ITPub博客

每个做工业数据采集的工程师都可能遇到这个问题：设备协议五花八门，数据源接入复杂，采集来的数据格式不统一，打通 IT 与 OT 系统总是困难重重。你明明已经在数据库中搭好了“数据大坝”，但最前端的那道“数据进口”，却迟迟无法打开。现在，TDengine 和 Kepware 联手，给这个老难题带来了解法。TDengine 与 Kepware 实现集成近日，TDengine 正式完成与 PTC 旗下企业

今天，涛思数据八岁了。从 2017 年成立到现在，已经过去了整整八年。我们用一款开源时序数据库——TDengine，把中国团队的技术能力写进了全球开发者的代码库，也写进了越来越多行业用户的生产系统。八年时间，说长不长，说短也不短。我们经历了初创时的摸索，度过了技术路径尚未被验证的阶段，也一步步走到了今天这个节点：我们仍在奔跑，但不再孤身。这一次，我们选择用一条“慢跑”路线，回望这八年的路。详情关注

新能源接入比例不断上升，负荷波动频繁，储能系统迅速扩张……电力系统正在经历一场前所未有的结构性变革。而支撑这场变革的核心能力，归根到底，是对“时序数据”的理解、处理和应用能力。然而现实却是：数据量呈指数级增长，传统数据库难以支撑实时监控与响应时效性不足，系统反应滞后预测性维护与智能调度推广受限，效果打折各类系统间割裂严重，数据无法流通、统一治理难度大......在我们近期发布的《TDengine

当我们谈论“智能油气田”，你可能首先想到的是钻井、采油、输送设备的自动化。但在今天，油气行业的核心竞争力，越来越多地体现在对数据的掌控力上——特别是对时序数据的处理、分析与洞察。在近日举办的 2025 中国石油石化企业信息技术交流大会上，涛思数据联合创始人李广受邀出席，并发表《国产时序数据库 TDengine 工业大数据平台在智慧油气田中的创新应用》主题演讲，分享了 TDengine 在中石油、中

当我们谈论“数字化转型”，核电可能不是第一个跳进你脑海的行业。但事实上，在这个生命周期长、系统极其复杂、安全性要求极高的领域，数字化不仅是趋势，更是刚需。近日，在杭州举办的第十三届中国核电信息技术高峰论坛(NITF 2025)上，这样的讨论被摆上了台面。现场汇聚了来自核电业主单位、设计院、工程公司等 280 余位嘉宾，共同探讨如何用“数智”之力，推动核电行业转型升级。TDengine 也在其中。本

每个工程师可能都遇到过类似场景：时序数据沉淀在数据库中，格式规范、查询快捷，但当任务升级——比如滑窗聚合、多源拼接、机器学习训练——一些业务可能就需要更强的计算能力和更灵活的分析工具。TDengine 专注于高效存储与极速查询，而在数据“算力”层面，我们选择了更强的伙伴。现在，TDengine 正式开放与 Apache Spark 的无缝集成通道。一个是高性能、低成本的时序数据库，一个是横扫大数据

在你面前摆着一堆机器运行日志、传感器读数、电表数据，几十万、几百万条每秒增长的数据流，你会怎么处理?是加人、加脚本，还是干脆放弃实时分析?过去，时序数据是工业的“副产品”：只是存着、查着。但现在，它成了真正的生产要素。谁能用得更好，谁就能更早发现问题、预测趋势、掌握主动。但有个问题大家不得不面对，那就是时序数据处理门槛太高了。尤其是 AI 分析，数据要清洗、要贴标签、要写代码，最后跑个模型还不一定

在万物互联的数字化浪潮中，海量设备连接与实时数据处理成为诸多企业面临的两大困扰。EMQX 与 TDengine 作为物联网连接与大数据处理领域的领军产品，正在通过技术协同构建端到端的物联网/工业大数据解决方案。为工业互联网、车联网、能源管理、运维监控等诸多场景提供高效可靠的技术支撑。EMQX：企业级 MQTT + AI 平台EMQX 是一款云原生分布式 MQTT 接入平台，兼容多种消息传输协议，具

如果你正在用 TDengine 管理时序数据，写 SQL 查询没问题，但一到展示环节就犯难——图表太基础，交互不够，甚至连团队都看不懂你辛苦分析的数据成果?别担心，今天要介绍的这个组合，正是为你量身打造：TDengine + Apache Superset，让数据分析不止于查询，更能一图胜千言。TDengine 是专为高频写入、大规模查询设计的时序数据库，而 Apache Superset 则是当

作为一家位于英国的前沿生物科技公司，Extracellular 专注于细胞培养产品的规模化制造，致力于通过优化生物工艺流程，加速细胞类产品从实验室走向大规模生产的落地。为了实现这一目标，他们需要一个稳定、高效、可扩展的数据平台，能够支撑实时监控、过程优化和合规留存等关键需求。本文将分享他们在搭建数据平台过程中积累的经验与实践。生物工艺的数据难题：从设备到决策的“最后一公里”在细胞培养过程中，生物反

