一些时序数据库还支持分布式查询,能够在多个节点上并行执行查询操作,进一步提高查询性能。 (四)分布式支持 在大规模数据场景中,分布式架构是时序数据库的必然选择。 5.IoTDB:国产之光的独特魅力 (一)IoTDB 简介 IoTDB 是一款由清华大学主导开发的开源时序数据库,如今已成长为 Apache 基金会的顶级项目,在时序数据库领域中占据着重要的地位 。 根据国际权威数据库性能基准榜单 TPCx-IoT 的测试结果,基于 IoTDB 开发的国产化时序数据库软件 TimechoDB 在物联网场景中,性能指标相比第二名提高了 86%,系统成本降低了 68% Windows 单机版 IoTDB 安装全流程(2025-05 官方版) 一、准备 系统:Windows 10/11 64 bit 依赖:JDK 8u211+ 或 JDK 11(官网推荐),已配置 如果你对 IoTDB 的企业版感兴趣,想要了解更多关于企业版的功能、优势以及应用案例等信息,可以访问企业版官网:Apache IoTDB_国产开源时序数据库_时序数据管理服务商-天谋科技Timecho
面对如此海量的时序数据处理需求,如何选择合适的时序数据库成为企业数字化转型的关键问题。 一、 时序数据挑战:大数据时代的时间序列洪流 时序数据与传统关系型数据有着本质区别。 传统的关系型数据库在这些场景下往往力不从心,专门设计的时序数据库应运而生。 二、选型指南:五个维度的实用考量 在选择时序数据库时,企业应从多个维度进行综合评估,确保选型能够满足当前及未来的业务需求。 三、国产力量:Apache IoTDB的技术优势与应用实践 在众多时序数据库解决方案中,Apache IoTDB(物联网数据库)作为国产自研的代表,展现了在时序数据管理领域的强大技术实力。 安装环境准备,IoTDB支持Linux、Windows和macOS系统,需要Java运行环境(JDK 8或更高版本)。 国产时序数据库的力量正在改变数据处理的规则。
正是由于这些痛点,企业迫切需要一种专为工业时序数据设计、具备原生分布式架构和极致性能的新型数据库系统。2. 国产时序数据库的 DolphinDB 的存算一体与革新架构数据的爆炸式增长与实时智能的需求,是贯穿工业、金融、交通等各行各业的时代映射。 DolphinDB 正是顺应这一时代趋势应运而生的国产高性能时序数据库平台。 2.1 存算一体与极致性能:面向时序的深度优化DolphinDB 从底层存储到计算引擎都进行了针对时序数据的深度优化,实现了数据存储与计算的紧密集成(存算一体),突破了传统数据库的性能瓶颈。 面对数据洪流和国产化替代的战略要求,企业在工业时序数据库的技术选型上,必须突破传统思维,转向综合考量“性能、功能与服务”的价值体系。
1.基本概念 时序数据库(Time Series Database)是用于存储和管理时间序列数据的专业化数据库。时序数据库特别适用于物联网设备监控和互联网业务监控场景。 下面介绍下时序数据库的一些基本概念(不同的时序数据库称呼略有不同)。 1.1 度量(metric) 监测数据的指标,例如风力和温度。相当于关系型数据库中的table。 为了表示在广东省深圳市传感器编号95D8-7913上传风向(direction)数据,可以将这个数据点的tag为标记为sensor=95D8-7913、city=深圳、province=广东。 5.传统关系型数据库存储时序数据的问题 很多人可能认为在传统关系型数据库上加上时间戳一列就能作为时序数据库。数据量少的时候确实也没问题。 6.时序数据库发展简史与现状 目前,DB-Engines把时间序列数据库作为独立的目录来分类统计,下图就是2018年业内流行的时序数据库的关注度排名和最近5年的变化趋势。
过去,这种优化依赖老师傅的“手感”或昂贵的国外软件;今天,以国产时序数据库为核心的新一代技术方案,正在为制造业注入全新的智慧基因。 其次,以 DolphinDB 为代表的国产时序数据库技术取得了长足进步。在数据处理性能、系统稳定性、工业协议支持等方面已经达到甚至超越了国际同类产品水平。这为制造业提供了既先进又安全可控的技术选择。 2 国产时序数据库——生产优化的数据基石 机遇已至,但将海量数据转化为生产力,首先需要一个能处理工业级数据洪流的坚实底座。这正是国产时序数据库发挥核心价值的舞台。 国产时序数据库的崛起,标志着中国制造业拥有了一把开启高质量与高效率之门的自主钥匙。它不仅仅是一项技术工具,更是推动产业从“经验依赖”转向“数据驱动”的核心引擎。 随着人工智能算法的深度融入以及与工业互联网平台的广泛协同,以 DolphinDB 为代表的国产时序数据库,将持续赋能更复杂的生产场景。
