tdengine

jetlinks-扩展TDengine时序库jetlinks默认支持TDengine存储数据，但是没有支持作为时序库。TDengine如果要实现，需要扩展一下。

TDengine （老段）

TDengine 在新能源领域的最佳实践新能源领域，特别是分布式光伏和储能系统，面临着海量测点、高频采集、实时监控等数据处理挑战。本文档将详细介绍如何使用 TDengine 构建高效的新能源数据管理系统，涵盖数据建模、高效写入和查询优化等核心内容。

TDengine （老段）

TDengine IDMP 1.0.9.0 上线：数据建模、分析运行与可视化能力更新一览在 TDengine IDMP 持续迭代的过程中，有一类问题会越来越早地出现：不是“能不能实现”，而是“以后用起来会不会变复杂”。

TDengine （老段）

TDengine IDMP 地图展示数据功能快速上手各行业对地理区域相关数据（如用电量、人口分布、经济指标等）的分析需求日益增长，普通的表格或柱状图形式呈现此类数据，不仅难以直观展现区域差异与趋势，还需用户耗费大量时间解读。使用地图可视化技术，将复杂的区域统计数据转化为易懂的地图形式，同时结合交互设计，让用户更高效地获取、分析数据，支撑决策制定。

TDengine Docker 容器化部署指南TDengine 是一款开源、高性能、云原生的时序数据库，专为物联网（IoT）、车联网和工业物联网场景优化设计。它能够高效处理每天TB甚至PB级别的数据，支持数十亿传感器和数据采集点的数据 ingestion、处理与监控。TDengine 的核心优势包括：

香精煎鱼香翅捞饭

记一次多线程调用TDEngine restful获取数据的时间异常测试版本为TDEngine 2.x，3.x目前还没发现。业务代码中调用TDEngine restful接口测试查询数据，sql如下：select * from hdb.DD011004024034 where ts >= ‘2025-11-01 06:00:00’ and ts < ‘2025-11-01 12:00:00’，数据都是正常时间范围内的。但是切换为多线程后，返回的数据却出现了11月31日的数据。经过切换Hutools的HttpRequest和HttpClient5，返回结果依旧一样。最

TDengine （老段）

开放生态破局工业大数据困局：TDengine 的迭代升级与全链路数据自由流动在工业 4.0 与 AIoT 深度融合的背景下，中国工业企业数字化转型面临核心瓶颈——数据无法自由流动。传统制造场景中，IT 系统与 OT（运营技术）系统常呈 “碎片化” 分布，部分系统依赖国外技术框架，随设备监测点位规模扩大（如达十万级以上），易出现数据处理能力不足问题；同时，传统数据库普遍存在高并发写入支撑弱、存储效率低的缺陷，导致硬件成本攀升。这些封闭系统缺乏统一标准接口，难以适配主流数据分析工具，最终使数据价值被禁锢在 “信息孤岛” 中，无法支撑业务决策。

TDengine （老段）

山东港口科技借助 TDengine 构建智慧港口“数据基石”作者：山东港口, 张艳明小T导读：在智慧港口的建设过程中，面对海量物联网设备产生的时序数据（如设备状态、能耗、作业效率等）的高效接入与实时分析需求，山东港口科技选择采用 TDengine TSDB 时序数据库作为核心数据底座，以应对传统关系型数据库在处理高并发、大规模时序数据时的性能瓶颈，实现设备状态的实时监控、数据压缩存储与智能分析，为智慧港口的数字化转型与智能化运营提供强有力的数据支撑。本次将就此实践进行具体分享。

添加shujuqudong1如果未回复

探索博世汽车电驱仿真模型：同步与异步电机的魅力博世汽车电驱仿真模型，同步电机和异步电机模型，相电流完美波形博世汽车电驱仿真模型，同步电机和异步电机模型，相电流完美波形，自动计算弱磁模型调用各种脚本进行foc控制，正反转切换电流无波动

TDengine （老段）

从关系型数据库到时序数据库的思维转变比喻：当你面对以下场景时，就应该启动思维转变：最后记住：时序数据库是专用工具。将时序数据存入关系型数据库，如同用螺丝刀敲钉子；而用时序数据库处理OLTP业务，则如同用电钻拧螺丝。完成这次思维转变，你就能在正确的地方，选择并使用正确的工具，从而释放数据的巨大潜力。

