技术栈
时序数据库
隔窗听雨眠
29 分钟前
物联网
·
时序数据库
·
kwdb
净水机物联网平台的多模数据库落地实践
净水机这个品类看着不起眼,背后却是一套典型的物联网数据工程。每台设备要持续上报TDS值、pH值、水温、水量、电导率、滤芯寿命、电源状态等运行指标,同时还要处理水卡消费记录、远程开关机、预警下发、水费调整这类业务操作。设备量一旦上到千台规模,数据写入的频次与查询模式的多样性就会把单一种类的数据库逼到墙角。本文以一次基于KWDB分布式多模数据库的净水机方案落地为例,完整拆解从选型、建模、压测到故障复盘的全过程,重点放在那些只有踩过才知道的坑。
byte轻骑兵
2 天前
数据库
·
人工智能
·
apache
·
时序数据库
·
iotdb
时序数据库选型指南:Apache IoTDB 社区版实践与踩坑
之前项目中尝试过使用 MySQL 分区表存储物联网时序测点,随着测点和时间范围增长,分区数量爆炸,乱序补写场景下磁盘 IO 持续打满,查询延迟不断上涨。这促使我系统调研开源时序数据库,本文基于 Apache IoTDB 社区版 2.0.11 版本,从大数据场景、模型差异、实操部署、版本升级坑点分享选型经验,所有操作均基于开源社区版本。
DolphinDB智臾科技
5 天前
时序数据库
以一站式平台唤醒海量测点:基于 DolphinDB 的乌江水电数字化进阶之路
当前,水电行业数字化转型已不再局限于技术探索,更是应对复杂调度格局的生存底座。千里流域之内,数以万计的传感器 7×24 小时感知着水情、流量与机组工况,但数据量的急剧攀升暴露出传统架构的短板:数据采集上来了,流转和计算却跟不上,毫秒级的智能监盘、故障诊断、防汛调度等需求更是无从谈起。
智码看视界
7 天前
物联网
·
mqtt
·
esp32
·
时序数据库
·
influxdb
·
tdengine
Edge AI 与 IoT 全栈:云端时序数据库 + Grafana 看板,把数据变成洞察
这是新手最爱踩的认知坑。把气象数据塞进 CREATE TABLE weather (id, ts, t, h, ...) 的 MySQL,前 100 万行很爽,后面就崩了:
TDengine (老段)
11 天前
大数据
·
数据库
·
人工智能
·
物联网
·
时序数据库
·
tdengine
·
idmp
TDengine IDMP 十大实用功能(9)
一句话:排障的难点从来不是数据不够,是变量太多、时间太紧。IDMP 把相关性分析、回归、聚类、预测放进同一个工作台,再让 AI 从事件出发做根因调查——而且它会明确告诉你哪些解释已经排除、哪些还缺证据。
AI你一生一世
13 天前
java
·
人工智能
·
struts
·
时序数据库
·
工业智能
·
dolphindb
·
ai基础设施
不止于时序存储:DolphinDB 如何成为 AI 时代的工业智能底座
我是AI时代的无业游民,我游荡在现实与意念之间工业数据基础设施正在经历一次不太显眼但很关键的转向。过去几年,行业讨论的焦点是"能不能把传感器数据存下来";现在,问题变成了"存下来的数据能不能直接喂给模型、能不能在毫秒级完成特征计算、能不能同时支撑实时决策和历史回溯"。DolphinDB 这类时序数据库被重新拿出来讨论,本质上不是因为存储本身变难了,而是因为 AI 对数据底座的要求变了——它要求存储、计算、分析在同一套系统里完成,而不是像过去那样把数据搬来搬去。
TDengine (老段)
13 天前
数据库
·
物联网
·
时序数据库
·
tdengine
·
涛思数据
·
工业数据
·
idmp
TDengine IDMP 十大实用功能(7)
一句话:工业现场不缺告警,缺的是闭环。IDMP 把"某条分析命中了"变成一个有级别、有状态、有责任人、可确认、可升级、可追溯的事件对象,并且能把通知精准推给该管的那个人,顺手在飞书里建一张工单。
杨云龙UP
15 天前
数据库
·
时序数据库
·
tdengine
·
tsdb
·
历史日志清理
·
trim database
·
logkeepdays
TDengine 社区版磁盘空间不足故障处理 SOP:历史日志清理、日志保留策略及数据保留 200 天
生产环境使用 TDengine TSDB 社区版,服务器出现磁盘空间不足问题,/home 分区使用率达到 100%,影响数据库正常运行。
lbb 小魔仙
17 天前
数据库
·
人工智能
·
prometheus
·
时序数据库
Windows搭建PaddleOCR+飞书Webhook自动打卡通知机器人:识别、推送与远程触发完整教程
很多办公自动化项目真正麻烦的不是“写一段脚本”,而是要把几个不同环节串起来:图片从哪里来、OCR怎么识别、识别结果怎么通知、出了问题又从哪一步排查。
HZZD_HZZD
17 天前
时序数据库
·
数据存储
·
influxdb
·
timescaledb
·
智能电表
时序数据库降采样与保留策略:200万点位三年存储压到1/4
关键信息摘要:分层保留是指把原始点、小时点、日点分三层存放,各层配独立的降采样函数与保留期。200 万计量点按 15 分钟上报,三年窗口的落盘量从只压不降的 812GB 降到 186GB,约为原来的 1/4。文中给出字段与函数的对应规则,以及两段可直接运行的建表与聚合代码。方法适用于计量点 5 万以上、需要三年追溯的能源平台;只查近 30 天的系统不必分层。