数据库的模型包含关系型、key-value 型、Document 型等很多种,那么为什么新型的时序数据库成为监控数据存储的新宠呢? 下面就会从 为什么需要时序数据库? 时序数据库的数据结构 两个方面来介绍一下时序数据库。 1. 1.3 场景选择 是否所有的数据都适合用时序数据库来存储? 答案:是否定的,时序数据库提供了针对大量数据的插入操作,但同时数据的读取延迟也相对增加。而且时序数据库不支持 SQL 的数据查询。 时序数据库的数据结构 传统数据库存储采用的都是 B+ tree,原因是查询和顺序插入时有利于减少寻道次数的。然而对于 90% 以上场景都是写入的时序数据库,使用了 LSM tree 更合适。 如下图,第一行和第三行都是同样的tag(sensor=95D8-7913;city=上海),所以分配到同样的分片,而第五行虽然也是同样的tag,但是根据时间范围再分段,被分到了不同的分片。
目录 1 .什么是InfluxDB 2.那么时序数据有什么特点呢? 3.对于时序数据,我们总结了以下特点: 4.业务方常见需求 5.时序数据库为了解决什么问题? 6.InfluxDB的优势 ---- 1 .什么是InfluxDB InfluxDB是一个开源的、高性能的时序型数据库,在时序型数据库DB-Engines Ranking上排名第一。 根据DB-Engines等数据库趋势跟踪和行业分析网站发布的信息,时序型数据库是数据库市场中份额增长最快的部分。 传统数据库通常记录数据的当前值,时序型数据库则记录所有的历史数据,在处理当前时序数据时又要不断接收新的时序数据,同时时序数据的查询也总是以时间为基础查询条件,并专注于解决以下海量数据场景的问题: 专为时序存储和高性能读写而设计 为什么通用数据库在时序场景上不是最优的选择呢?许多通用数据库正在为时序数据添加一些支持,虽然可能很容易使用,但它们基本上都不是针对海量时序数据的吞吐量和实时操作而设计的。
前言 mysql可能大家都用的比较多且普遍,最近1年在使用PostgreSql,其大体DML语句与mysql类似,只是部分DDL语句有些区别,写一篇文章给正在应用该数据库或者准备选型该数据库的朋友 版本为基础的对象关系型数据库管理系统。 dnS 列出所有模式 S代表各个schema \d tablename 列出表详情 类似于mysql的show create table 3.时序分片 — 建表语句 CREATE TABLE NULL, CONSTRAINT info_ukey UNIQUE (type, info, ts) ) WITH (OIDS = FALSE) TABLESPACE default; — 时序 ,在时序处理上表现是比较出色的,如果有针对于时间维度的比较重的表需要做一些优化,可以考虑引入时序数据库的选型,而且大体DML语句与mysql类似,只是部分DDL语句有些区别,希望文章对您有所帮助 原创,
单样本输入数据输入数据是降维聚类分群注释的数据做拟时序分析通常不是拿全部的细胞,而是拿感兴趣的一部分。用subset提取子集即可。因为要使用差异基因来排序,所以要两类及以上细胞。 例如下面选择NK和CD8 T细胞;如果只做一类细,就需要二次分群(后面介绍)rm(list = ls())library(Seurat)library(monocle)library(dplyr)load #加载单样本数据scRNA = scescRNA$celltype = Idents(scRNA) #新增细胞类型一列scRNA = subset(scRNA,idents = c("NK","CD8 )library(patchwork)p2+p1/p3#多样本的添加这个可以看去批次效应plot_cell_trajectory(sc_cds, color_by = 'orig.ident')经典拟时序热图这里图展示基因随着时间的渐变 (100))基因轨迹图gs = head(gene_to_cluster)plot_cell_trajectory(sc_cds,markers=gs,use_color_gradient=T)基因拟时序点图
国产数据库-内核特性-gbase8a智能索引 南大通用gbase8a MPP Cluster是一款分析型MPP数据库,有个特性鲜明的功能就是智能索引。 该索引建立膨胀率不超过百分之一,包含基于列的统计信息,可以有效过滤数据,大幅降低数据库磁盘IO,尤其是在聚合操作上也能达到很高的性能。 1、infobright Infobright是一款开源列式存储数据库,采用知识网格查询优化方式,对即席查询有很大提升。可惜已经没人维护了。而Gbase8a的列存就是基于infobright。 2、gbase8a技术白皮书讲解 假设表mytab有A、B、C、D、E五列,每列都有几个数据包。 不了解gbase8a中对带group by的聚合到底是怎么实现的,有了解的可以一起讨论下) 3)对于红色的数据,将其对应的A、B包解压,进行查询聚合计算 4)将2)和3)的结果求和,返回。
