时序数据库

TDengine （老段）

TDengine 选择函数 Max() 用户手册MAX() 函数是一个聚合函数，用于返回指定列或表达式在结果集中的最大值。该函数会忽略 NULL 值，只在所有值都为 NULL 时返回 NULL。

正在走向自律

国产时序数据库选型指南-从大数据视角看透的价值摘要：大数据时代时序数据库崛起，工业物联网场景下每秒百万级数据点写入成为常态。Apache IoTDB凭借单节点1000万点/秒的写入性能、毫秒级查询响应和20:1超高压缩比脱颖而出，其树形数据模型完美适配工业设备层级结构。相比传统数据库，IoTDB存储成本降低80%，查询效率提升10倍，已应用于国家电网、中航成飞等1000+企业，覆盖电力、储能、轨道交通等关键领域。通过端边云协同架构，IoTDB正成为工业数据治理的核心底座，助力企业实现数字化转型。

云边有个稻草人

时序数据库选型指南:基于大数据视角的IoTDB应用优势分析详解！目录一、时序数据库选型的基本原则1.1 数据特征与需求分析1.1.1 数据规模与写入负载1.1.2 查询需求

TDengine （老段）

TDengine 选择函数 Last() 用户手册LAST() 函数统计表/超级表中某列的值最后写入的非 NULL 值，即返回时间戳最大的非 NULL 值。

TDengine （老段）

TDengine 选择函数 First 用户手册FIRST() 函数统计表/超级表中某列的值最先写入的非 NULL 值，即返回时间戳最小的非 NULL 值。

时序数据说

国内开源时序数据库IoTDB介绍在万物互联的工业4.0时代，传感器、设备仪器每时每刻都在产生海量的时间序列数据。如何高效地存储、管理、查询和分析这些数据，成为了企业数字化转型面临的核心挑战。在这一背景下，一款由清华大学自主研发并开源的高性能时序数据库——Apache IoTDB（Internet of Things Database）应运而生，并迅速成为全球时序数据管理领域的一颗耀眼明星。

2025时序数据库选型，以IoTDB为主从架构基因到AI赋能来解析> 💡 原创经验总结，禁止AI洗稿！转载需授权> 声明：本文所有观点均基于多个领域的真实项目落地经验总结，数据说话，拒绝空谈！

图像形态学原理：闭运算 = 先膨胀（Dilate）后腐蚀（Erode）Sobel 算子通过计算图像梯度来检测边缘，可分别检测水平、垂直或对角线方向的边缘，代码中主要展示水平（x 方向）和垂直（y 方向）检测：

TDengine （老段）

TDengine 时间函数 WEEKDAY() 用户手册WEEKDAY() 函数返回输入日期是星期几，用数字表示，其中 0 代表星期一，1 代表星期二，以此类推，6 代表星期日。

TDengine （老段）

从 ETL 到 Agentic AI：工业数据管理变革与 TDengine IDMP 的治理之道小T导读：工业大数据浪潮席卷而来，传统的 ETL（Extract-Transform-Load）流程在应对海量、高频时序数据和敏捷业务需求时捉襟见肘。数据湖虽解决了存储与灵活分析的瓶颈，却带来了数据沼泽化的治理难题。本文将回顾工业数据管理从 ETL 到 ELT 的演进路径，剖析工业数据治理的独特挑战与 AI 驱动机遇，并重点介绍 TDengine IDMP 如何通过数据情景化这一关键能力，结合 Agentic AI 架构，为工业数据的高效治理与价值释放提供强大支撑。

时序数据说

时序数据库IoTDB的核心优势在万物互联的时代，工业制造、智能电网、车联网、环境监测等领域正以前所未有的速度产生着海量的时间序列数据。这些数据通常由成千上万的传感器持续不断采集，具有产生频率高、数据量大、价值密度低、高度依赖于时间等典型特征。传统的关系型数据库或通用的NoSQL数据库在处理这类数据时，往往力不从心，面临写入吞吐量低、存储成本高、查询分析效率差等瓶颈。

