涛思数据（TDengine）-CSDN博客

原创工业时序数据库TDengine 架构、性能与实战全解析

undefined

2025-11-04 16:23:00 1625

原创 TDengine TSDB 3.3.8.0 上线：SMA、TLS、TDgpt、taosX、taosgen 一次全进化

在高并发、长周期的时序数据场景中，查询性能、安全性与生态兼容性，始终是系统演进的关键。近日，TSDB（）3.3.8.0 版本正式上线，本次更新带来了 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。本文为你整理了该版本九大核心更新亮点，来看看哪些能力能帮你把系统跑得更快、用得更稳、管得更省心。

2025-10-22 14:16:37 1307

原创时序数据库厂商 TDengine 发布 AI 原生的工业数据管理平台 IDMP，“无问智推”改变数据消费范式

在工业企业越来越依赖数据驱动决策的今天，数据的获取不再是难题，难的是从纷繁复杂的数据中提炼出有用的信息。而 AI 的崛起，正在重塑整个数据分析的逻辑。7 月 29 日晚，发布了一款全新产品 ——（Industrial Data Management Platform，工业数据管理平台），以“用 AI 改变数据消费范式”为主题，带来了一个全新的答案：让数据自己说话，不用提问或拉取数据，而是将实时业务洞察所需要的可视化面板、实时分析任务主动推送给你。作为一款 AI 原生的工业数据管理平台，

2025-07-30 16:36:51 999

原创写入性能：TDengine 最高达到 InfluxDB 的 10.3 倍，TimeScaleDB 的 6.74 倍

为了便于大家更好地阅读和理解，基于《 TSBS 的时序数据库（Time Series Database，TSDB）性能基准测试报告》内容，我们将从写入、查询及测试过程如何复现等几大维度输出系列文章。本篇文章将为大家解读三大时序数据库在写入性能上的差异点。

2023-03-03 09:59:01 1657

原创 TSBS 是什么？为什么时序数据库 TDengine 会选择它作为性能对比测试平台？

为了客观、准确、有效地评估 TDengine 3.0 的性能指标，我们决定使用 TSBS（Time Series Benchmark Suite）作为基准性能测试平台，针对 DevOps 场景的数据集对 TDengine 3.0 展开整体（包括写入、查询、存储、资源消耗等）性能评估。

2023-03-01 11:42:35 1787

原创 TDengine 发布主流时序数据库对比分析报告，与 InfluxDB、TimescaleDB 展开全面对比测试

报告旨在验证 TDengine 基于时序数据场景所设计的独特架构带来的性能优势以及成本控制水平，其中所有测试均在标准化条件下使用公开数据完成。

2023-02-23 15:19:11 1842

原创 TDengine3.0：解决高基数问题的时序数据库设计思路

TDengine 3.0 是第一个解决了高基数问题的时序数据库，本文将分享其设计思路。

2022-12-05 08:37:53 1804

原创彻底开源、十倍性能的背后：TDengine 核心技术首度公开

2020年11月7日，TDengine技术开放日（北京站）在中关村举办。开源一年零四个月，14k Star，3.6k Fork，日增100+的开源用户数……除了这些亮眼的数字外，本次技术开放日上，TDengine核心作者团队，还亮出了杀手锏，首度公开了TDengine彻底开源、十倍性能的背后核心技术和设计思想。特此回顾，希望能帮助更多开发人员和物联网从业者深入了解TDengine的优势与技术理念。回顾视频和演讲PPT的获取方式见文末。当万物互联的理想一步步走向现实，物联网产业也开始面对一系列前所未有的挑战

2020-11-13 11:01:43 21024 4

原创 TDengine TSDB 与 Pandas 集成：把时序数据接入熟悉的 Python 分析流程

Pandas 之所以受欢迎，是因为它让数据分析变得直接；TDengine TSDB 之所以适合时序场景，是因为它面向海量时序数据的写入、存储和查询做了专门设计。两者连接起来以后，开发者和分析人员就可以在熟悉的 Python 工作流里，直接处理 TDengine TSDB 中的时序数据。对很多团队来说，这种集成的意义并不复杂：数据继续存放在适合时序场景的数据库里，分析继续使用成熟顺手的 Pandas 工具。中间少一些导出导入，少一些格式转换，少一些重复劳动，工作自然就更高效。