点击上方蓝字关注我 DM数据迁移工具DM DTS提供了主流大型数据库迁移到 DM、DM 到 DM、文件迁移到 DM 以及 DM 迁移到文件等功能,在做国产数据库适配过程中经常需要将现有数据库的数据迁移至国产数据库中 ,因此适配达梦DM8数据库时,可以使用DM DTS进行数据迁移。 数据迁移 选择DM数据迁移工具 创建工程 新建迁移任务:点击【迁移】→ 【新建迁移】 选择迁移任务,进行下一步 选择数据库类型:目前支持达梦数据库之间、其他主流关系型数据库至达梦、达梦到Oracle及其他文件之间的迁移 确定账号密码、网络权限等均正常的情况下,可以选择自定义URL,再加上&useSSL=false 填写目标数据库信息:填写达梦数据库信息 迁移选项: “保持对象名大小写”选项不建议勾选,否则使用时表名需添加双引号 ,否则会显示表不存在; 字符长度在迁移的时候建议选择2倍及以上,以免因为不同的数据库的存储设计不同导致迁移过程出现目标库字段长度不足的情况 选择源库: 选择迁移对象:如果存在大字段,则会显示 审阅迁移任务
博客首页:互联网-小啊宇 统信UOS安装达梦8数据库 ⭐1.查看当前系统的cup版本 ⭐2.下载对应版本的达梦数据库 ⭐3.创建安装用户 ⭐4.Linux(Unix)下检查操作系统限制 ⭐5.检查系统配置 架构的 ⭐2.下载对应版本的达梦数据库 下载链接:达梦数据库 X86为amd架构 我使用的UOS-server版本操作系统基于Debian 下载对应的版本至 自定义文件夹 dm8,并且解压获取dm8 一般可以通过执行下面的命令来 加载光驱: 把dm8.iso文件进行上传 新建cdrom文件 mkdir /media/cdrom/ 将ISO文件挂载到/media/cdrom/ mount -o loop dm8_20220304_x86_rh6_64_ent_8.1.2.114.iso /media/cdrom 赋予文件执行权限 # 切换root账号 sudo -i # 赋予DMInstall.bin 可以进行创建数据库实例 都可以自定义 达梦8数据库搭建完成
在这一权威榜单中,涛思数据旗下的TDengine连续多次蝉联时序数据库类别榜首。 02 架构创新:从时序数据库到全链路解决方案TDengine的创新之处在于它不仅仅是一个时序数据库,更是一个完整的时序数据处理平台。其架构设计体现了“极简时序数据处理平台”的理念。 根据墨天轮数据,TDengine落地案例数达88个,居国产时序数据库首位。 所有需要采集数据的场景,都可以使用时序数据库。” 目前TDengine落地案例数达88个,居国产时序数据库首位。Q:TDengine在生态建设和未来布局上有何特点?
时序数据库 时序数据库全称为时间序列数据库。时间序列数据库指主要用于处理带时间标签(按照时间的顺序变化,即时间序列化)的数据,带时间标签的数据也称为时间序列数据。 ,看某一个时间段的所有数据才有意义 时序数据库的基本概念 Time series (时间序列,简称时序或者时序数据):根据wiki百科[2],其数学定义是这样:In mathematics, a time 时序数据库的项目 事实上,业界流行的ClickHouse、Apache IoTDB等也属于时序数据库范畴。 TimescaleDB: 基于优秀的PostgreSQL构建出的时序数据库。长远考虑,专业的TSDB必须是从底层存储面向时序数据的特征进行针对性设计和优化的。因此它不在本文中进一步分析。 IoTDB:国内清华大学开源的时序数据库,面向工业IoT场景;性能出众,社区活跃。
时序数据库的核心特点 时序数据库专门存储按时间顺序生成的数据(如监控指标、传感器数据),其核心特点是高写入吞吐和时间范围查询。数据通常带有时间戳,写入后极少更新,但需支持高效的时间区间聚合分析。 InfluxDB企业版的双层架构设计 META节点与DATA节点分离的设计源于场景差异: META节点:存储元信息(数据库/表结构),需强一致性(CP模型),采用Raft算法保证容错与即时一致性,通常3 DATA节点:存储时序数据,需高吞吐和水平扩展(AP模型),允许最终一致性,通过多副本、Hinted-handoff等机制平衡性能与可靠性。 时序数据的不可变性简化修复逻辑——仅需补全缺失记录。 时序数据库的写入密集型特性决定了DATA节点采用AP模型,而元数据管理需CP保证。 权衡的艺术:强一致性(如Raft)牺牲性能,最终一致性(如反熵)需容忍短暂不一致。