TDengine （老段）

直播回放 | IDMP 无问智推技术详解在生产车间、设备集控室、运维指挥中心，每天都有成千上万条数据实时上传：温度、压力、转速、电流……这些数据，被系统精准地记录了下来，也被整整齐齐地存进了数据库。但真正的问题是：

TDengine （老段）

使用 deepseek 快速搭建 TDengine IDMP demoTDengine IDMP 产品的客户多为工控场景。在工控体系中，系统自下而上通常划分为现场设备层、现场控制层、过程监控层、生产管理层以及企业资源层。因此，最初的数据来源于现场设备层，这些数据也是后续所有业务驱动的来源。对于TDengine而言，数据采集后汇聚到该平台，随后可以按设备或组织架构的形式进行展示，其内容仍围绕设备数据展开。因此，如何高效获取素材来源，决定后面工作效率和展示效果。

TDengine （老段）

TDengine 新性能基准测试工具 taosgen从 3.3.7.0 开始，在 TDengine 安装包中多了一个新工具 taosgen, 此工具是替换 taosBenchmark 的新的基准性能测试工具，taosgen 支持数据生成、写入性能测试等功能。taosgen 以“作业”为基础单元，作业是由用户定义，用于完成特定任务的一组操作集合。每个作业包含一个或多个步骤，并可通过依赖关系与其他作业连接，形成有向无环图（DAG）式的执行流程，实现灵活高效的任务编排。

时序数据库选型与全景解析：从分类到国产标杆TDengine的技术突破当工业生产线的传感器每秒传来数千条运行数据，当智能电网的电表实时回传亿级用户的用电信息，当时序数据以“井喷式”态势占据全球数据总量的70%以上，传统数据管理工具早已力不从心。2025年，全球物联网活跃终端已达350亿台，中国工业物联网市场规模突破1.8万亿元，这些设备产生的时序数据不仅具备“高频采集、海量存储、实时分析、低更新率”的核心特征，更对数据处理的性能、成本与稳定性提出了严苛要求。

TDengine （老段）

TDengine 数据缓存架构及使用详解TDengine 采用**写驱动缓存（Write-driven Cache）**设计，与传统数据库的读驱动缓存截然不同。核心思想是：时序数据场景下，最新写入的数据往往是最频繁查询的数据。

TDengine （老段）

TDengine 数据订阅架构设计与最佳实践TDengine 数据订阅（TMQ）是一个高性能、低延迟、高可靠的实时数据流处理系统,核心设计理念是:基于 WAL 的事件流存储 + Push-Pull 混合消费模式 + 自动负载均衡。

TDengine实战：构建高性能物联网时序数据存储方案高性能 | 高压缩 | 分布式架构在物联网(loT)场景中，设备产生的时序数据具有高频写入、海量存储、低查询延迟等特性。TDengine 作为一款专为时序数据设计的高性能数据库，通过创新的"一个数据采集点一张表"架构和标签化设计，完美解决了传统数据库在时序数据处理中的性能瓶颈。本文将基于实际案例，详细介绍如何使用TDengine构建物联网数据存储系统，并通过性能优化实现高效数据查询。

TDengine （老段）

TDengine 存储引擎：极速、高压缩、零冗余TDengine 存储引擎专为时序数据场景设计，核心理念是：充分利用时序数据的时间有序性、连续性和高并发特点，实现极致的写入速度和超高的压缩比。

TDengine （老段）

TDengine 查询引擎设计与最佳实践TDengine 查询引擎专为时序数据场景优化，核心目标是：充分利用时序数据特征，通过智能优化和分布式计算，实现毫秒级查询响应。

TDengine （老段）

辰安科技用时序数据库 TDengine 打造智慧消防新底座作者：魏宁（辰安科技）小T导读：作为清华大学控股、专注公共安全领域的高科技企业，辰安科技正以“智慧消防系统”引领城市火灾防控的智能化升级。面对项目中成千上万传感设备带来的海量数据挑战，他们选择 TDengine TSDB 作为核心时序数据库，构建高性能、可扩展的智慧消防数据平台。本文将介绍 TDengine TSDB 如何支撑辰安科技在燃气监测、智能消防栓、火灾探测等典型场景中的实时监测与预警应用，助力实现从“感知火情”到“智能防控”的全面跃升。