2026-05-15 16:06:13 74

原创预测性维护模型准确率提升 25%，发那科用 TDengine 释放工业数据价值

在工业 4.0 与智能制造持续推进的背景下，工业现场正以前所未有的速度产生海量时序数据。对于拥有大量 CNC 机床、机器人及各类工业传感器的制造场景来说，如何高效完成数据采集、写入、存储、分析与实时应用，已经成为数字化升级中的关键问题。发那科在推进新一代工厂物联网平台建设过程中，面临高并发写入、历史数据存储成本、实时分析延迟和系统运维复杂等多重挑战。为应对这些问题，其平台引入了 TDengine 时序数据库，作为设备数据底座，支撑设备状态透明化、工艺优化和预测性维护等业务场景。

2026-05-15 12:18:34 146

原创工业软件的未来：构建在工业数据底座之上的 AI Agent

应用会变化，界面会变化，人与系统的交互方式也会不断变化。这些变化是技术发展的必然结果，也是系统不断进化的表现。真正不会改变的，是数据底座的重要性。它是唯一持续存在、不断积累价值，并支撑所有上层能力的核心资产。在 AI 时代，仅仅拥有数据底座是不够的。它必须从一开始就为 AI Agent 设计，才能支撑今天的应用，以及未来不断出现的各种新能力。

2026-05-14 10:45:42 276

原创从 Data Archive 到 TSDB：工业数据底座为何必须重构

在上一篇文章中，我们讨论了工业数据基础设施的整体演进路径：从工业实时数据库（Time Series Database），到工业数据平台，再到 AI 原生工业数据底座。这一演进不仅是功能的增强，更是底层架构的重构。在这一过程中，一个最核心、却常常被忽视的变化，是数据存储层本身正在发生根本性替代。长期以来，Data Archive 一直是工业实时数据库的核心组件，它承担了最基础的职责：接收来自现场的时序数据，并进行压缩存储与查询访问。在很长一段时间里，这种架构运行稳定，并成功支撑了工业系统的发展。

2026-05-09 16:11:11 231

原创一次定义，处处引用：TDengine IDMP 对限值管理的重新设计

当用户为任意元素的任意属性配置限值后，这些限值自动成为 IDMP 平台中可被广泛引用的数据——可视化面板上的参考线、实时分析中的触发条件、属性表达式中的计算变量，全部指向同一个定义。可以在元素模板里配置限值，那么同一类设备只需要配置一次规则就全局生效，用户也可以为特定设备其配置不一样的限值。用户修改配置定义，全平台即保持一致。这不只是省了重复配置的工作量，更从根本上消除了多处维护导致的不一致风险。限值管理看起来是一个小功能，但它触及的是工业数据管理中一个根本性的问题：业务元数据应该如何被组织、引用与流通。

2026-05-08 21:16:33 388

原创面向桥梁全生命周期管理，桥科院以 TDengine 支撑桥梁健康监测数据采集、分析与预警

TDengine TSDB 作为桥科院数字化转型的核心数据引擎，成功地将物联网时序数据处理能力深度融入到桥梁的科研、建造和管养全链条中。它不仅解决了海量数据带来的技术挑战，更赋能桥科院持续引领中国桥梁技术向智能化、绿色化方向迈进。

2026-05-08 21:00:41 473

原创红有软件重构智能油田时序数据底座，支撑生产实时感知与设备预测性维护

在智能油田建设持续推进的过程中，红有软件面临着海量时序数据带来的现实挑战：传统“关系数据库+缓存”架构逐渐难以支撑高频写入、长期存储、复杂查询和实时分析等需求。自 2022 年起，其开始引入 TDengine TSDB 时序数据库，并逐步完成从 TDengine TSDB 2.x 到 TDengine TSDB 3.3 的升级，构建起基于 3 节点集群的高可用时序数据平台。

2026-04-29 17:41:12 463

原创 TDengine IDMP——开放只是第一步，上下文才真正决定 AI 时代下工业数据的价值

工业数据必须开放，但仅有开放是不够的。如果数据在开放的过程中失去了上下文，那么它也失去了价值。下一代工业数据系统，必须在保证数据自由流动的同时，保留并增强其上下文信息。只有这样，工业数据才能真正支撑现代分析、AI 系统以及智能化运营。这也正是 TDengine IDMP 这类新一代工业数据平台所代表的方向。

2026-04-28 18:52:22 348

原创从TDengine IDMP看资产与事件驱动的可视化：从仪表板到运营洞察

可视化不仅仅是“看数据”。它的本质，是理解系统运行。传统工具已经难以满足需求，通用工具也无法贴合工业场景。工业用户真正需要的，是一种新的可视化方式——以资产为核心、以事件为驱动、以洞察为目标，并与数据底座深度融合。只有这样，可视化才能真正成为连接数据与决策的桥梁，在 AI 时代发挥应有的价值。这也正是 TDengine 所推动的方向：让可视化从数据展示层，走向面向资产、事件与洞察的运营理解层。

