登录社区云,与社区用户共同成长
邀请您加入社区
单实例部署形态以“快速交付、低复杂度”为目标,通常用于 PoC、演示验证、小规模交付或封闭网络环境。TDengine IDMP 以单实例方式对外提供 Web/API 服务,采集侧通过 taosX agent 将数据写入 TDengine TSDB,IDMP 通过内部端口访问 TSDB 完成数据管理与查询。该形态组件最少、链路最短、部署与运维成本最低,但对外暴露面相对更大且存在单点风险,生产场景一般
TDengine Industrial Data Management Platform(TDengine IDMP)是一款 AI 原生的物联网、工业数据管理系统,它通过经典的树状层次结构组织传感器、设备采集的数据,建立数据目录,对数据提供语境化、标准化的处理,并提供实时分析、可视化、事件管理与报警等功能,旨在帮助企业快速高效的从运营数据中挖掘出商业价值。IDMP 充分利用 AI 技术,基于采集的
从整体来看,TDengine IDMP Excel Add-in 的价值,在于让工业数据真正进入日常工作流程。通过将已经治理和计算的数据引入 Excel,业务人员可以在熟悉的工具中完成分析和判断,减少重复取数和人工整理,让数据更快转化为可用信息。在此基础上,Excel Add-in 也为持续扩展留出了空间。无论是通过 SDK 支持更深度的系统集成,还是在后续迭代中探索与 AI 的结合,核心目标始终
其中,TDengine TSDB 是一款高性能、分布式的时序数据库(Time Series Database),同时它还带有内建的缓存、流式计算、数据订阅等系统功能;TDengine IDMP 是一款AI原生工业数据管理平台,它通过树状层次结构建立数据目录,对数据进行标准化、情景化,并通过 AI 提供实时分析、可视化、事件管理与报警等功能。访问文档:https://docs.taosdata.co
为规范基于AI大模型的时序数据管理平台技术和能力,指导提升AI大模型在时序数据领域的管理、建设应用,促进相关技术创新发展,完善行业协同生态,中国信通院依托CCSA TC601开展《基于AI大模型的时序数据管理平台技术要求》标准编制工作,围绕AI时序数据应用、时序模型管理、时序数据建模和组织、时序数据情景化、时序数据标准化、时序数据预处理、时序数据可视化、时序数据实时分析、事件管理、时序数据服务、平
工业企业正在经历从“自动化”走向“数据驱动运营”的关键阶段:预测性维护、质量追溯、能耗优化、异常检测、工艺优化以及工业 AI/大模型协同等应用被寄予厚望。数据可用但不可信,结论可算但不可用。根因在于工业数据与传统业务数据的生产条件完全不同:高频时序、强实时、强物理约束、强上下文依赖、持续变化、且治理失效的代价可能直接影响安全与连续生产。由此,工业数据治理不是通用数据治理在工业领域的“套壳”,而是一
TDengine 专为物联网IoT平台、工业大数据平台设计。其中,TDengine TSDB 是一款高性能、分布式的时序数据库(Time Series Database),同时它还带有内建的缓存、流式计算、数据订阅等系统功能;TDengine IDMP 是一款AI原生工业数据管理平台,它通过树状层次结构建立数据目录,对数据进行标准化、情景化,并通过 AI 提供实时分析、可视化、事件管理与报警等功能
工业 4.0 的核心是 “数据驱动”,而数据驱动的前提是 “数据自由流动”。TDengine 从开源内核出发,通过标准兼容打破工具壁垒,通过 MQTT 订阅升级拓宽数据接入场景,通过多平台发布功能打通下游链路,构建起覆盖工业数据全生命周期的开放生态 —— 既解决了传统系统的 “孤岛困境”,又契合中国工业企业 “国产化、低成本、高效率” 的数字化需求。随着工业 AI、数字孪生等技术的深入应用,工业数
TDengine 在电力行业的实践
其中,TDengine TSDB 是一款高性能、分布式的时序数据库(Time Series Database),同时它还带有内建的缓存、流式计算、数据订阅等系统功能;TDengine IDMP 是一款AI原生工业数据管理平台,它通过树状层次结构建立数据目录,对数据进行标准化、情景化,并通过 AI 提供实时分析、可视化、事件管理与报警等功能。: 统一设备位置信息的大小写格式,便于数据查询和统计。:
以下是符合需求的Java代码实现,可直接运行生成随机中文文章标题(包含段落分隔及结构):```javapublic class 标题生成器 {private static final String[] 前缀 = {浅谈, 探索, 解析, 论, 看, 走进};private static final String[] 领域词库 = {人工智能, 区块链技术, 量子计算, 边缘计算, 深度学习, 云计
