登录社区云,与社区用户共同成长
邀请您加入社区
本文揭秘 TDengine 如何通过技术创新,打破国外垄断,成为工业数据管理的新选择。据预测,到 2025 年,工业数据量将占全球数据总量的 30%。在工业 AI 的赛道上,拥有自主可控的数据底座,或许就是中国企业赢得未来的关键。"我们曾用过一款国外的时序数据库,性能还可以,但集群版不开源,扩展受限,技术支持响应慢。的出现,不仅打破了国外技术垄断,更为中国工业的数字化转型提供了坚实的数据基础。在工
TDengine 作为一款专为时序数据设计的 database,通过其高性能的查询引擎、丰富的数据访问接口和原生的数据处理能力,为 AI 模型训练提供了一站式的数据管道解决方案。TDengine 作为一款高性能的时序 database,不仅提供了卓越的数据存储和查询能力,更通过其丰富的数据访问接口和生态集成能力,为 AI 模型训练提供了一站式的数据管道解决方案。在时序数据的模型训练中,数据的分割策
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
本文通过实战案例,展示如何用ModelEngine从0到1构建企业级技术支持AI助手。涵盖知识库自动生成(10分钟导入200页文档)、提示词AI优化(准确率提升16%)、MCP服务接入、多智能体协作(问题解决率提升31%)等核心技术,并与Dify/Coze深度对比。全程代码可复制,预计2小时完成实战。
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
在智能电网、配电自动化、新能源监控等电力业务场景中,设备测点数据、传感器读数、运行状态等时序数据正以前所未有的速度增长。本文系统提出电力行业选择时序数据库的五大关键维度:性能、存储效率、可靠性、生态兼容性及战略适配性,并给出具体评估方法。建议电力企业在选型过程中,将上述维度量化为具体的评估指标,通过PoC测试进行严格验证,并可将TDengine作为重点评估对象,以做出最符合业务长远发展的技术决策。
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。:
作为年度重要迭代版本,TDengine 时序数据库 3.3.8.0 在继承 3.x 系列云原生架构优势的基础上,带来了 Rollup SMA 多层级预计算、TimeRange-Wise SMA 时间范围预计算、TLS 加密传输、TDgpt 数据补全、MySQL 函数增强、taosX 逻辑备份与 ORC 数据源接入等多项功能升级,全面提升系统的性能、可扩展性与数据安全。当前,时序数据正迎来爆发式增长
从公式属性到多维可视化,从异常检测到模型计算,IDMP 的每一次更新,都是向智能化迈出的坚实一步。面向未来,我们将继续沿着 AI 原生的方向迭代前行,让 IDMP 在模型能力、分析深度与场景适配性上不断突破,推动工业智能的普及与落地。现在进入,可查看 IDMP 最新版本 1.0.5.0 的具体更新细节,欢迎大家体验!
