原创文字，IoTDB 社区可进行使用与传播基于IoTDB 平台的学习和研究_应用_芯动大师_InfoQ写作社区
12 月 3 日、4日，2022 Apache IoTDB 物联网生态大会在线上圆满落幕。大会上发布 Apache IoTDB 的分布式 1.0 版本，并分享 Apache IoTDB 实现的数据管理技术与物联网场景实践案例，深入探讨了 Apache IoTDB 与物联网企业如何共建活跃生态，企业如何与开源社区紧密配合，实现共赢。
数据如同空气一样普遍，我们在手机的每一次点击都会产生数据，都可能被记录，被使用。数据存放在数据库中，数据库其实就是“数据的集合”。
【摘要】Gartner指出赋能边缘是2020年十大战略技术趋势之一，5G加速IoT领域的发展，物联网设备数据的收集，存储和计算需求与日俱增。Apache IoTDB是物联网时序数据收集、存储、管理与分析为一体的的软件系统。Apache IoTDB作为Apache的2020新晋顶级项目，以其出色的表现得到了Apache的认可！目前Apache IoTDB与Hadoop、Spark和Flink等进行了深度集成，可以完全胜任工业物联网领域的海量数据存储、高速数据读取和复杂数据分析的需求。本次分享将为大家对Apache IoTDB的前世今生和核心的技术进行详细介绍.
机器学习直接从数据中“学习”信息，利用云平台的分布式计算资源可以大大加速建模的速度，例如对CNC刀具故障的预测避免断刀故障的发生，对模具生产中质量波动的影响因素分析修正关键工序等。工业数据在云端的有效呈现是通过云平台的数据可视化组件完成的。目前大多数的云平台（例如AWS、阿里云等）都提供了基于Grafana的可视化组件。
时序数据库是近两年的热门话题，不断有新的时序数据库产品发布，但在我个人看来，目前还没有看到一个系统的、全面的时序数据库评测方案，帮助开发者认识各个产品的异同，为特定场景选择最适合的产品，各个数据库厂商基于自身优势和特点，设计发挥其产品最佳性能的场景，展示一份份傲人的性能测试报告。本篇博客就结合本人的一些看法，从不同维度来分析时序数据库产品的异同，同时也希望有更多的人关注时序数据库，在各自的行业应用需求上为时序数据库厂商建言献策，共同推动时序数据库的发展。由于个人能力有限，难免有不妥之处，还望大家提出宝贵意见，多多批评指正。
电力行业、化工行业、气象行业、地理信息等各类型实时监测、检查与分析设备所采集、产生的数据
[2] - 时间序列数据的存储和计算 - 开源时序数据库解析（一） - 2018.01.07
6月27日上午，“清华大学（软件学院）-用友网络科技股份有限公司时序数据与物联应用联合研究中心”（以下简称“联合研究中心”）成立大会暨揭牌仪式在大数据系统软件国家工程研究中心举行。大数据系统软件国家工程研究中心主任、中国工程院院士孙家广，清华大学软件学院院长王建民，用友网络科技股份有限公司（以下简称“用友网络”）执行副总裁樊冠军及联合研究中心领导及部分研究人员20人参会。会议由王建民院长主持。 清华大学软件学院王建民院长主持成立大会 孙家广院士代表清华大学对用友网络的领导表示欢迎，并对用友网络与清华大学长
近几年IoT、IIoT、AIoT和智慧城市快速发展，时序/时空数据库成为数据架构技术栈的标配。根据国际知名网站DB-Engines数据，时序数据库在过去24个月内排名高居榜首，且远高于其他类型的数据库，可见业内对时序数据库的需求迫切。
在公有云的数据库产品清单里，近年出现了一个新的名词“时序数据库”。感觉数据库的产品已经不少了，时序数据库的用途是什么？为什么会诞生该产品？我们今天一起来看一下！
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。
近日，UCloud新发布了一款时间序列数据库UTSDB (UCloud TimeSeries Database) ，此次上线的UTSDB-InfluxDB版基于InfluxDB v.1.7，完全兼容原生 InfluxDB 协议。后端存储接入 UCloud 自研的Manul统一存储，容量可动态扩充，最高可至数百TB，并通过高效压缩节省80%存储成本。支持高并发写入，QPS最高可达350万，为物联网等领域的亿级设备提供实时监控生产数据、全局掌握数据趋势等能力。
微博广告基础架构团队负责人、技术专家，商业大数据平台及智能监控平台发起人，目前负责广告核心引擎基础架构、Hubble智能监控系统、商业基础数据平台（D+）等基础设施建设。关注计算广告、大数据、人工智能、高可用系统架构设计、区块链等方向。在加入微博之前，曾就职于百度负责大数据平台建设，曾担任趣点科技联合创始人兼CTO等职位。毕业于西北工业大学，曾在国内外知名期刊发表多篇学术论文，拥有9项发明专利。
一、IoTDB的研发背景 (一)IoTDB的发展历程 IoTDB是由清华大学大数据软件团队于2016年开始开发的一个物联网数据库项目，旨在满足大规模物联网和工业物联网应用的数据、存储和分析需求。2018年11月，IoTDB进入了Apache孵化器，开始了它的开源之旅。在孵化期间，IoTDB吸引了来自全球的贡献者和用户，并与其他Apache项目如Spark和Hadoop进行了无缝集成。2020年9月，IoTDB正式成为Apache顶级项目，并获2020年北京市科技进步一等奖。2021年10月，IoTDB受邀参
