数据。

TDengine （老段）

TDengine IDMP 可视化 ——柱状图柱状图通过柱体的高度（横向布局时为宽度）来表示数值大小。它适用于聚合数据——按时间桶或分类维度分组的值——非常适合跨时期或跨组的比较场景。

涛思数据（TDengine）

TDengine IDMP：工业 AI 时代的平台新物种——AI-Ready的工业数据与模型平台过去十年，工业数字化的核心任务是“让系统上线、让设备联网、让数据可见”。而当大模型、工业 AI 与智能体开始进入工业现场，一个新的问题正在变得越来越清晰：

从边缘到云端：国产时序数据库IoTDB与TimechoDB的云原生落地全攻略当一家智慧工厂每天产生50TB的传感器数据，当一个城市级物联网平台需要管理千万级设备接入，当你的业务系统既要处理毫秒级的实时告警又要支撑月度级的趋势分析——传统的数据库架构正在遭遇前所未有的挑战。正是在这样的背景下，时序数据库成为了物联网基础设施的关键一环，而国产自研的Apache IoTDB及其企业版TimechoDB，正在这场技术变革中交出令人瞩目的答卷。

TDengine （老段）

TDengine IDMP 可视化 —— 趋势图趋势图将一个或多个时序指标以折线的形式绘制在时间轴上，连接各数据点以展示数值随时间的变化趋势。它专为连续测量数据而生——温度、压力、流量、能耗、振动等——这类数据的时间形态本身就承载着意义。多个指标可以绘制在同一图表上，每个指标作为独立的折线，一眼便可发现关联关系和相对变化规律。

涛思数据（TDengine）

以资产为核心的数据建模：工业数据上下文的基础｜TDengine IDMP当今工业系统正在以前所未有的速度产生数据。传感器持续不断地从系统的各个环节采集高频信号，从温度、压力，到振动、流量以及设备状态，几乎所有运行信息都被数字化并记录下来。随着基础设施的发展，数据存储与吞吐早已不再是瓶颈，大规模的数据处理和分析能力也变得越来越容易获得。

涛思数据（TDengine）

成本降 70%、查询＜500ms、异常 2 秒响应：海螺信息用 TDengine 让水泥行业加速升级小T导读：在 “双碳” 目标推动下，水泥行业需同时破解高能耗精细化管控与环保数据长期合规存储难题，海螺信息作为海螺水泥集团核心信息化主体，承担着全国 100 余家工厂的能源与环保数据管理职责，却面临异构设备数据治理难、存储成本高企、能耗异常响应慢等痛点。通过 TDengine 时序数据库（Time Series Database）分库架构、多级存储（0 级 SSD/1 级 HDD/S3）及时序 SQL 函数提供解决方案，不仅实现存储成本降低 70%、能源监控大屏实时查询延迟＜500ms，还将能耗异常检测响

Apache IoTDB时序数据库容器化单机部署（docker）本例使用的版本为：iotdb:2.0.4-standalone登录数据库使用show cluster命令查看服务状态

DolphinDB智臾科技

2026 物联网时序数据库选型指南：DolphinDB/InfluxDB/TimescaleDB 深度对比与实践场景代入：某省级电网 CIO 的困境——“我们花了 18 个月上线智能运维平台，但每新增一座变电站就要重写监控逻辑，团队疲于奔命，AI 项目迟迟无法落地。”这不是个案。2025 年工业数字化转型中一个突出的矛盾是：硬件成本下降了 50%，项目交付周期反而延长了 30%。根源在于传统时序数据库擅长存数据，却不擅长处理业务逻辑。

DolphinDB智臾科技

直播回顾 | 物联网时序数据库如何驱动电力场景智能调度？源侧出力波动加剧，网侧潮流重构频繁，荷侧资源日益多元，电力系统的运行逻辑正经历深刻变革。3月31日晚7:30，DolphinDB 携手杉数科技，特邀东方电子嘉宾，共同呈现了一场主题为“从国产时序数据库到智能调度：破解新型电力系统难题”的深度直播。

TDengine C# 连接示例和授权管理关于TDengine 其实时序性服务器，安装TDengin.Connector。这个里面有一些服务的处理。