ITPub博客

面对物联网时代海量设备连接及其实时产生的大规模数据流，EMQ提供从边缘到云的现代数据基础设施，助力云边端物联网数据的统一「连接、移动、处理、分析」。如今，可「随处运行、无限连接、任意集成」的云原生分布式消息中间件EMQX已解决了海量连接的挑战，流数据库HStreamDB则正试图解决海量物联网数据的存

目录产品简介HStreamDB功能特性基于SQL的数据流处理数据流的物化查询数据流管理数据流的持久化存储数据流的Schema管理数据流的接入和分发安全机制监控和运维工具HStreamDB应用场景实时数据分析事件驱动应用实时数据管道在线机器学习所属公司相关资料产品简介HStreamDB是一款专为流式数

为实现宿舍用电的智能化管理、保证学生用电的独立性和安全性，针对学校宿舍用电的收费，研究院打造的智慧用电管控系统采用一室一表一保护的方案，为学生宿舍配置智能电能计量表计和用电保护设备，对每个用户的用电进行独立计量和保护。这套系统通过互联网采集所有终端的数据，再由通讯网关将数据通过无线组成的专用网络或局

今天的精选问题，说难肯定是不难，但是典型不典型呢——还是挺典型的。而且，相信大家也不是总有精力去阅读枯燥的技术文字，所以正如文章的封面一样，今天的主题是分享一个轻松的TDengine的使用案例。事情的经过是这样的：一位用户在华为云服务上用两个节点的内网搭建了一个TDengine集群，集群可以正常工作

随着科技的发展与人民生活水平的提高，电机在工业生产和人民生活中应用越来越广泛，如工业机器、空调、电梯等。电机的维护成为影响生产效率和生产安全的一项重要事宜。而且在一些环境恶劣的场所，用户更偏向于远程维护。为了满足这些需求，我们研发了电机物联网监测预警与预测性维护平台。该平台通过传感器、物联网关，采集

TDengine应用场景1.时序数据类型及规模在水环境综合治理运维系统中，使用TDengine的数据存储各类终端设备的采集数据，比如硫化氢、电压、电流、雨量、温度、液位、闸门、风机、排风扇、溶解氧等信息。目前系统上存在20个点每个点有80+个监测数据上传，每日新增的监测数据量约为100MB。如果按照

繁易云组态是基于B\S架构的数据采集与监视控制系统，为客户提供了如下方便的功能：随时随地查看设备运行数据和状态，远程设置重要参数；及时收到设备报警信息，查看设备历史数据；对设备进行远程管理，记录并查询设备档案和维护信息；终端客户提供手机APP，实现远程设备监控。业务场景云组态需要做到按照时间段对采集

建立城市级传感器网络所涉及的传感器种类十分多样，由此产生的数据量也十分庞大，如果只是使用MySQL、PostgreSQL等OLTP系统进行数据的简单存储，不仅会产生很多问题，而且其水平扩展能力也有限，同时也因为没有专门针对物联网数据进行优化而缺乏足够的压缩效果，数据存储成本很高。在系统开发初期，结合

巧遇TDengine2019年首次听说TDengine，真正接触是从收到一个直播的链接转发，陶建辉老师在极客时间直播，标题这样描述：35年码龄老程序员给您讲述TDengine的超高性能是如何实现的。直播现场，陶老师大汗淋漓，大家都在说没开空调，主持人解释，陶老师现在高烧，坚持给大家讲解。感性与理性。

01使用JDBC-RESTful的好处1.实现TDengine跨平台应用开发之前，由于TDengine的JDBC驱动依赖本地动态库（linux上为libtaos.so，windows上为taos.dll），开发者需要先在本地安装客户端。否则，应用程序会报错：notaosinjava.library.

随着业务数据量级的上升，理想汽车的物联网场景业务对数据存储性能的要求不断提高。我们内部团队也在积极探索不同的数据库与不同场景的最佳实践匹配，本文将分享TDengine在我们的物联网场景的落地经验。首先我们来了解一下业务场景。一、业务场景介绍我们有信号上报业务，需要将标记时间戳和采集点的信息，通过云端

高端成形装备是国家的战略性支柱产业，应用于汽车、石化、航空、航天、军工、工程机械、家用电器等国民经济发展中的重要领域，是许多重大工程的基础。当前，新一代信息技术的快速发展，使得高端成形装备制造业正处于由数字化、网络化向智能化发展的重要阶段。作为一个高端装备运维服务平台，3H1的底层物联网数据库要支持

了解TDengine的朋友应该都知道，TDengine要求每个数据采集点单独建表，这样能极大提高数据的插入/查询性能，但是导致系统中表的数量猛增，让应用对表的维护以及聚合、统计操作难度加大。因此，为降低应用的开发难度，TDengine引入了超级表STable(SuperTable)的概念。那么到底什

在《这几个神秘参数，教你TDengine集群的正确使用方式》中，我们告诉了大家：如何才能让数据均匀的分布在节点中。接下来，我们和大家一起以产品使用者的视角继续向前探索。如果说让数据均匀分布的目的是为了最大化地使用CPU资源的话，那么充分地利用数据压缩能力就是为了最大化地驾驭存储资源了。我只能说，在这

依托数字孪生和人工智能算法模型，我们构建了实时反映管网实际运营工况的瞬态的仿真平台。该平台致力于为能源企业提供包括客户认知、需求负荷分析、管网状态监控和优化、多工况计算、气(热)源匹配、通路寻优等一系列数据服务。下图为平台实际运作场景画面。在此项目中，构建数字孪生的主要数据来源于以下两个地方：物联数

一.为什么是TDengine首先，TDengine符合我的审美。尽管我一直在关注时序数据库这个领域，但直到遇见TDengine才算找到符合预期的产品。理想中的产品所采用的语言应该自带运行时，属于强类型的编译语言，这样打包编译后对环境的依赖比较小，用起来比较方便；代码工程应该尽可能精巧，便于理解掌握；

很久以前，大家都在问TDengine支不支持事件报警，后来，估计是被否定的答案伤透了心，就渐渐没人问了。但实际上，报警用途真的非常广泛，比如：一家运输公司要监测车辆的速度，希望车辆最近五分钟的平均速度超过100km/h时，能及时提醒驾驶员。那么，这家公司可能会在TDengine中用下面的语句创建表结

多个taosd的运行实例可以组成一个集群，以保证TDengine的高可靠运行，并提供水平扩展能力。要了解TDengine2.0的集群管理，需要对集群的基本概念有所了解，请看TDengine2.0整体架构一章。而且在安装集群之前，请按照《立即开始》一章安装并体验过单节点功能。TDengine《立即开始