时序数据库

TDengine （老段）

TDengine 新功能通过 UID 删除不可见表我们在通过程序建表时，使用反引号把表名引用起来时，可以创建出来有不可见字符的表名，此时这样的表就无法访问，也无法删除，成了系统中的僵尸表。

Cool----代购系统API

电商数据采集电商，行业数据分析，平台数据获取|稳定的API接口数据电商数据采集可以通过多种方式完成，其中包括人工采集、使用电商平台提供的API接口、以及利用爬虫技术等自动化工具。以下是一些常用的电商数据采集方法：

涛思数据（TDengine）

通过 TDengine 提升物联网平台性能的秘诀，联犀深度解析小T导读：本篇文章是“2024，我想和 TDengine 谈谈”征文活动的三等奖作品。文章从一个具体的业务场景出发，分析了企业在面对海量时序数据时的挑战，并提出了利用 TDengine 高效处理和存储数据的方法，帮助企业解决在数据采集、存储、分析等方面的痛点。通过这篇文章，作者不仅展示了自己对数据处理技术的理解，还进一步阐释了时序数据库在行业中的潜力与应用价值，为读者提供了很多实际的操作思路和技术选型的参考。

国产物联网平台(IotSharp+IoTGateway+Influxdb)快速上手环境说明：Node.js官网官网下载并安装，npm使用淘宝镜像用于编译IotSharp前端Vue项目使用

Elastic 中国社区官方博客

Elasticsearch Serverless 中的数据流自动分片作者：来自 Elastic Andrei Dan在 Elastic Cloud Serverless 中，我们根据索引负载自动为数据流配置最佳分片数量，从而使用户无需摆弄分片。

北漂IT民工_程序员_ZG

docker安装victoriametrics(单机版)拉取镜像创建容器然后可以访问：注意下面的参数和url都要加上单引号，如果不加，在服务器执行curl时插入不成功也不报错。

TDengine （老段）

TDengine 新功能复合主键从 TDengine 3.3.0.0 版本之后，新增了复合主键的功能。TDengine 原来的时间列是不允许有重复时间戳的，有了复合主键功能后，时间列即允许有重复，重复后的时间戳按紧跟其后第二列主键列的值来确定唯一性。

Elastic 中国社区官方博客

Elasticsearch ILM 故障排除：常见问题及修复作者：来自 Elastic Stef Nestor大家好！我们的 Elasticsearch 团队正在不断改进我们的索引生命周期管理 (index Lifecycle Management - ILM) 功能。当我第一次加入 Elastic Support 时，我通过我们的使用 ILM 实现自动滚动教程快速上手。在帮助多个用户设置 ILM 后，我注意到升级主要来自少数配置问题。

TDengine 详解TDengine是一款由涛思数据开发的高性能、分布式、云原生、极简的时序数据库（Time Series Database，TSDB），专为物联网、车联网、工业互联网、金融、IT运维等场景优化设计。以下是对TDengine的详细解析：

Elastic 中国社区官方博客

使用数据层进行数据生命周期管理作者：来自 Elastic Stef NestorElasticsearch 7.10 使配置数据生命周期变得不再那么复杂。在这篇博文中，我将介绍一些变化、如何使用它们以及一些最佳实践。

涛思数据（TDengine）

解密时序数据库的未来：TDengine Open Day技术沙龙精彩回顾在数字化时代，开源已成为推动技术创新和知识共享的核心力量，尤其在数据领域，开源技术的涌现不仅促进了行业的快速发展，也让更多的开发者和技术爱好者得以参与其中。随着物联网、工业互联网等技术的广泛应用，时序数据库的需求愈发强烈，开源的兴起更是为这一技术的创新与普及提供了强有力的支持。