它能安全高效地将大量设备每天产生的高达 TB 甚至 PB 级的数据进行汇聚、存储、分析和分发,并提供 AI 智能体对数据进行预测与异常检测,提供实时的商业洞察。本用户手册提供了 RAND 函数的完整使用说明,特别针对电力系统中的数据采样、测试模拟、负载均衡等实际需求,方便用户快速上手并应用于生产环境。:对海量历史数据进行统计分析时,通过随机抽样减少计算量,同时保证统计结果的代表性。:在并发查询场景
其中,TDengine TSDB 是一款高性能、分布式的时序数据库(Time Series Database),同时它还带有内建的缓存、流式计算、数据订阅等系统功能;TDengine IDMP 是一款AI原生工业数据管理平台,它通过树状层次结构建立数据目录,对数据进行标准化、情景化,并通过 AI 提供实时分析、可视化、事件管理与报警等功能。函数返回指定列中最大的 k 个非 NULL 值及其对应的记
功能说明:返回跳过最后 offset_val 个,然后取连续 k 个记录,不忽略 NULL 值。offset_val 可以不输入。此时返回最后的 k 个记录。当有 offset_val 输入的情况下,该函数功能等效于 order by ts desc LIMIT k OFFSET offset_val。
对于编程初学者来说,软件开发流程中的开发环境配置、安装异常或报错往往需要花费大量时间查阅资料和反复试错,才能正常安装和启动某些软件工具。现在,在 TRAE 的帮助下,即使完全没有接触过编程,也能通过自然语言直接表述需求,交由 AI 辅助编程工具执行。遇到 BUG 或不清楚的步骤,也都可以交给 AI 分析,并快速输出问题原因及解决方案。
专为物联网IoT平台、工业大数据平台设计。其中,TDengine TSDB 是一款高性能、分布式的时序数据库(Time Series Database),同时它还带有内建的缓存、流式计算、数据订阅等系统功能;TDengine IDMP 是一款AI原生工业数据管理平台,它通过树状层次结构建立数据目录,对数据进行标准化、情景化,并通过 AI 提供实时分析、可视化、事件管理与报警等功能。函数统计表/超级
其中,TDengine TSDB 是一款高性能、分布式的时序数据库(Time Series Database),同时它还带有内建的缓存、流式计算、数据订阅等系统功能;TDengine IDMP 是一款AI原生工业数据管理平台,它通过树状层次结构建立数据目录,对数据进行标准化、情景化,并通过 AI 提供实时分析、可视化、事件管理与报警等功能。函数统计表/超级表中某列的值最小 k 个非 NULL 值。
它能安全高效地将大量设备每天产生的高达 TB 甚至 PB 级的数据进行汇聚、存储、分析和分发,并提供 AI 智能体对数据进行预测与异常检测,提供实时的商业洞察。是一款专为物联网、工业互联网等场景设计并优化的大数据平台,其核心模块是高性能、集群开源、云原生、极简的时序数据库。这些简化的示例更容易理解和使用,适合快速学习 TIMEDIFF 函数的基本用法。
基于高性能、分布式的时序数据库,辅以数据业务语义和上下文,TDengine 不仅能高效地存储采集的海量数据,而且能智能感知应用场景,自动生成面板、报表、监测异常,让您拥有一个强大的工业智能体,实时洞察系统的运营。
在工业#数字化转型 的赛道上,“监控系统搭建” 一直是个让人头疼的难题:传统方案要写 SQL、调脚本、学可视化工具,一套流程走下来少则几天、多则几周,运维新增设备还得重复折腾。但现在,有了 TDengine TSDB + TDengine IDMP 的组合,这一切都变了——分钟级上线、零代码操作、AI 自动出面板,甚至新设备接入都不用改配置!今天我们汇总 5 个实测场景,从烟草制丝到电动汽车,从工
过去十年,工业和物联网场景经历了快速的数字化建设:传感器接入、系统联网、数据上云……数据平台已能轻松承载每秒千万级别的写入,每天几 TB 的存储量。而“用起来”这一层,仍旧是碎片化的、高门槛的、效率低下的。为了解决“用起来”的问题,行业开始尝试自然语言查询、自动生成 SQL 等方式,并逐渐发展出 Chat BI 这类“智能问数”工具。我们也尝试过类似路径,不断优化数据库性能、强化流计算能力、引入