小T导读：本文介绍了中科院成都所旗下卷包智慧工艺平台在多家卷烟厂的成功应用实践，依托 TDengine 时序数据库和智能算法，实现了生产全链路实时监控、质量异常精准识别与设备状态动态分析，大幅降低了废品率，减少了停机时间，提升了生产效率。文章还分享了平台在高频数据采集、趋势分析、异常预警等方面的技术细节，并展望了基于TDgpt智能体等新技术的未来应用前景。我们的卷包智慧工艺平台已在多家知名卷烟厂成

小T导读：宁德新能源(ATL)是全球领先的消费锂电池制造商，其智能制造车间拥有超 1 万台生产设备、100万+数据采集点位，每分钟产生超 1000 万条时序数据。面对海量工业设备数据的实时处理挑战，团队在深入评估了时序数据库 InfluxDB 与 TDengine 后，最终选择 TDengine 构建新一代数据平台。该方案不仅实现数据写入速度提升 3 倍、存储成本降低 70%，还将集群规模从原方案

你有没有遇到这样的场景：数据已经写进数据库，图表却总是“慢半拍”?或是操作界面太卡，光是一个排序就能让你等到喝完一杯咖啡?当数据量越来越大、响应时间却越来越长，开发者和用户都不禁要问一句——就没有既实时又高性能的可视化方案了吗?现在，TDengine 与 Perspective 联合提供了解法。Perspective 是一款由 Prospective.co 开发的高性能 Web 可视化库，基于 W

他曾在华为写协议、在联想设计全球负载均衡系统、在 Oracle 深入区块链核心模块，参与过多个重量级项目。但直到他加入涛思数据，才真正开启了一段从“技术精英”到“团队带头人”的深度蜕变旅程。2024 年，潘魏成为首届 TDengine 年度“CEO AWARD”的获得者之一。这份荣誉不仅是对他技术贡献的肯定，也象征着他在推动查询引擎不断进化、带领团队突破极限方面的认可。但他和 TDengine 的

在当今数字化转型加速的背景下，海量的数据生成和实时处理需求已成为企业面临的关键挑战。无论是物联网设备、工业自动化系统，还是智能城市的各类传感器，数据的采集、传输与分析效率，直接影响企业的决策与运营。为此，TDengine 推出的边云协同解决方案，通过将计算和存储分布在边缘和云端，提供高效的数据管理和实时处理能力，帮助企业在降低成本的同时，实现更灵活、更高效的业务运营。本篇文章将帮助大家深入了解这一

小T导读：胜软科技在石油石化行业中选择使用 TDengine 处理时序数据，不仅显著降低了运维数据库的成本，也大幅减少了存储空间的占用，实现了从原有的 40 多套 Oracle 数据库向仅 9 套 TDengine 集群的精简替换。在迁移过程中，原有表结构几乎无需调整即可平滑移植至 TDengine。早在 TDengine 2.x 版本阶段，胜软科技便已开始部署使用，并在 TDengine 3.0

达成效果：降低存储成本：数据压缩率达 1/5-1/10，减少存储开销。加快查询速度：毫秒级查询响应，提升决策效率。优化质量管理：快速关联缺陷数据和生产参数，精准定位问题。提升设备可视化：实时监测温度、压力、振动，预警异常。推动智能制造：结合 AI 质检和自动化优化，提升生产效率。化妆品行业对生产精度和质量控制要求极高，创元集团在不断扩大生产规模的同时，也面临着数据管理和分析的挑战。传统数据库在高频

小T导读：在工业数字化过程中，数据如何从设备采集顺利“爬坡”到上层应用，一直是个难题。传统“单列模型”虽贴合设备协议，却让上层分析举步维艰。TDengine 用一种更聪明的方法打通了这条数据通路：不强求建模、不手动转换，通过“虚拟表”机制，让数据以业务所需的形式自动呈现。本篇文章将带你深入了解 TDengine 如何搭建 OT 到 IT 的桥梁，真正实现设备数据“即采即用”，让工业应用更简单、更高

近日，TDengine 3.3.6.0 版本正式发布。除了此前已亮相的时序数据分析 AI 智能体 TDgpt，本次更新还带来了多个针对性能与易用性的重要增强：虚拟表全面上线，支持更灵活的一设备一表建模;JDBC 写入机制全新升级，单线程性能最高提升 60 倍;流计算支持 CONTINUOUS_WINDOW_CLOSE 模式、事件通知机制等关键能力，为实时处理打下更稳固的基础。本文为你整理了该版本的

小T导读：在物联网和工业互联网场景下，企业对高并发、低延迟的数据处理需求愈发迫切。本文将带你深入了解 TDengine Cloud 如何通过全托管服务与私有连接，帮助企业实现更安全、更高效、更低成本的数据采集与传输，从架构解析到实际配置，只需四步，即可轻松上云、畅享私网性能。为什么选择 TDengine Cloud ？在物联网、工业互联网领域，数据存储与查询的高并发、低延迟需求越来越迫切，传统数据