摘要：
2025 年收官，TDengine 交出连续第四年营收同比翻倍的亮眼答卷。这一年，公司聚焦 “沉淀” 与 “进阶”，以 AI First 为年度战略核心，在时序数据赛道稳步前行，将 AI 技术深度融入产品演进、组织协作与业务增长全链条，切实实现了产品、市场、社区、生态的多维突破。 产品双线并行落地 阅读全文
posted @ 2026-01-16 11:06
涛思数据TDengine
阅读(85)
评论(0)
推荐(0)
摘要：
在工业企业越来越依赖数据驱动决策的今天，数据的获取不再是难题，难的是从纷繁复杂的数据中提炼出有用的信息。而 AI 的崛起，正在重塑整个数据分析的逻辑。 7 月 29 日晚，TDengine 发布了一款全新产品 —— TDengine IDMP（Industrial Data Management P 阅读全文
posted @ 2025-07-30 18:43
涛思数据TDengine
阅读(172)
评论(0)
推荐(0)
摘要：
数据集的高基数（High-Cardinality）问题一直困扰着诸多主流的时序数据库（Time Series Database，TSDB）产品。一些数据库管理系统，在基数较低时表现良好；但是随着基数的增加，数据库的表现也会变差，这就给数据库管理员带来了很大的挑战，他们需要通过相关设计降低基数，避免与之相关的问题。
TDengine 3.0 是第一个解决了高基数问题的时序数据库，本文将分享其设计思路。 阅读全文
posted @ 2022-12-05 12:04
涛思数据TDengine
阅读(348)
评论(1)
推荐(0)
摘要：
对于以处理时序数据为根基的时序数据库来说，如何灵活的利用时间频率来计算分析数据至关重要。本文带你深度了解：“可在时间轴上”聚合的强大函数——INTERVAL。 阅读全文
posted @ 2021-11-15 13:50
涛思数据TDengine
阅读(1742)
评论(1)
推荐(0)
摘要：
**小T导读**：在全球化视频社交与直播互动场景中，每一次弹幕发送、礼物打赏、用户在线状态变化和直播流质量波动，都会形成高频、连续、强实时的时序数据。Niki Live 在面向海外市场的社交直播业务中，需要同时应对数亿级用户行为日志、百万级直播流数据、毫秒级互动分析和全球化数据治理等挑战。本文将介绍 阅读全文
posted @ 2026-05-29 18:51
涛思数据TDengine
阅读(2)
评论(0)
推荐(0)
摘要：
涛思数据成为西门子 Xcelerator “繁星伙伴”，TDengine 上架其云市场，并完成与西门子 IPC 工控机适配，正式进入全球工业数字化生态。依托 TDengine 时序数据库与工业数据管理平台，双方将为工业企业提供软硬协同的数据管理方案，助力工业数字化转型。 阅读全文
posted @ 2026-05-27 10:59
涛思数据TDengine
阅读(4)
评论(0)
推荐(0)
摘要：
小T导读：在工业 4.0 与智能制造持续推进的背景下，工业现场正以前所未有的速度产生海量时序数据。对于拥有大量 CNC 机床、机器人及各类工业传感器的制造场景来说，如何高效完成数据采集、写入、存储、分析与实时应用，已经成为数字化升级中的关键问题。发那科在推进新一代工厂物联网平台建设过程中，面临高并发 阅读全文
posted @ 2026-05-15 14:58
涛思数据TDengine
阅读(4)
评论(0)
推荐(0)
摘要：
可视化，是工程师与数据交互的入口 在工业系统中，可视化是所有能力最终汇聚的地方。 数据可以存储在工业实时数据库中，也可以通过各种分析管道进行处理，但对于工程师和操作人员来说，系统的主要交互界面始终是可视化界面。他们通过可视化来监控设备、分析问题并做出决策。 如果可视化能力有限，那么整个系统都会显得有 阅读全文
posted @ 2026-04-29 17:28
涛思数据TDengine
阅读(4)
评论(0)
推荐(0)
摘要：
很少有人真正谈论的成本问题 在评估工业数据系统时，很多企业首先关注的是软件本身的价格。 这看起来是合理的。无论是工业实时数据库的授权费用，还是平台订阅费用，甚至云资源成本，似乎都构成了系统的主要支出。但事实上，这些只是整体成本中的一小部分。 一个工业数据系统真正的成本，并不在于你“买它花了多少钱”。 阅读全文
posted @ 2026-04-23 22:38
涛思数据TDengine
阅读(10)
评论(0)
推荐(0)
摘要：
工业系统持续不断地产生时间序列数据。每一秒钟，传感器都在记录温度、压力、流量、振动等各种信号。在过去几十年里，这一直是工业数据系统和工业实时数据库的基础：采集信号，高效存储，并通过可视化观察它们随时间的变化。 这种方式是有效的，但它存在一个根本性的局限。 时间序列数据只能告诉我们“发生了变化”，却无 阅读全文
posted @ 2026-04-03 12:35
涛思数据TDengine
阅读(4)
评论(0)
推荐(0)
摘要：
数据在增长，但洞察并没有同步增长 当今工业系统正在以前所未有的速度产生数据。传感器持续不断地从系统的各个环节采集高频信号，从温度、压力，到振动、流量以及设备状态，几乎所有运行信息都被数字化并记录下来。随着基础设施的发展，数据存储与吞吐早已不再是瓶颈，大规模的数据处理和分析能力也变得越来越容易获得。 阅读全文
posted @ 2026-04-03 11:28
涛思数据TDengine
阅读(10)
评论(0)
推荐(0)
摘要：
过去十年，工业数字化的核心任务是“让系统上线、让设备联网、让数据可见”。而当大模型、工业 AI 与智能体开始进入工业现场，一个新的问题正在变得越来越清晰： 当应用可以快速生成、算法可以快速迭代，模型可以不断替换，工业系统真正需要长期稳定的，究竟是什么？工业 AI 时代，需要的已不再是“更复杂的平台” 阅读全文
posted @ 2026-04-02 22:34
涛思数据TDengine
阅读(18)
评论(0)
推荐(0)
摘要：
这种情况其实比很多人想象的更常见。 一家公司在 IT 侧运行着非常现代化的基础设施： 代码版本管理、自动化部署流水线、完整的可观测体系。 如果某次发布出现问题，几分钟内就可以回滚。 但当你走进工厂现场，却看到另一番景象。 SCADA 系统运行在一台没人确定多久没更新过的服务器上。 工程师直接在生产环 阅读全文
posted @ 2026-03-27 19:25
涛思数据TDengine
阅读(10)
评论(0)
推荐(0)
摘要：
前段时间，我在 LinkedIn 上发过一篇内容（linkedin.com/posts/jim-fan-94843663_datahistorian-industrialai-industrialdata-activity-7437237420989001728-bFCg?utm_source=sh 阅读全文
posted @ 2026-03-27 19:18
涛思数据TDengine
阅读(8)
评论(0)
推荐(0)
浙公网安备 33010602011771号