尤其是在信创政策的强力驱动下,国产时序数据库不再是“可有可无的配件”,而是成为了支撑国计民生关键基础设施的数字基石。那么,时序数据库到底是什么?它与我们熟悉的关系型数据库有何本质区别? 在万物互联的时代,国产时序数据库的江湖格局又是怎样的?本文将为你深度科普。一、什么是时序数据库?解决的是“时间”的问题简单来说,时序数据库是专门用于处理带时间标签(即时间序列)数据的数据库。 三、国产时序数据库的江湖格局:三足鼎立,各显神通目前,国产时序数据库市场已经跑出了一批具有竞争力的选手。与通用数据库领域动辄上百家厂商的混战不同,时序数据库领域技术门槛更高,格局相对清晰。 结合2026年的市场表现,以下几股势力代表了国产时序数据库的最高水平:1. TDengine(涛思数据):物联网时代的“原生王者”如果你关注过国产时序数据库,TDengine绝对是一个绕不开的名字。 市场定位:TDengine可以说是国产时序数据库中的“技术派”代表。
时序数据库正是为解决这类问题而生的专业数据基础设施。理解它,是能源行业推进信创国产化替换的关键认知起点。 高压缩比列式存储与智能编码同一设备的温度值在短时间内变化平缓,时序数据库采用Delta-delta、Simple-8b等专用压缩算法,对相邻时间点的差值进行编码。 能源行业正从“设备监测”向“业务+设备”混合时序分析演进,覆盖更广业务维度。 “国产时序能力不足”?→ 认知需更新。 总结与延伸:从认知到行动,国产时序能力正成为能源新基建底座时序数据库是什么? 它是能源数字化转型中,承载设备生命体征的“数字脉搏监护仪”。 选择具备成熟时序处理能力的国产数据库,不仅有助于满足合规要求,更能提升数据采集完整性、查询响应及时性、分析建模灵活性。在构建新型电力系统与智慧能源体系过程中,时序数据基础设施已成为不可或缺的一环。
档次一般应尽可能高一些,尤其是作为数据库服务器的机器,基于 Java 的程序运行时最好有较大的内存。其它设备如 UPS 等在重要应用中也应考虑。 验证达梦安装包的数字签名 gpg --verify dm.sign dm8_setup_xxx.iso 输出结果是“完好的签名”(“Good Signature”)则表示安装包文件完好无损。 file size file size(blocks, -f) 建议用户设置为 unlimited(无限制),此参数过小将导致数据库安装或初始化失败。 部署Dm8(开发版) 2.1 执行软件安装 步骤1:安装包准备 mkdir -p /data/dm/dm_iso unzip dm8_20231011_x86_rh6_64.zip mount dm8 使用dminit 工具创建数据库,数据页 PAGE_SIZE 大小为 16 K,默认的数据库名为 db_name=DAMENG cd /data/dm/dmdbms/bin .
2026年3月,国际权威数据库排名机构 DB-Engines 最新更新各类数据库排行榜,DolphinDB 凭借卓越的综合实力,成功跻身时序数据库(TSDB)全球 TOP 5,该名次为国产时序数据库迄今为止最佳排名 ,同时居向量数据库(VectorDB)榜单全球 TOP 8,再次彰显国产数据库的硬核底气与全球竞争力。 在时序数据库领域,DolphinDB 早已确立领先地位:国内市场中,它长期稳居国产时序数据库榜首,服务于中信证券、长江电力、比亚迪等近200家头部企业,成为金融、电力、制造等核心场景的首选解决方案;全球舞台上 全球总榜国产位居前列,综合实力凸显值得关注的是,本次排名中,DolphinDB 在全球共计389个数据库的总榜中位列第66位,为所有国产数据库类别中的第二,展现出多模型数据库的综合实力优势,其多场景适配能力获得全球行业认可 VectorDB 榜单 TOP 8,多模能力加持在向量数据库(VectorDB)榜单中,DolphinDB 位列第8名,展现出稳健的竞争力,这一排名既是对其向量处理能力的认可,也进一步印证了其多场景适配的综合实力
为了更客观的对比TDengine和其他时序数据库(Time-Series Database)的性能差异,本项目采用由InfluxDB团队开源的性能对比测试工具来进行对比测试,相同的数据产生器,相同的测试用例 本测试项目目前支持以下时序数据库的对比测试 InfluxDB TDengine 本项目的Github链接:https://github.com/liu0x54/timeseriesdatabase-comparisons 因为测试模拟数据先生成并写入硬盘文件,由数据加载程序从文件中读取一条条的数据写入语句,写入时序数据库。这种方式能够将数据产生过程中的性能差异排除。 root权限。 写入测试 本测试包提供了一个run.sh脚本,自动执行将docker容器按指定IP地址运行起来,然后产生数据,写入数据文件,并写入时序数据库。 除核心的快10倍以上的时序数据库(Time-Series Database)功能外,还提供缓存、数据订阅、流式计算等功能,最大程度减少研发和运维的工作量。