虚拟表、TDgpt、JDBC 异步写入…TDengine 3.3.6.0 版本 8 大升级亮点

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八大核心更新亮点，并附上社区版和企业版的详细新增功能。如果你还没来得及深入了解，不妨现在看看，哪些能力正好能解决你的当前需求

重要更新

发布时序数据分析 AI 智能体 TDgpt

TDgpt 是 TDengine 内置的时序数据分析 AI 智能体，具备时序数据预测、异常检测、补齐和分类功能。它能无缝对接各种时序数据模型、大语言模型、机器学习及传统统计算法，并支持算法动态切换，用户只需通过一条 SQL 语句即可轻松体验。此外，通过开放的 SDK，开发者能将自己开发的AI算法或模型轻松集成到 TDgpt，立即为 TDengine 全行业用户所使用。

了解 TDgpt 的更多信息请访问：https://www.taosdata.com/tdgpt

支持虚拟表

在 3.3.6.0 版本中，TDengine 正式支持虚拟表功能，真正实现了“一设备一张表”的设计理念。虚拟表可以在不复制数据的前提下，从多个表中选择指定列拼接成一个逻辑上的“宽表”，查询语法与普通表完全一致。通过基于时间戳的数据对齐机制，虚拟表可自动将相同时间点的数据聚合成一行，缺失部分则填充为 NULL（还可用 padding 函数插值），有效提升了查询效率和数据整合能力。

此外，虚拟表支持动态更新，随着原始表数据的变化实时同步，保证毫秒级的数据更新体验。相比传统多表 JOIN + 嵌套查询的繁琐逻辑，虚拟表不仅大大简化了查询编写，也避免了标签重复存储、标签更新原子性差等问题。同时，虚拟表支持动态添加和删除列，灵活适应业务需求的变化，是连接 IT 与 OT 世界的理想桥梁。

新增 Cols 函数：轻松获取关键指标对应的上下文信息

在日常报表场景中，用户常常需要按时间窗口统计某个指标的平均值、最大值、最小值，以及最大值和最小值出现的时间点。传统 SQL 难以直接支持这一需求。在 3.3.6.0 版本中，TDengine 推出全新 cols 函数，可用于获取单行聚合函数（如 max、min）所在行的其他列值，轻松实现“最大值对应的时间点”这类查询。示例如下：

select tbname, _wstart, avg(current), max(current), cols(max(current), ts), min(current), cols(min(current), ts) from stb partition by tbnameinterval(1d)

流计算优化提升

在 3.3.6.0 版本中，TDengine 对流计算进行了多项关键优化，进一步提升实时分析能力。

1）支持在流计算中使用虚拟表

用户可以直接基于“一设备一张表”的建模方式进行流式计算，简化数据处理流程。

2）支持 CONTINUOUS_WINDOW_CLOSE 触发模式

全新引入的 CONTINUOUS_WINDOW_CLOSE 模式，在窗口关闭时触发计算，并在固定周期内自动重算，避免因数据的修改或删除导致频繁重算，计算资源消耗仅为传统 WINDOW_CLOSE 模式的 10%。对资源敏感的场景尤其友好。

3）支持窗口事件通知机制

TDengine 现已支持窗口事件通知机制，可在窗口打开（WINDOW_OPEN）或关闭（WINDOW_CLOSE）时自动向外部系统发送事件，便于任务编排、系统集成和数据流转控制。

4）支持为事件窗口和状态窗口设置最小持续时长限制

用户可以为窗口定义最短存在时间，避免短时间波动引发不必要的计算，让流式处理更加稳健可靠。

支持 Decimal 数据类型

随着 TDengine 在更多行业场景中落地，许多用户提出对高精度小数的需求，比如经纬度定位、货币金额、能源表计等。3.3.6.0 版本正式支持 DECIMAL 数据类型，用于存储需要精确小数位的数据，避免因浮点误差导致的计算偏差。

用户在创建普通表或超级表时，可直接定义 DECIMAL 类型的字段，例如：

create table tb (ts timestamp, value decimal(10, 2))