Elastic 中国社区官方博客

使用历史索引监控 Elasticsearch 索引生命周期管理作者：来自 Elastic Stef Nestor大家好！在之前的一篇博客中，我们概述了常见的索引生命周期管理 (index lifecycle management - ILM) 问题及其解决方案。此后，我们已将这些常见场景添加到我们的 Elasticsearch 文档中，并附带示例演示视频。在这里，我们将扩展 ILM 历史索引（ILM history index），以演示如何在故障排除期间使用它，并在需要干预时设置主动警报。

涛思数据（TDengine）

数据同步、流计算全面强化，TDengine 3.3.4.3 版本正式发布经过 TDengine 研发团队的精心打磨，TDengine 3.3.4.3 版本正式发布。作为时序数据库领域的领先产品，TDengine 一直致力于为用户提供高效、稳定、易用的解决方案。本次版本更新延续了一贯的高标准，为用户带来了多项实用的新特性，并对系统性能进行了深度优化。

InfluxDB时序数据库笔记（一）时间序列数据库（Time Series Database, TSDB）是一种专门用于存储、查询和分析时间序列数据的数据库系统。它针对时间序列数据的特性进行了优化，提供了高效的数据压缩、索引和查询机制，以满足对时间数据的高效处理需求。时间序列数据库通常支持高并发写入、实时查询和长期数据存储，是处理时间序列数据的理想选择。

替换OpenTSDB和HBase，宝武集团使用IoTDB助力钢铁设备智能运维时序数据库 IoTDB 应用于宝武集团全基地钢铁时序数据管理，激活数据资产，赋能大型设备智能运维。宝武装备智能科技有限公司（以下简称：宝武智维）是中国宝武设备智能运维专业化平台公司，30 余年始终专注于钢铁行业设备技术服务，逐步打通检测、诊断、检修、制造等设备服务环节，形成系统解决方案服务模式，希望为用户提供稳定可靠、智能高效的设备运行保障。

influxDB 时序数据库安装 & flux语法 & restful接口 & nodjsAPIInstall InfluxDB | InfluxDB OSS v2 DocumentationDebian和Ubuntu用户可以用apt-get包管理来安装最新版本的InfluxDB。

时序数据基础TDEngine时序数据，即时间序列数据（Time-Series Data），它们是一组按照时间发生先后顺序进行排列的序列数据。日常生活中，设备、传感器采集的数据就是时序数据，证券交易的记录也是时序数据。因此时序数据的处理并不陌生，特别在是工业自动化以及证券金融行业，专业的时序数据处理软件早已存在，比如工业领域的 PI System 以及金融行业的 KDB。

时序数据库TDEngineTDengine 是一款开源、高性能、云原生的时序数据库（Time Series Database, TSDB）, 它专为物联网、车联网、工业互联网、金融、IT 运维等场景优化设计。同时它还带有内建的缓存、流式计算、数据订阅等系统功能，能大幅减少系统设计的复杂度，降低研发和运营成本，是一款极简的时序数据处理平台。本文档是 TDengine 的用户手册，主要是介绍 TDengine 的基本概念、安装、使用、功能、开发接口、运营维护、TDengine 内核设计等等，它主要是面向架构师、开发工程师与系统管理员的

时序数据库之influxdb和倒排索引以及LSM-TREE一、时序数据库的特点 1、时序数据库用作打点，用来做监控使用，属于写多读少的场景，而且由于时间不可逆，几乎不可能出现更新的操作。而且监控数据一般只会查询最近几分钟数据，冷热数据查询频率非常明显。因此非常贴合ES LSM-TREE这种准实时的特点。 2、ES和LSM-TREE 写入的时候，都是顺序写入，相比于mysql B+树因为需要维持全局有序，随机写。效率有很大提升。 3、而且ES和LSM-TREE都是批量写入，都会先在内存攒一批数据（ES是段写满，或者达到兜底时间。LSM-TREE是内存里memory

第三章：TDengine 常用操作和高级功能TDengine 是一个专门为物联网（IoT）和大数据场景设计的高性能时序数据库。除了基本的创建数据库、表、插入和查询数据之外，TDengine 还提供了许多其他常用操作和高级功能。