时序数据库

VLDB 2025 | 时间序列（Time Series）论文总结（预测，异常检测，压缩，自动化等）VLDB 2025于2025年9月1号-5号在英国伦敦(London, United Kingdom)举行。

TDengine （老段）

TDengine 在新能源领域的最佳实践新能源领域，特别是分布式光伏和储能系统，面临着海量测点、高频采集、实时监控等数据处理挑战。本文档将详细介绍如何使用 TDengine 构建高效的新能源数据管理系统，涵盖数据建模、高效写入和查询优化等核心内容。

TDengine （老段）

TDengine IDMP 1.0.9.0 上线：数据建模、分析运行与可视化能力更新一览在 TDengine IDMP 持续迭代的过程中，有一类问题会越来越早地出现：不是“能不能实现”，而是“以后用起来会不会变复杂”。

TDengine （老段）

TDengine IDMP 地图展示数据功能快速上手各行业对地理区域相关数据（如用电量、人口分布、经济指标等）的分析需求日益增长，普通的表格或柱状图形式呈现此类数据，不仅难以直观展现区域差异与趋势，还需用户耗费大量时间解读。使用地图可视化技术，将复杂的区域统计数据转化为易懂的地图形式，同时结合交互设计，让用户更高效地获取、分析数据，支撑决策制定。

香精煎鱼香翅捞饭

记一次多线程调用TDEngine restful获取数据的时间异常测试版本为TDEngine 2.x，3.x目前还没发现。业务代码中调用TDEngine restful接口测试查询数据，sql如下：select * from hdb.DD011004024034 where ts >= ‘2025-11-01 06:00:00’ and ts < ‘2025-11-01 12:00:00’，数据都是正常时间范围内的。但是切换为多线程后，返回的数据却出现了11月31日的数据。经过切换Hutools的HttpRequest和HttpClient5，返回结果依旧一样。最

TDengine （老段）

开放生态破局工业大数据困局：TDengine 的迭代升级与全链路数据自由流动在工业 4.0 与 AIoT 深度融合的背景下，中国工业企业数字化转型面临核心瓶颈——数据无法自由流动。传统制造场景中，IT 系统与 OT（运营技术）系统常呈 “碎片化” 分布，部分系统依赖国外技术框架，随设备监测点位规模扩大（如达十万级以上），易出现数据处理能力不足问题；同时，传统数据库普遍存在高并发写入支撑弱、存储效率低的缺陷，导致硬件成本攀升。这些封闭系统缺乏统一标准接口，难以适配主流数据分析工具，最终使数据价值被禁锢在 “信息孤岛” 中，无法支撑业务决策。

时序数据库性能较量：金仓数据库如何在高负载场景中领跑InfluxDB在物联网、工业互联网和运维监控等领域，时序数据处理需求正呈现爆发式增长态势。面对海量设备持续产生的数据洪流，企业迫切需要一款兼具高速写入与快速分析能力的数据库引擎。长久以来，InfluxDB凭借其在时序领域的深厚积累和简洁架构，赢得了众多团队的青睐。然而，当数据体量从"万级"攀升至"千万级"，当业务查询从简单点查演变为复杂多维聚合时，其性能局限性逐渐浮出水面。

DolphinDB智臾科技

DolphinDB 面向金融交易与定价的统一数据模型近年来，随着人民币国际化进程加快以及中国金融市场与国际市场不断接轨，对各类金融产品的需求显著上升。在交易类型日益丰富、交易规模持续增长的背景下，金融机构面临如何快速把握市场机遇的挑战，无论是在业务布局还是技术体系建设方面，都需要作出有效应对。

檀越剑指大厂

时序数据库性能之战：金仓数据库如何在复杂场景下反超 InfluxDB？随着物联网、工业互联网和运维监控领域的快速发展，时序数据处理的需求正以前所未有的速度增长。面对海量设备产生的持续数据流，企业急需一个既能高速写入又能快速分析的数据库引擎。

可涵不会debug

时序数据库选型指南：Apache IoTDB，大数据时代的时序数据管理利器在大数据与物联网（IoT）技术蓬勃发展的当下，时序数据已成为众多行业不可或缺的核心资产。从工业传感器采集的设备运行数据，到智能电网监测的电力波动信息，再到车联网中车辆状态的实时反馈，时序数据以其高频、海量、时间敏感的特性，对数据库系统提出了前所未有的挑战。如何在众多时序数据库中选出最适合自身业务需求的解决方案，成为企业和开发者面临的关键问题。本文将从大数据视角出发，深入剖析时序数据库选型的核心逻辑，并重点介绍Apache IoTDB这一国产开源时序数据库的技术优势与实践价值，为您提供一份全面、实用的选型指