2022年12月3日、4日，由中国通信学会作为指导单位，Apache IoTDB Community、清华大学软件学院、中国通信学会开源技术委员会联合主办，“科创中国”开源产业科技服务团和天谋科技（北京）有限公司承办的 2022 Apache IoTDB 物联网生态大会在线上圆满落幕。
本文约7200字，建议阅读15分钟 本文分享关于工业时序数据库IoTDB（全称Apache IoTDB）及它的一些应用。 IoTDB源自清华大学软件学院。王院长带领团队从2011年开始关注，2014/2015年开始研制，一路走来始终围绕工业数据软件，其中包括了数据管理软件、机器学习软件、数据处理软件以及应用开发软件。我主要负责数据管理软件。让数据发挥价值，首先要把数据管起来，便于未来的数据处理和应用开发。 今天分享关于工业时序数据库IoTDB（全称Apache IoTDB）及它的一些应用，主要分四个方面：I
近日，东方国信时序数据库CirroData-TimeS（基于Apache IoTDB）完成了与大连图扑TopLink组态软件的适配。在某核电站数据展示项目中，数据经过Toplink的解析，进入CirroData-TimeS时序数据库进行存储和计算。通过搭建场景和动画驱动，对压水堆核电站发电的工作原理进行了数据可视化展示。实现了CirroData-TimeS在工业数据可视化领域的生态建设，为工业物联网提供了全新的解决方案。
在处理将大量数据放入 HashMap的项目时，作者开始注意到 HashMap 占用了大量内存并对最小内存使用量进行了粗略计算，得到的常驻内存是预期的两倍多。我们都知道 HashMaps 以空间换取时间。通过使用更多空间，我们能够使插入和检索更加高效。但是他们为那个时间权衡了多少空间？作者当下没有那个问题的答案，所以他决定测量并找出答案。如果你只是想知道答案，请跳到文章最后一节；当你看到图表时，你就会知道你在那里。此外，如果您想进行自己的分析，可以使用所有支持代码和数据。
关于MONGODB 可以在那些应用场景中工作,可以去看看MONGODB , 唐建法,唐老师的视频. 基本上MONGODB 可以应用的场景已经非常多了.
先来介绍什么是时序数据。时序数据是基于时间的一系列的数据。在有时间的坐标中将这些数据点连成线，往过去看可以做成多纬度报表，揭示其趋势性、规律性、异常性；往未来看可以做大数据分析，机器学习，实现预测和预警。
万物互联时代，工业物联网产生的数据量比传统的信息化要多数千倍甚至数万倍，并且是实时采集、高频度、高密度，动态数据模型随时可变。传统数据库在对这些数据进行存储、查询、分析等处理操作时捉襟见肘，迫切需要一种专门针对时序数据来做优化的数据库系统，即时间序列数据库。
在传统工业控制领域，由于其自身的特殊性，有很多对实时数据处理的要求，特别是流程工业中，对各生产环节的监控要求十分严苛，需要通过监测数据实时反应出系统的状态，所以对于实时数据的处理十分看重。因此工业实时数据库应运而生，其主要用于工业过程数据的采集、存储以及查询分析，以实现过程状态的实时监控。
本文介绍了实时数据库和时序数据库，并就其特点、应用场景、相关厂商、联系与区别做介绍。
本项目由涛思数据投递并参与“数据猿年度金猿策划活动——2022大数据产业创新技术突破榜单及奖项”评选。
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。
2017年时序数据库忽然火了起来。开年2月Facebook开源了beringei时序数据库；到了4月基于PostgreSQL打造的时序数据库TimeScaleDB也开源了，而早在2016年7月，百度云在其天工物联网平台上发布了国内首个多租户的分布式时序数据库产品TSDB，成为支持其发展制造，交通，能源，智慧城市等产业领域的核心产品，同时也成为百度战略发展产业物联网的标志性事件。时序数据库作为物联网方向一个非常重要的服务，业界的频频发声，正说明各家企业已经迫不及待的拥抱物联网时代的到来。 本文会从时序数据
在无数数据库行业的老将新兵中，我们注意到一批力图解决大数据语境下，数据库使用和运维难题的“引路人”。今天，InfoQ 的专访对象 --- 姚延栋，正是这批大数据“引路人”中的一个。
为什么用关系型数据库？最常见的理由是别人在用，所以我也得用，但是这个并不是理由，而是借口。
智慧健康养老服务管理系统是北京怡养科技有限公司的建设项目，是内嵌智能家居、健康管理、综合评估、服务管理、呼叫中心、决策支持等模块在内的专业养老服务管理系统。基于老年人健康数据，以老年人综合评估管理和老年人风险预测分析模型与专家系统为技术支持，整合养老服务资源，为老年人提供精细化、专业化的照护管理计划和个人健康档案管理。
小 T 导读：近年来，随着物联网技术和市场的快速发展、企业业务的加速扩张，时序数据的处理难题也越来越受到行业和企业的重视，时序场景下通用型数据库步履维艰，各种时序数据库产品应运而起。但是，做一个优质的时序数据库真的很容易吗？本篇文章将从数据库开发者的角度，解剖时序场景下的数据处理需求、分析时序数据库设计思路，给到读者一些硬核技术思考。