TDengine （老段）

中国时序数据库行业市场概览、投资热点及发展趋势预测报告报告导读：时序数据库是用于存储和管理时间序列数据的专业化数据库，也是用于优化摄取、处理和存储时间戳数据的数据库。随着物联网和云平台的出现，时序数据的规模开始以前所未有的方式呈指数级增长。以海量传感器为依托的智能硬件、智能制造、智慧城市、智慧医疗等得到了飞速地发展，物联网中的各类传感器设备每时每刻都在生成海量时序数据，庞大的时序数据集和海量传感器的高并发操作，使得传统关系数据库和 NoSQL 数据库都面临着巨大的挑战。在此背景下，时序数据库应运而生并不断发展。数据显示，2024年全球时序数据库软件市场规模为

TDengine （老段）

TDengine 时间函数 TIMETRUNCATE 用户手册TIMETRUNCATE 是 TDengine 中的一个时间处理标量函数，用于将时间戳按照指定的时间单位进行截断操作。该函数在时间数据聚合、分组和统计分析中非常有用，特别适用于智能电表等时序数据的分析场景。

TDengine （老段）

TDengine 时间函数 TODAY() 用户手册TODAY() 函数返回客户端当日零时（00:00:00）的系统时间。该函数是一个无参数的时间函数，主要用于获取当前日期的开始时间戳。

时序数据说

时序数据库IoTDB的六大实用场景盘点在工业4.0、物联网（IoT）和“双碳”战略的浪潮下，海量的时序数据正从各类设备、传感器中源源不断地产生。如何高效、可靠地管理并分析这些数据，成为了企业数字化转型的关键挑战。Apache IoTDB（物联网数据库），作为一款原生时序数据库，凭借其高性能、高压缩比和易用的特性，在众多领域脱颖而出。本文将为您盘点IoTDB的六大核心实用场景，看它如何赋能各行各业。

涛思数据（TDengine）

新客户 | TDengine 时序数据库赋能开源鸿蒙物联展区实时监控与展示在工业物联网快速发展的当下，企业普遍面临着两大挑战：一是设备种类繁多、接入标准不一，导致系统建设容易陷入“数据孤岛”；二是实时监控和多场景联动的需求越来越强烈，但传统数据库在高频写入与多维分析上难以兼顾，既拖慢了应用体验，也阻碍了创新落地。对于正加速布局数字化的产业园区来说，这些问题直接影响到智慧化应用的展示与推广。

9.4 直播预告｜工业时序数据库：从采数到智能决策🔍需要一次时序数据库 IoTDB 最新功能的全面总结？🚀想知道工业时序数据从采集到决策的全链路解决方案？

时序数据说

时序数据库IoTDB：为何成为工业数据管理新宠？在工业4.0和物联网(IoT)浪潮的推动下，全球制造业正经历一场深刻的数字化转型。工厂里的数控机床、风电场的风力涡轮机、城市中的智能电表，每分每秒都在产生海量的时间序列数据。这些数据是工业互联网的“血液”，蕴含着优化生产、预测故障、提升能效的巨大价值。然而，如何高效、可靠地管理和分析这浩如烟海的数据，成为了传统数据库难以逾越的挑战。

时序数据库选型指南：Apache IoTDB快速部署与实战应用🎏：你只管努力，剩下的交给时间🏠 ：小破站随着物联网设备的爆发式增长，时序数据已成为企业数字化的核心资产。传统数据库面对海量时序数据时往往力不从心，而Apache IoTDB作为专门为时序数据设计的数据库，在性能、易用性、成本控制方面都具有明显优势。

倔强的石头106

时序数据库选型指南：为何Apache IoTDB成为工业物联网首选在工业4.0与物联网技术深度融合的今天，全球设备产生的时序数据量正以指数级增长。据IDC预测，到2025年物联网设备产生的数据将达79.4ZB，其中60%为时序数据。这类数据具有高频采集（毫秒级）、维度丰富（单设备数百监测点）、严格有序（时间戳为核心）等特性，传统关系型数据库在处理时面临写入吞吐不足、存储成本高企、查询效率低下等痛点。本文从大数据视角出发，结合国际权威测试数据，系统解析时序数据库选型的核心维度，并重点阐述Apache IoTDB如何通过技术创新成为工业场景的首选解决方案。