支持写入、读取、更新和删除等完整操作，确保关键数据在各类应用中的精确表达与高可用处理。

客户端兼容性

长期以来，TDengine 的“胖客户端”方案在版本兼容性方面存在一定限制。为解决这一问题，从 3.3.6.0 版本起，TDengine 客户端库支持通过 WebSocket 模式建立连接，实现客户端与服务端的版本完全解耦。

使用 WebSocket 模式后，客户端将兼容 3.3.6.x 及未来所有版本，服务端升级时，无需再同步更新客户端，显著降低部署和运维成本。

JDBC 客户端高效写入

无论是导入历史数据，还是进行压测验证，用户经常会遇到写入性能调优的难题。尽管 TDengine 官网技术文档提供了“高效写入”章节，但在实际使用中，写入瓶颈依然频繁出现。

在 3.3.6.0 版本中，TDengine JDBC 客户端全面升级写入机制，引入 异步写入 + Flush 确认机制。通过标准 JDBC 接口即可使用，无需改动业务逻辑，系统会在满足一定条件后自动批量发送数据，显著减少网络开销、提升吞吐能力。

同时，新增机制还支持连接断开重连，以此增强稳定性。实际测试显示，在默认配置下，单线程写入性能对比 3.3.5.0 提升最高超过 60 倍；写入能力可随线程数线性扩展，性能表现与用户手动编写的多线程程序相当，但极大简化了开发难度。

集成多款主流 BI 工具，零代码接入更高效

3.3.6.0 版本中，TDengine 在可视化分析能力方面持续拓展，全面兼容多款主流 BI 工具，帮助用户轻松构建数据报表与仪表盘，无需编写一行代码。

集成 Tableau

作为全球领先的商业智能平台，Tableau 支持多种数据源接入。用户可通过 TDengine ODBC Connector 将标签数据、原始时序数据或经时间聚合后的结果直接导入 Tableau，用于构建丰富的数据分析视图与仪表盘，流程高效、使用简单。

集成 Excel 配置 ODBC 连接后，Excel 也能快速访问 TDengine 数据，用户可像日常操作 Excel 一样将时序数据接入分析流程，轻松生成各类图表报表，满足通用办公分析需求。

集成 FineBI TDengine 已完成与帆软旗下的 FineBI 工具的适配。帆软作为国内领先的数据分析平台，广泛应用于金融、制造等行业，通过接入 TDengine，可实现大规模时序数据的实时可视化。

集成 Perspective Perspective 是由 Prospective.co 开发的开源数据可视化库，基于 WebAssembly 与 Web Workers 技术，能在浏览器端实现高性能、交互式实时数据分析。TDengine 现已支持将数据流式接入 Perspective，为构建 Web 实时可视化应用提供强力支撑。

想要了解更详细的操作步骤请访问：https://docs.taosdata.com/third-party/

其他更新

社区版

支持将常量值作为连接主键

支持 Greatest、Least 函数、regexp 表达式

Interp 函数支持插值时间范围

流计算在 force_window_close 模式下支持滑动窗口

支持为事件窗口和状态窗口设置最小持续时长限制

密码最大长度扩展到 255 位

支持删除存在活跃消费者的主题

企业版

支持通过 KEEP 参数控制超级表的时序数据保存时长

支持重新整理元数据文件

优化多级存储中同一层级数据文件在多个磁盘中的分布

大幅提升集群之间的数据同步性能

增量备份支持 S3 存储

数据写入任务管理支持导入导出

双活支持新增数据库自动同步

数据同步异常处理机制优化

除此之外，每个版本都会做很多其他的工作，比如 bug 修复、功能优化等等。如果想要了解新版本（时序数据库功能更新）更加详细的发布信息，可以移步至 https://github.com/taosdata/TDengine/releases/tag/ver-3.3.6.0 查看发布说明。

欢迎大家下载使用，也欢迎在评论区提出建议和意见，如有任何问题请及时联系我们获得支持。