2026-04-28 18:49:54 365

原创 10 万车辆实时接入、PB 级数据秒级分析：海康智联车联网平台基于 TDengine 构建数据底座

海康智联以物联网、大数据与人工智能技术为核心，构建了以“边缘计算 + 云边融合”为基础的整体技术架构，形成覆盖智能网联与车路协同的一体化产品体系。作为国家级高新技术企业，海康智联参与了多项行业标准制定，业务已覆盖全国 20 余个省份，为客户提供智能网联测试示范、车路协同、自动驾驶、I2V 运营、交通治理、数字公路及智慧高速等解决方案。在这一体系中，海量设备持续产生的时序数据成为平台运行的关键基础。本文将结合多个实际场景，分析 TDengine TSDB 在海康智联产品体系中的落地实践及应用效果。

2026-04-24 14:50:12 387

原创免费领取｜一份白皮书，用 4 个案例带你看懂水务、防汛与港口数字化

这些年，城市基础设施数字化建设越来越热。水务要做统一感知，防汛要做实时预警，桥梁要做健康监测，港口要做智能调度……看上去每个行业、每个项目都在推进数字化，但很多团队在真正落地时都会遇到同一个问题：系统建了不少，数据接了很多，业务却还是很难真正跑起来。这是因为很多项目一开始解决的是“有没有系统”，后来才发现更难的是“这些系统背后的数据，能不能真正接起来、管起来、用起来”。现实里常见的情况是：一个场景一套系统，一个厂家一个平台，数据分散在不同入口；设备类型多、协议不一、模型不统一，后续整合越来越难；

2026-04-24 14:30:59 221

原创总拥有成本：工业数据系统真正昂贵的，不只是软件

工业数据系统的成本，从来不只是软件价格。真正的成本，来自系统复杂度、集成难度以及对高技能人员的依赖。无论是传统工业实时数据库，还是现代工业互联网平台，都在一定程度上解决了问题，但也引入了新的成本。下一代工业数据系统，需要从根本上降低复杂度，并消除获取洞察的门槛。只有这样，企业才能真正降低总拥有成本，并释放数据的全部价值。这也正是 AI 原生工业数据管理平台 TDengine IDMP 与时序数据库 TDengine TSDB 所代表的方向：以更低复杂度支撑更高价值的工业数据应用。

2026-04-23 22:10:08 360

原创工业系统中的高级分析，为什么不能只靠工业实时数据库？

工业系统已经从“采集数据”发展到“分析数据”，但在很多环境中，无论是工业实时数据库，还是工业互联网平台，分析仍然被当作系统之外的能力。要迈向未来，分析必须成为数据底座的原生能力，它不应该是附加功能，也不应该是独立工具，而必须成为系统的核心能力之一。与此同时，原生分析能力并不意味着系统是封闭的。现代工业数据底座必须保持开放，能够与外部工具、自定义模型以及不断演进的新技术进行集成，从而在保证灵活性的同时，实现真正的可用性。开放性保证系统持续演进，原生能力保证系统真正可用。

2026-04-23 16:09:08 397

原创 AI 驱动的运营洞察：TDengine 如何消除数据与洞察之间的门槛

过去几十年，工业系统一直在解决“如何获取数据”和“如何展示数据”的问题。但真正的挑战，从来不是数据本身，而是如何获得洞察。AI 驱动的运营洞察，正是在消除这道门槛。它让企业无需依赖复杂的分析能力，也能从数据中获得洞察，从而更快地做出决策。这不仅是一种技术进步，更是一种范式转变。从“数据系统”，走向“洞察系统”。

2026-04-17 17:40:31 436

原创 3年稳定运行、磁盘无需扩容：TDengine 时序数据库支撑城市燃气数字孪生平台

部署运维简单：单机版可在 5 分钟内完成安装，可以采用容器化部署。集群部署通过厂家支持配合部署，运维成本相比 OpenTSDB 降低 70%。高可用与可扩展性：原生支持分布式集群，故障自动切换，且线性扩展能力支持未来数据量增长。压缩比与成本效益：列式存储架构实现 10:1 压缩比，年存储需求从 PB 级降至百 TB 级，节省硬件成本 40%以上。功能全面性：支持标准 SQL 语法、无缝对接现有 BI 工具，企业版还提供多级存储功能，自动将冷数据迁移至廉价存储，进一步优化 TCO。