本文以一个数据中心的服务器监控为例,详细介绍通过开源的轻量级的工具 Telegraf ,轻松采集系统 CPU、内存、磁盘、网络等系统监控指标,将数据写入 TDengineTSDB时序数据库,然后通过 TDengineIDMP,利用 AI 自动生成可视化面板和实时分析,帮助您几分钟就构建一套稳定、高效的服务器监控解决方案。
TDengine TSDB-Enterprise 里的 taosX 模块,在读取这些采集的数据时,能自动创建超级表和子表,做数据的转换,并可以添加更多的标签,把设备的层次结构信息保存起来。IDMP 就能依据 TSDB 里的元数据,自动构建出树状层次结构,自动创建出元素模版和元素。一旦树状层次结构模型在 IDMP 里建立起来,您可以通过元素、属性等模版补充更多的描述信息和业务语义,提供更好的数据情景
TDengine IDMP 依赖 TDengine TSDB-Enterprise 3.3.7.0+. 在启动 TDengine IDMP 之前,请配置 TDengine TSDB-Enterprise 连接。它能安全高效地将大量设备每天产生的高达 TB 甚至 PB 级的数据进行汇聚、存储、分析和分发,并提供 AI 智能体对数据进行预测与异常检测,提供实时的商业洞察。请根据您的操作系统类型,选择合
TDengine IDMP 提供了丰富的功能,本文档将带领您通过 Docker Compose 的方式启动 TDengine IDMP 服务。如果您不熟悉 Docker,请参考。在导入示例场景数据后,即可轻松体验元素浏览、AI 面板生成和 AI 分析等功能。
TDengine IDMP 提供全托管的 TDengine IDMP Cloud 服务,您只需简单的几步操作即可完成注册。在导入示例场景数据后,即可轻松体验元素浏览、AI 面板生成和 AI 分析等功能。
由众多研究机构及企业开源时序基础模型极大地简化了时序数据分析的复杂程度,在数据分析算法、机器学习和深度学习模型之外,提供了一个时间序列数据高级分析的新选择。本章介绍部署并使用开源时序基础模型(Time Series Foundation Model, TSFM)。TDgpt 在 3.3.6.4 版本原生支持五种类型的时序基础模型:涛思时序基础模型 (TDtsfm v1.0) , time-moe,
面对这种“高频、高精、长周期”的数据流,传统方案往往在存储、计算、查询效率等多个维度遭遇瓶颈。7 月 16 日,由中国通信标准化协会与中国信息通信研究院联合主办的“2025 可信数据库发展大会”在北京召开,汇聚了来自产业界、学术界、金融、能源、电信等多个领域的代表性机构与专家,从供给侧及应用侧等多角度深度呈现我国数据库技术前沿趋势、产业最新动态和行业应用实践。未来,涛思数据将持续推进技术演进,推动
背景没错! TDengine 在 SQL 层面并没有提供修改与删除操作的语句,即不存在 UPDATE , DELETE 语句。TDengine默认配置下数据不可更新!TDengine默认配置下数据存储10年!我们前面在体验 TDengine 基本功能时,仅涉及到数据库的创建、删除、数据表的创建、删除以及数据表的各类查询功能,那么我们通常说的数据表 CRUD (Create, Retrieve, U
标题:PD协议什么是USBPD协议?USB PD(Power Deliver)协议是USB IF协会制定的USB充电标准与技术,是目前主流的快充协议之一,其最大供电能力可达100W,被应用在各种设备的电源上。USB PD协议利用USB Type-C接口的CC(Configuration channel)引脚作为数据传输通道来协商充电的电压、电流和功率传输方向,在介绍USB PD协议的具体内容之前,
1.Python Hello World 实例# -*- coding: UTF-8 -*-# Filename : helloworld.py# author by : www.runoob.com# 该实例输出 Hello World!print('Hello World!')执行以上代码输出结果为:Hello World!2.Python 数字求和# -*- coding: UTF-8 -*
我们团队做智能电表项目时,选用了基于 TDengine 的数据存储方案,开发过程中发现,如果没有图形化管理工具,查看数据不太方便,于是内部开发了 TDengineGUI,用来数据管理。追随 TDengine 团队彻底开源的理念,现将这个小工具开源出来,方便大家开发使用。TDengineGUI 简介TDengineGUI 是一个基于 electron 构建的,针对 TDengine 开发的图形化管理