时序数据库

一个天蝎座白勺程序猿

IoTDB集群扩容：从慌乱到从容的经验分享我刚开始接触IoTDB那会儿，以为它就是个简单的分布式数据库，多加几个节点就能提升性能。但真正深入了解之后才发现，IoTDB的集群架构设计有它自己的考虑。

图表开发实战总结｜ 7 条“黄金法则”与“性能铁律”今天，不谈论某个具体 API 怎么用。我想分享一些更宏观的、能决定你项目成败的“法则”。这是我从大量图表应用中总结出的 7 条黄金法则，这是基于多年使用 Highcharts可视化图表高阶开发的实战指南。

TDengine （老段）

集群从“能用“到“高可用“:副本、选主与故障切换到底怎么配很多用户搭 TDengine 集群时,第一步就卡在"副本数该设多少"“某台机器挂了数据会不会丢”“切换是自动的还是要我手动操作”。这篇文章把这几个问题讲清楚,结论都对照了源码中的实现逻辑。

欢喜躲在眉梢里

时序数据库选型指南：从大数据架构视角拆解 Apache IoTDB 的适用边界做大数据这些年，我参与过几次时序数据库选型。印象最深的一次失败，不是选了个差产品，而是选了个跑分很好看、但和团队的数据链路格格不入的产品。那是个新能源车企的车联网项目。数据量不算大，日均 40 亿点上下。选型时我们压测做得很认真：单节点写入、批量导入、聚合查询、标签过滤，候选产品全部过一遍，最后按综合分数选了个冠军。上线三个月后崩了——不是性能崩的，是边缘侧的数据上不来。当时车端用的是车规级芯片，内存只有 512MB 级别，我们选的方案得先起一个 JVM 再建连接池，光是基础内存开销就吃掉大半，最后只能

KaiwuDB 运维实战04：DRBD + KaiwuDB——物联网场景下的低成本数据库高可用方案摘要：本文面向物联网边缘场景的数据库使用者与运维工程师，分享在双节点、无人值守的资源受限环境下，使用 DRBD 与 Pacemaker 为 KaiwuDB 构建高可用方案的实践。内容涵盖数据复制原理、双节点设计约束、方案架构与部署步骤，以及 KaiwuDB 四种高可用方案的选型对比。

TDengine Community 超级表建表实战：统一21个TAG与DOUBLE/字符串数据模板在数据中台时序数据接入过程中，不同测点的数据类型虽然不同，但设备、区域、系统、点位等业务属性基本一致。

成为深度学习高手

DAG：沿时间与通道双相关建模的外生变量时序预测相关链接论文arXiv地址：https://arxiv.org/abs/2509.14933开源代码仓库：https://github.com/decisionintelligence/DAG

TDengine （老段）

TDengine TSDB 实战排障四（升级与兼容）你要解决的问题：把 TDengine 从一个版本升到另一个版本——该怎么升、要不要停服、升完怎么验证、出问题怎么回退

TDengine 开源时序数据库深度解析：从超级表到工业数采落地在 CNC 数控机床、PLC 产线、传感器网关等工业数采场景中，数据有一个共同的形态：每条数据都带一个时间戳，且按时间顺序持续产生。设备点位（主轴转速、进给速度、主轴负载、温度、振动、气压、报警代码）每秒甚至每毫秒上报一次，一台 CNC 可能有几十到几百个点位，一个车间上百台设备，一天的写入量轻松达到数亿条。这带来四类传统方案难以招架的痛点：

从 InfluxDB 到 DolphinDB：一场国产时序数据库的替代与超越先立个公道：InfluxDB 没有变差。它曾经是开源时序数据库的代名词，把"高频写入 + 标签索引 + 时间聚合"做到了极好的易用性，至今仍是中小规模监控场景的合理选择。**真正变化的是工业数据平台的赛道：需求从"存得下"切换到了"算得动、接得上 AI"。**在这条新赛道上，InfluxDB 的几个结构性短板开始持续暴露：

信息化部门在AI时代的编程转移路径分析（上）副标题：从"人写代码"到"人编排智能体"——企业信息技术职能部门（信息工程部 / 信息中心 / IT 研发团队）的能力重构、组织再设计与治理底线

TDengine （老段）

TDengine TSDB 实战排障三（集群高可用）核心问题：Sync leader is unreachable / Some vnode/qnode/mnode(s) are out of service / 掉一个节点到底会怎样 / 副本与仲裁怎么配

信息化部门在AI时代的编程转移路径分析（下）把前七章的结论收敛为一条可执行路径。以下方案的每一条动作都可追溯到本报告的检索证据；路径的阶段划分与时长判断属框架归纳。【C】

TDengine （老段）

TDengine 常见问题 TOP7TOP7 主题：内存占用高 / OOM / 查询内存耗尽典型表现：内存一直涨不降、查询报 Query memory exhausted、进程被系统 OOM Killer 杀掉

成为深度学习高手

XLinear：用一个轻量 MLP，带外生变量做长期时间序列预测XLinear：用一个轻量 MLP，带外生变量做长期时间序列预测论文题目XLinear: A Lightweight and Accurate MLP-Based Model for Long-Term Time Series Forecasting with Exogenous Inputs

一只大侠的侠

工业物联网数据困局：DolphinDB 如何打通“数据—计算—AI—决策“全链路做工业物联网平台的人，多半算过一笔账：中型工厂几千台设备、上万个测点，振动波形按 10kHz 采样，一天几百 GB。存下来不难，难的是存下来之后：看板要毫秒级刷新、预警要秒级响应、年报要跨一年聚合，老板还想让 AI 直接"问数据"——每个需求最后都压在同一个地方：数据库。

重组蛋白聚集的形成机制及其对蛋白活性的影响一、重组蛋白聚集的基本概念蛋白聚集是多个蛋白分子通过非特异性分子间作用形成较大分子复合物的过程。根据聚集程度不同，可以表现为二聚体、低聚体以及更高分子量聚集体，部分聚集体还可能进一步形成不可溶物。

车载设备采集数据用十六进制完整原因（车载 CAN / 车规设备专用）车载 ECU、OBD、T-BOX、传感器底层存储 / 传输全部是二进制（0 和 1），但二进制有致命缺点：

TDengine （老段）

TDengine 常见问题 TOP3TOP3 主题：流式计算（Stream）相关问题典型表现：建流失败、结果不符预期、日志狂刷拖慢业务流式计算是 TDengine 最容易被"用错"的功能，也是社区讨论最密集的话题之一：

存算一体、云边协同：DolphinDB 为石油化工行业设备监测打造高效数据底座在石油化工领域，设备监测正在从定期巡检、事后维修的传统模式向实时监测和预测性维护的新模式转型，传感器数据逐渐成为设备健康管理和故障诊断的核心资产。机泵群、反应器等关键设备的振动、温度等信号，直接关系到生产安全与设备寿命。这类数据往往具有测点数量庞大、采集频率高、数据结构杂乱等特征，单日新增数据可达亿级，长期保存后总规模可达万亿级。