企业数字化的真正瓶颈,不在于有没有数据,而在于能否形成统一的标准。TDengine IDMP 提供的元素—属性模型、单位转换和公式映射,并不是锦上添花的功能,而是一整套方法论,帮助企业把“各说各话”的数据翻译成“同声共语”的语言。只有完成标准化,跨域分析才能成立,自动化报表才有意义,AI 才能发挥作用。换句话说,没有标准化,就没有智能化。这不是一句口号,而是企业在实践中反复验证过的真理。
大理卷烟厂作为云南中烟的核心生产基地,聚焦高端品牌突破,主产“玉溪”、“红塔山”系列卷烟,支撑红塔集团核心品牌发展。近年来,工厂积极推进数字化转型,在制丝、复烤等关键环节引入“智能控制 + AI 预测”,并通过 TDengine时序数据库完成生产数据架构的国产化替代与智能化升级,构建起质效协同的智能制造工厂。本文聚焦 TDengine TSDB 在制丝车间的落地方案与实际成效。
工业4.0时代,时序数据管理面临性能、成本等挑战。国产开源时序数据库TDengine通过创新架构实现8:1压缩比、百万级写入吞吐和毫秒级查询响应,显著优于传统方案。其"存储-计算-接入"一体化设计支持线性扩展和国产化适配,并融入AI能力,成功应用于智能制造、车联网等领域,成为工业数字化转型的核心数据管理平台。TDengine以高性能、低成本、易扩展和智能化优势,重新定义了工业时
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。
从 ETL 到 ELT,工业数据管理的目标一直没变:让数据 “存得下、用得快、出价值”。但光有 ELT 不够,光有 AI 也不够——得有一个平台,把 “数据情景化” 做好,让 AI 能 “看懂数据、用好数据”。TDengineIDMP 做的就是这件事:它不是单纯的 “数据库扩展”,也不是 “治理工具”,而是把 “存储、情景化、AI 协作” 串起来的工业数据中枢。它解决的是工业数据的 “最后一公里”
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。
从 ETL 到 ELT,工业数据管理的目标一直没变:让数据 “存得下、用得快、出价值”。但光有 ELT 不够,光有 AI 也不够——得有一个平台,把 “数据情景化” 做好,让 AI 能 “看懂数据、用好数据”。TDengine IDMP 做的就是这件事:它不是单纯的 “数据库扩展”,也不是 “治理工具”,而是把 “存储、情景化、AI 协作” 串起来的工业数据中枢。它解决的是工业数据的 “最后一公里
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。
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!今天我们就汇总 5 个实测场景,从烟草制丝到电动汽车,从工业锅炉到微电网,看看IDMP 是如何把 “复杂监控” 变成 “轻
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
本文以电动汽车监控为例,详细介绍通过MQTT,轻松采集电动汽车电门开度、驱动电机功率、空调功率、车速、SOC、电池电压/电流等监控指标,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。
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
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。目前,TDengine IDMP 支持以下操作系统和架构,如您期望在其它操作系统或架构上使用,可以。TDengine IDMP
与众多的 Chat BI 软件一样,IDMP 也提供智能问数的功能,您可以直接要求 AI 回答您的问题。如果您的问题质量越好,问题很精准,AI 就能给出更令您满意的答案。AI 会理解您的自然语言,然后转换成不同的任务去执行。如果牵涉到您存储的数据,那么 AI 会生成相应的数据库查询 SQL,IDMP 执行 SQL 获得数据后,会要求 AI 在查询结果的基础上生成答案。如果任务是一些关于 TDeng
IDMP 提供无问智推功能 ( Insights Pushed by AI)。对于面板以及实时分析,手动创建存在一定的学习成本,并且需要具备业务知识。IDMP 利用 AI 技术,能够基于采集的数据,结合配置的业务语义和上下文,智能感知业务场景,主动推荐业务运营所需的面板和实时分析,大幅降低使用门槛和对业务知识的要求。
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。但今天再回头看,这些看似“完成”的系统,实际上只解决了一个问题:把数据“存起来”。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
IDMP 产品需要对现有数据做三化处理(即数据标准化、情景化及可视化)后,数据即可使用大模型进行智能问数,无问智推的方式分析数据。
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。
系统借此构建“数据情景图谱”,使数据从“裸值”转变为具备业务语境的实体,为 AI 提供更完整的语义基础,提升异常识别与智能判断的准确性。基于这些能力,TDengine IDMP 与 TDengine TSDB 共同构建了一个完整的 AI+Data 闭环:从数据采集、清洗、建模,到查询、分析、可视化与事件管理,全面打通工业数据的全生命周期,打造真正智能化的平台体系。而现在,有了 AI 的加持,我们终
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
涛思数据发布AI原生工业数据管理平台TDengineIDMP,实现AI+Data闭环。该平台通过数据情景化、标准化两大创新,赋予工业数据业务语义,使AI能自动生成可视化面板和实时分析任务,实现"无问智推"的数据消费新模式。TDengineIDMP与涛思核心产品时序数据库TDengineTSDB协同,提供从数据采集到智能分析的完整解决方案。平台已在电力、新能源等行业应用,支持本地