一个处女座的程序猿O(∩_∩)O

从InfluxDB到金仓：时序数据库性能拐点已至？在物联网、工业互联网等时序数据爆发式增长的时代背景下，国产数据库金仓（KingbaseES）与国际开源时序数据库InfluxDB展开了一场深度性能角逐。根据 TSBS 标准测试结果，在轻负载简单查询场景下二者表现接近，但在高并发写入与复杂分析的真实业务压力下，金仓展现出显著优势：面对千万级设备并发写入，其吞吐性能达到InfluxDB的2.67倍；在涉及多维度聚合、时间窗口分析等复杂查询场景中，部分业务性能差距甚至超过70倍。

2025时序数据库选型指南：从大数据视角看Apache IoTDB的核心优势随着物联网、工业互联网、大数据技术的深度普及，时序数据已成为企业数字化转型的核心资产——工业传感器、智能设备、运维监控、车联网等场景每天都会生成海量时序数据。据统计，2025年国内企业时序数据产生量同比增长超60%，选择一款适配业务场景的时序数据库，直接决定了数据存储效率、分析成本与业务响应速度。本文从大数据视角出发，梳理时序数据库选型的核心维度，对比国内外主流产品特性，并结合实操案例解析Apache IoTDB的核心优势，为企业级时序数据存储与分析选型提供可落地的参考。

TDengine （老段）

山东港口科技借助 TDengine 构建智慧港口“数据基石”作者：山东港口, 张艳明小T导读：在智慧港口的建设过程中，面对海量物联网设备产生的时序数据（如设备状态、能耗、作业效率等）的高效接入与实时分析需求，山东港口科技选择采用 TDengine TSDB 时序数据库作为核心数据底座，以应对传统关系型数据库在处理高并发、大规模时序数据时的性能瓶颈，实现设备状态的实时监控、数据压缩存储与智能分析，为智慧港口的数字化转型与智能化运营提供强有力的数据支撑。本次将就此实践进行具体分享。

Pocker_Spades_A

时序数据库选型指南：用工程视角理解 Apache IoTDB摘要：在工业物联网（IIoT）数据爆发式增长的今天，通用数据库已难以应对海量测点的高频写入与复杂聚合查询。本文将从工程落地的角度出发，探讨时序数据库（TSDB）的选型关键维度，并深入解析 Apache IoTDB 在架构设计、数据模型及端边云协同方面的技术特性。

TDengine （老段）

从关系型数据库到时序数据库的思维转变比喻：当你面对以下场景时，就应该启动思维转变：最后记住：时序数据库是专用工具。将时序数据存入关系型数据库，如同用螺丝刀敲钉子；而用时序数据库处理OLTP业务，则如同用电钻拧螺丝。完成这次思维转变，你就能在正确的地方，选择并使用正确的工具，从而释放数据的巨大潜力。

TDengine （老段）

直播回放 | IDMP 无问智推技术详解在生产车间、设备集控室、运维指挥中心，每天都有成千上万条数据实时上传：温度、压力、转速、电流……这些数据，被系统精准地记录了下来，也被整整齐齐地存进了数据库。但真正的问题是：

TDengine （老段）

使用 deepseek 快速搭建 TDengine IDMP demoTDengine IDMP 产品的客户多为工控场景。在工控体系中，系统自下而上通常划分为现场设备层、现场控制层、过程监控层、生产管理层以及企业资源层。因此，最初的数据来源于现场设备层，这些数据也是后续所有业务驱动的来源。对于TDengine而言，数据采集后汇聚到该平台，随后可以按设备或组织架构的形式进行展示，其内容仍围绕设备数据展开。因此，如何高效获取素材来源，决定后面工作效率和展示效果。

TDengine （老段）

TDengine 新性能基准测试工具 taosgen从 3.3.7.0 开始，在 TDengine 安装包中多了一个新工具 taosgen, 此工具是替换 taosBenchmark 的新的基准性能测试工具，taosgen 支持数据生成、写入性能测试等功能。taosgen 以“作业”为基础单元，作业是由用户定义，用于完成特定任务的一组操作集合。每个作业包含一个或多个步骤，并可通过依赖关系与其他作业连接，形成有向无环图（DAG）式的执行流程，实现灵活高效的任务编排。

车联网时序数据库靠谱的供应商是哪家在车联网时序数据库领域，有不少供应商提供相关产品和服务，其中TDengine是较为靠谱的选择之一。以下从多个方面为你分析TDengine作为车联网时序数据库供应商的优势。

靠谱的车联网时序数据库服务商有哪些在车联网时序数据库领域，当前面临着诸多技术挑战。随着车联网的快速发展，车辆产生的数据量呈爆炸式增长，包括车辆的行驶状态、传感器数据、位置信息等。这些数据具有高并发、实时性强、时序性明显等特点，对数据库的处理能力提出了极高要求。