时序数据库

科研数据叙事：DeepSeek将实验数据转化为故事化分析框架在当今科研领域中，数据爆炸式增长已成为常态。无论是基因测序、气候模拟，还是粒子碰撞实验，科学家们每天面对的是TB甚至PB级别的数据流。然而，如何从这些海量数据中提炼出有意义的科学故事，并将其转化为可理解、可传播的成果，仍是科研工作者面临的重大挑战。

涛思数据（TDengine）

陶建辉入选 2025 中国大数据产业年度趋势人物 · 十年先锋人物回看中国大数据产业走过的第一个十年，真正经得起时间检验的，并不只是概念创新或阶段性风口，而是那些在基础技术与产业实践中长期投入、持续演进的选择。随着产业逐步进入深水区，一些曾经并不喧哗、却始终指向长期价值的技术路线，开始被重新审视与确认。

TDengine （老段）

TDengine 脱敏函数用户手册TDengine 提供了一组数据脱敏函数，用于保护敏感数据的安全。数据脱敏是一种重要的数据安全技术，可以在不影响数据可用性的前提下，对敏感信息进行变形处理，防止数据泄露。

时序数据库InfluxDB迁移替换实测，运维成本显著优化在工业物联网、智能电网、车联网及AIOps监控等高并发时序数据场景中，InfluxDB曾是主流选型。但随着信息技术应用创新持续深化与业务规模持续扩张，其在国产化适配能力、长期运维投入、混合负载支持能力及安全可控水平等方面的局限性日益显现。近期一项覆盖真实生产环境的跨平台迁移实测表明：采用金仓数据库完成时序数据库InfluxDB迁移替换后，系统实现稳定写入能力达200万点/秒，并达成综合运维成本显著优化的核心目标——这一量化效果并非实验室峰值指标，而是基于7×24小时连续压测与为期三个月的生产环境运行验证得

中国式报表是什么？观远BI如何赋能企业数据决策“中国式报表”是一个在数据和商业智能领域流行起来的术语，可以通俗地把“中国式报表”理解成一种“超级Excel表”。它并非官方标准，而是指那种格式复杂、信息密度极高的报表，特点是拥有多层表头、合并单元格等。它的主要目的，就是为了满足在一张表内、以高度定制化的方式、看全所有明细数据的阅读习惯。

真实案例深度复盘：金仓时序数据库如何支撑海洋监测系统的数字化转型最近接触了一个挺有意思的项目——某海洋预警系统的信创改造。说实话,刚开始听到"12万艘船舶、日均3000万条定位数据"这些数字时,我心里也打鼓：这么大的数据量,国产数据库真的能扛住吗？但三个月下来,金仓时序数据库(KES)的表现确实让人眼前一亮。今天就把这个项目的实战经验分享出来,希望能给遇到类似场景的朋友一些参考。

一个天蝎座白勺程序猿

金仓数据库KingbaseES无缝替代MongoDB，实现核心业务系统平稳迁移金仓数据库KingbaseES V9实现了对MongoDB协议的原生兼容，通过创新的"一体双擎"架构将关系型存储内核与文档模型无缝融合，在金融、医疗、政务等关键领域完成300+大型项目的平滑迁移，本文将详细介绍具体的迁移事项。

InfluxDB迁移替换实战：金仓时序数据库如何提高写入性能在金融行业数字化转型持续深化的背景下，实时风控、交易链路追踪、设备健康监控等关键业务场景对时序数据平台的采集密度、写入吞吐、查询响应及系统稳定性提出了更高要求。某全国性股份制银行在建设新一代智能运营中台过程中，原基于InfluxDB v1.8构建的时序数据平台逐步显现能力瓶颈：在日均新增约12亿条指标记录（覆盖5万余个交易终端、2000余个微服务节点）、峰值写入压力达8.6万点/秒的生产负荷下，InfluxDB单节点平均写入延迟升至120ms以上，内存溢出（OOM）问题频发；同时其TSM存储引擎对高基数标

InfluxDB迁移至金仓数据库的同城容灾实践：性能显著提升、运维效率优化，某能源企业实现RPO_5秒的高可靠时序数据管理在“双碳”战略驱动下，某大型能源集团加速推进智能电厂、远程集控与设备预测性维护体系建设。其核心工业物联网平台日均接入20万以上传感器节点，产生原始时序数据超8TB/日，写入峰值达12万点/秒——这一规模已远超InfluxDB单集群的稳定承载能力。

TDengine （老段）

使用安装包快速体验 TDengine TSDB为了能够快速体验 TDengine TSDB 的完整功能，推荐您使用 TDengine TSDB-Enterprise. 本节首先介绍如何通过安装包快速安装 TDengine TSDB-Enterprise, 然后介绍如何在 Linux 环境下体验 TDengine TSDB 的写入、查询、可视化管理、与 Grafana 集成和零代码数据写入等功能。如果您希望为 TDengine TSDB 贡献代码或对内部技术实现感兴趣，请参考 TDengine TSDB GitHub 主页.