在上篇文章《时序数据库体系技术 – 时序数据存储模型设计》中笔者分别介绍了多种时序数据库在存储模型设计上的一些考虑，其中OpenTSDB基于HBase对维度值进行了全局字典编码优化，Druid采用列式存储并实现了Bitmap索引以及局部字典编码优化，InfluxDB和Beringei都将时间线挑了出来，大大降低了Tag的冗余。在这几种时序数据库中，InfluxDB无疑显的更加专业。接下来笔者将会针对InfluxDB的基本概念、内核实现等进行深入的分析。本篇文章先行介绍一些相关的基本概念。 InfluxDB
2021年11月22日，南方电网数字电网研究院有限公司发布《2021年南网数研院平台安全分公司数据中心升级完善二期（电能量平台融合改造、分节点云化等）项目存储计算组件和时序数据库采购公示公告》，采购方式单一来源。 项目概况：根据网公司云化数据中心主分节点建设安排，数据中心升级完善二期（电能量平台融合改造、分节点云化等）在原有数据中心升级完善一期项目及二期（数据湖、云化及服务组件层）建设的基础上，完善了数据中心数据处理及服务能力。本项目对数据中心存储计算组件进行扩容，新增913套存储计算组件，预算3652万元
物联网系统中，需要实时处理的数据可通过队列送入流处理引擎；不需要实时处理的数据，用于离线分析或数据挖掘，需要先存储起来。物联网系统的数据存储的方式很多，要根据实际场景来选择。
时序数据处理应用于物联网、车联网、工业互联网领域的过程数据采集、过程控制，并与过程管理建立一个数据链路，属于工业数据治理的新兴领域。从工具维度看，时序数据处理工具与传统时序数据库的差异很大。后者局限于车间级的可编程逻辑控制器，而非企业级。
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
2月19日，就 Apache IoTDB 的核心技术及典型应用场景进行了直播分享探讨，分别是 《Apache IoTDB：基于开放数据文件格式的时序数据库》、《IoTDB 在阿里云智能制造业务中的实践》、《智能运维场景中的时序数据库选型与挑战》、《时序数据库 IoTDB 在360的落地实践》这4个主题。
腾讯云时序数据库CTSDB商业化首发，现跟大家聊一下时序数据的概念，模型和使用场景等。
Machbase 是一个针对工业物联网优化的超快时序数据库管理系统，提供数据合并和监控功能。 此外，它可以有效地构建边缘计算环境。Machbase Edge Edition 旨在即使嵌入在资源有限的小型设备中也具有高速处理性能。通过嵌入众多小型设备中的边缘版，可以通过收集和处理生产现场产生的所有数据来构建完美的边缘计算基础设施。Machbase Edge Edition 是边缘计算的最佳解决方案。
时序数据库，全称为时间序列数据库，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。这些数据主要由电力行业、化工行业、气象行业、地理信息等各类型实时监测、检查与分析设备所采集、产生。这些工业数据的典型特点是产生频率快（每一个监测点一秒钟内可产生多条数据）、严重依赖于采集时间（每一条数据均要求对应唯一的时间）、测点多信息量大（常规的实时监测系统均有成千上万的监测点，监测点每秒钟都产生数据，每天产生几十GB的数据量）。
复杂而又变化多端的中高频量价因子的研究和开发已经成为众多量化私募最重要的工作之一。DolphinDB作为一个一站式的时序数据存储、分析和实时计算平台，可以帮助金工和IT人员将复杂的因子快速转化成能在研发或生产环境中高效运行的计算机脚本。
原文中介绍到，过去的7年时间的发展中，InfluxDB 在 metrics 数据的处理上已经成为了非常出色的数据库，并且在 analytics 方面也很不错。但对于现有的架构来讲有一个限制就是不能处理非常大的基数 (significant cardinality)，也就是说tags里不能设置太多的值。比如说：不能处理分布式追踪数据 (distributed tracing data) 的这种场景。
近日，国际权威研究机构Gartner公司发布《The Future of the Database Management System (DBMS) Market Is Cloud》研究报告显示，腾讯云数据库市场份额增速达123％，位列国内所有数据库厂商之首，在全球范围内保持了连续两年增速前三的迅猛势头。
https://blog.csdn.net/ransom0512/article/details/78114167
作为腾讯唯一的时序数据库，CTSDB 支撑了腾讯内部20多个核心业务（微信彩票、财付通、云监控、云数据库、云负载等）。
在本文中，我们将探讨如何设计一个可扩展的指标监控和告警系统。一个好的监控和告警系统，对基础设施的可观察性，高可用性，可靠性方面发挥着关键作用。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