画中有画
18 天前
数据库
·
物联网
·
时序数据库
时序数据库在物联网系统中的应用
2025年,我作为系统架构师参与了某大型制造园区“设备物联感知平台”的架构设计与实施工作,承担时序数据存储选型、测点模型设计及读写链路优化。该平台接入园区12个车间、超过2.3万台设备,峰值测点约180万,日增数据约90亿行。本文论述时序数据库在该项目中的工程化应用:以TDengine 3.x超级表模型为基础,按“设备类型→超级表、采集点→子表、静态属性→标签”完成测点建模;通过MQTT+消息队列缓冲、批量写入与乱序容忍机制实现峰值120万点/秒的稳定写入;利用时间分区裁剪、标签索引与多级降采样将典型查询
KaiwuDB
18 天前
运维
·
数据库
·
时序数据库
·
kaiwudb
KaiwuDB 运维实战06:数据库备份与恢复:从理论到实战
摘要: 本文面向 KaiwuDB 的使用者、DBA 和运维工程师,系统讲解数据库备份与恢复的核心概念和工程实践。文章内容包括:为什么高可用和副本冗余不能替代备份、全量备份与增量备份的区别、备份粒度与时间线恢复(PITR)的基本原理、3-2-1 备份原则,以及 KaiwuDB 的两层数据保护体系——基于 WAL 的时序数据容灾机制(工作机制、文件轮转、参数配置),和面向时序数据与关系数据的备份还原功能(备份类型、文件结构、BACKUP/RESTORE 操作、增量备份链、功能限制与注意事项)。阅读本文后,你可
TDengine (老段)
18 天前
大数据
·
数据库
·
物联网
·
时序数据库
·
iot
·
tdengine
·
涛思数据
TDengine IDMP 十大实用功能(3)
一句话:IDMP 不把现场数据当成"一堆点位号"。它先让你建一棵树,把厂里有什么设备、设备有哪些属性、属性用什么单位定下来;这棵树建对了,后面的面板、分析、事件、AI 才全都有意义。
KaiwuDB
18 天前
数据库
·
时序数据库
·
kaiwudb
·
发版
·
多模时序数据库
·
冷热分层存储
·
主备集群
企业级数据库数据保护:KaiwuDB KaiwuDB V3.3.0 发布:S3 冷热分层存储与主备集群能力增强实战解析模场景备份恢复方案解析
本文面向数据库开发者和运维工程师,解析 KaiwuDB V3.3.0 的核心更新。内容涵盖 S3 冷热分级存储、主备集群同步增强、双副本仲裁节点 raft log、时序视图管理与压缩算法扩展。读完本文,你可以快速了解 V3.3.0 在数据管理、高可用和运维诊断上的具体变化,并判断是否适合升级。
Apache IoTDB
19 天前
数据库
·
时序数据库
·
iotdb
从 IoTDB 到 CED-DB:哈尔滨工业大学探索云边端协同时序数据库
编者按:工业物联网中的时序数据正在快速增长。产线故障预测、车辆路径判断等业务需要在数据产生附近及时完成决策,历史趋势分析和大规模聚合又需要云端算力。数据全部上云,会受到传输时延、带宽和副本同步进度的影响;复杂查询全部留在边缘,有限的计算资源又难以承载。
TDengine (老段)
19 天前
大数据
·
数据库
·
chrome
·
时序数据库
·
tdengine
·
idmp
·
有问有答
TDengine IDMP 十大实用功能(2)
—— 有问即答(AI 问答 + AI Function)——开口问一句,它就在当前页面把活干完一句话:你不用写 SQL,也不用写提示词模板。想搞清楚一件事,就在当前页面上问一句;想让它动手,就点一下页面上的 AI 按钮——平台自己把「你正在看的这段数据」打包递给大模型,答案直接回来。
TDengine (老段)
20 天前
大数据
·
数据库
·
物联网
·
时序数据库
·
tdengine
·
涛思数据
TDengine IDMP 十大亮点功能(一)
一句话:IDMP 不用你写提示词、写 SQL、手工配图表,系统在后台自动读懂你的资产和时序数据,提前把「该看的面板」「该配的实时分析」「该算的指标」推到面前。
DolphinDB
21 天前
数据库
·
时序数据库
·
量化金融
·
dolphindb
QuantLib 之外,衍生品定价还能怎么选?DolphinDB Monte Carlo + PDE 工具实测
算一个标准欧式期权不难,难的是“不标准”的产品:亚式要盯观察日和历史定盘(Fixing),障碍要判断价格有没有触碰,随机波动率、多资产还会再加状态变量。
熊文豪
22 天前
时序数据库
·
timechoai
从数据到预测只差四步:时序大模型 TimechoAI 上手实录
时序数据库解决了"存得下、查得快",但企业真正想要的是"猜得准"——明天这条产线的良品率是多少、这台风机下周会不会过热、明晚的用电负荷要调度多少。这类问题传统做法要经历数据清洗、特征工程、选模型、调参、评估的完整流程,周期以周计,而且一个场景一套模型,换个产线就得重来。
涛思数据(TDengine)
24 天前
人工智能
·
ai
·
知识图谱
·
时序数据库
·
tdengine
·
工业ai
直播预告 | 知识图谱,让文档自动变成知识网络
工业数据管理走到最后,会撞上一个更根本的问题:沉淀下来的知识,机器读得懂吗?现实情况是,操作规程在档案柜里、故障复盘在工程师的电脑里、报警处理逻辑在代码的 if-else 里。就算把它们全部收进知识库,模型能检索到的也只是"某份文档里提到过"——一段文字,不是一条能往下走的逻辑链。