时序数据库选型权威指南：从大数据视角解读IoTDB的核心优势在万物互联的数字化时代，工业物联网、智慧能源、智能交通等领域正以前所未有的速度发展。据IDC预测，到2025年全球物联网设备数量将达到416亿，产生的数据量将超过79.4ZB。这些设备每分每秒都在产生海量的时序数据——从风力发电机的转速监测、智能电表的能耗记录，到工业传感器的温度采集，再到车辆行驶的位置轨迹。

檀越剑指大厂

时序数据库选型指南在数字化转型浪潮中，时序数据已成为企业数据资产的重要组成部分。据Gartner预测，到2025年，超过75%的企业将把时序数据应用到业务分析和决策中。与传统的结构化数据不同，时序数据具有时间戳不可变性、高写入频率、高维度特征和时间相关性等特征，这些特征决定了它们需要专门优化的存储和处理系统。

KingbaseES 时序数据库：国产化替代浪潮下的技术突围与实践路径物联网、工业互联网和金融科技发展得越来越快，时序数据也跟着迎来了爆发式增长。作为海量时序数据存储、分析和决策支持的核心工具，时序数据库早就成了数字经济时代离不开的关键支撑。现在，国产化替代的浪潮席卷各行各业，数据库作为信息技术的“底座”，自主可控、安全可靠这两点变得越来越重要。中电科金仓自己研发的KingbaseES（KES）时序数据库（KES_TSDB），在技术架构、性能优化、生态兼容这些方面不断突破，在国产化替代的进程中成功实现了技术突围，给金融、制造、能源、电信等关键行业，提供了成熟又好用的落地实践

一休哥助手

时序数据库选型指南：从核心考量到四大主流数据库深度解析在工业物联网和数字中国建设加速的背景下，面对海量时序数据，选择一款合适的时序数据库已成为企业数字化转型的关键决策。本文将基于四维十问选型框架，从性能、场景、运维和生态四个维度，深入剖析TDengine、KaiwuDB、Apache IoTDB和DolphinDB四款主流国产时序数据库的核心特性、性能表现与行业实践，为企业选型提供权威参考和实战指南。

想你依然心痛

时序数据库选型指南：开启高效数据管理之旅别把自己看得太高，这个世界离开谁都行；别把自己看得太低，这世上你独一无二。每个人的一生都有自己的使命，不用和别人比，好好活自己。

TDengine （老段）

初学者使用 docker 快速体验 TDengine 功能TDengine 是一款专为物联网、工业互联网等场景设计的高性能时序数据库（Time-Series Database, TSDB）。它能够高效地处理海量时序数据的写入、存储和查询，广泛应用于智能制造、能源监控、车联网等领域。

InfluxDB迁移？时序数据库国产替代三大难点与实践2024年信创目录已覆盖超80%的中央企业，国产数据库正加速进入各行业核心业务系统。在工业互联网、物联网等场景中，设备传感器带来的时序数据呈现爆发式增长，“能否实现对InfluxDB的国产化替代？”成为政企单位在技术选型中的关键议题。本文聚焦于时序数据库国产化迁移的技术路径，结合多个典型行业落地案例，深入解析从InfluxDB向金仓等主流国产数据库迁移过程中面临的三大技术挑战及应对策略。

时序数据库国产化替代，破局迁移“三不”困局在数字化转型浪潮席卷千行百业的今天，企业对数据的依赖已从“可用”迈向“实时、高效、智能”的新阶段。尤其在工业物联网、智慧城市、能源管理等领域，传感器与设备日均产生数以亿计的时间序列数据，传统数据库在高频写入、海量存储与复杂分析场景下面临严峻挑战——响应延迟加剧、运维成本攀升、系统扩展受限。据IDC《2024年中国时序数据库市场研究报告》预测，中国时序数据库市场规模年复合增长率超过35%，2026年将突破百亿元大关。

金仓时序数据库深度体验：从踩坑到真香，一个DBA的真实观察说实话，刚开始接触金仓时序数据库的时候，我内心是有点质疑的。搞时序数据库的厂商那么多，InfluxDB、TimescaleDB这些名字大家都不陌生，金仓作为一个做关系型数据库起家的国产厂商，真的能把时序做好吗？但经过这一段时间的深度体验和实践，我的想法彻底改变了。

你才是臭弟弟

TDengine TSDB（数据备份与恢复）针对TDengine的数据导入导出，日常最常用的方式是使用CSV文件和官方备份工具taosdump。你可以根据需求选择。