2026-04-17 17:20:26 552

原创制丝车间 10 万测点，数据底座怎么建？梅州卷烟厂的TDengine真实实践

梅州卷烟厂成立于 1980 年，是梅州地区的重要支柱企业，也是广东中烟工业有限责任公司主要生产厂之一，承担着“双喜五叶神系列”“双喜春天系列”等重点品牌的制造任务。2024 年，梅州卷烟厂启动制丝中控系统数字化升级改造，引入 TDengine TSDB 构建高效的数据存储与分析平台，在保障系统稳定性与快速响应的同时，显著降低了硬件投入与运维成本，为烟草生产过程的精细化管控和工业大数据平台建设提供了可靠支撑。

2026-04-17 11:47:33 243

原创中原油田 PCS 系统升级实践：基于 TDengine TSDB 构建高性能时序数据平台

中原油田作为中国石化的重要油气生产基地，其生产过程控制系统（PCS）是保障油田安全生产、优化运行的核心枢纽。为解决高并发写入性能瓶颈、高昂的存储成本、复杂的实时分析需求以及多业务数据孤岛等问题，项目组于 2023 年正式引入 TDengine TSDB 作为新一代数据底座。在本案例中，TDengine TSDB 作为 PCS 核心业务模块的时序数据库，并通过 taosX 工具，实现了从分公司到总部的数据实时同步。

2026-04-16 23:04:46 385

原创 TDengine IDMP 1.0.15.0 上线：AI 洞察、事件分析与可视化能力全面增强

整体来看，TDengine IDMP 1.0.13.0–1.0.15.0 的功能更新，集中增强了 AI 智能洞察、事件分析、高级分析、可视化配置、多源数据接入与标准化能力，并同步提升了国际化体验以及平台稳定性。如果说前期平台建设关注的是“能力是否具备”，那么这一阶段的更新更强调“能力能否更自然地被使用、被复用，并持续支撑更复杂的业务场景”。

2026-04-10 18:45:54 468

原创从工业实时数据库到AI原生工业数据底座：TDengine TSDB到IDMP的演进启示

工业数据基础设施正在经历一场深刻的变革。在过去几十年中，工业实时数据库一直是工业运行体系的核心基础设施。它解决了工业计算中最关键、也最困难的问题之一：如何从设备与控制系统中持续采集、存储，并高效访问海量的时序数据。像 PI System 这样的系统，已经成为工厂、电厂和炼化企业中不可或缺的一部分。但如今，工业数据所处的环境已经发生了变化。现代 IT 架构、云计算，以及人工智能的发展，正在重新定义企业对运行数据的使用方式。问题不再只是“如何存储数据”，而是“如何从数据中获得洞察、形成智能，并支持决策”。

2026-04-10 16:20:29 452

原创成本降 70%、查询＜500ms、异常 2 秒响应：海螺信息用 TDengine 让水泥行业加速升级

在 “双碳” 目标推动下，水泥行业需同时破解高能耗精细化管控与环保数据长期合规存储难题，海螺信息作为海螺水泥集团核心信息化主体，承担着全国 100 余家工厂的能源与环保数据管理职责，却面临异构设备数据治理难、存储成本高企、能耗异常响应慢等痛点。

2026-04-03 12:40:01 341

原创从 PI Event Frame 到 AI 时代，这个问题终于被重新看见了｜TDengine IDMP 的事件化启示

工业系统持续不断地产生时间序列数据。每一秒钟，传感器都在记录温度、压力、流量、振动等各种信号。在过去几十年里，这一直是工业数据系统和工业实时数据库的基础：采集信号，高效存储，并通过可视化观察它们随时间的变化。这种方式是有效的，但它存在一个根本性的局限。时间序列数据只能告诉我们“发生了变化”，却无法告诉我们“发生了什么”。趋势图上可能会看到一次压力突升，但它无法解释这次变化发生在开机阶段、稳定运行阶段，还是异常工况下。温度的下降也许是正常调节，也可能是故障的早期信号。

2026-04-03 11:38:30 217

原创以资产为核心的数据建模：工业数据上下文的基础｜TDengine IDMP

TDengine IDMP 的设计思路，正是沿着这个方向展开：在时序数据库能力之上，进一步提供数据目录、数据标准化、数据情景化、事件、分析、通知以及 AI 原生能力，使工业数据不再只是被存下来，而是能够被组织为可理解、可分析、可行动的数据资产。工程师在分析问题时，本来就不是从一串 tag 开始思考的，他们看到的是一台泵、一条产线、一段工艺流程，以及这些对象在某个时间段内的行为。这就形成了一个明显的断层。如果信号是孤立存在的，AI 所看到的只是一些彼此独立的数值序列，很难判断哪些变化是正常的，哪些是异常的。

2026-04-03 11:22:29 224

空空如也

空空如也