开源、高性能、分布式

支持 SQL 的时序数据库

让大量设备、数据采集器每天产生的高达 TB 甚至 PB 级的数据能得到高效实时的处理,对业务的运行状态进行实时的监测、预警,从大数据中挖掘出商业价值。TDengine 能被广泛运用于物联网、工业互联网、车联网、IT 运维、能源、金融等领域。

TDengine Database

高性能

通过创新的存储引擎设计,无论是数据写入还是查询,TDengine 的性能比通用数据库快 10 倍以上,也远超其他时序数据库,而且存储空间也大为节省

分布式

通过原生分布式的设计,TDengine 提供了水平扩展的能力,只需要增加节点就能获得更强的数据处理能力,同时通过多副本机制保证了系统的高可用

支持 SQL

TDengine 采用 SQL 作为数据查询语言,减少学习和迁移成本,同时提供 SQL 扩展来处理时序数据特有的分析,而且支持方便灵活的 Schemaless 数据写入

开发者为什么选择 TDengine?

高性能分布式支持 SQL

TDengine 时序数据库 - Home 04
核心开源

TDengine 的核心代码包括集群功能全部开源,全球超过 10k 个实例,GitHub Star 17.8k,Fork 4k,社区活跃

TDengine 时序数据库 - Home 09
All in One

TDengine 具有内建的缓存、流计算、数据订阅功能。对于很多场景,它就是一个大数据平台, 大幅减小系统复杂度和运维难度

TDengine 时序数据库 - Home 05
零管理

安装、集群几秒搞定,无任何依赖,不用分库分表,系统运行状态监测能与 Grafana 或其他运维工具无缝集成

TDengine 时序数据库 - Home 06
零学习成本

采用 SQL 查询语言,支持Python, Java, C/C++, Go, Rust, Node.JS等多种编程语言,与MySQL相似,零学习成本

TDengine 时序数据库 - Home 07
无缝集成

不用一行代码,即可与 Telegraf, Grafana, EMQ X, Prometheus, StatsD, collectd, Matlab, R 等第三方工具无缝集成

TDengine 时序数据库 - Home 08
互动 Console

通过命令行 console,不用编程,执行 SQL 语句就能做即席查询、各种数据库的操作、管理以及集群的维护

典型场景

物联网

智能硬件、大型联网装备、智慧家庭、智慧城市、智慧矿山、智慧水务、智慧农业

工业互联网

智能制造,流程行业,生产数字化,数字孪生

IT运维

IDC、主机、虚机、网络设备、容器、微服务监测

scene
车联网

TBox 数据处理、新能源汽车电池数据、自动驾驶、智慧物流、车队管理

能源

风力发电、光伏发电、配电、用电、能源管理

金融

股票、证券、期货行情数据

媒体报道

博客精选

  • TDengine 已经支持工业英特尔® 边缘洞见软件包
    数据就是财富,通过对时序数据进行全方位的分析,有可能挖掘出对业务决策很有帮助的信息,从而进一步创造价值、提升效率。 EII 可以在 Docker 上运行,以便将基础设施与应用程序分开,让用户能够更快地进行开发。
  • 正式上架!TDengine 插件入驻 Grafana 官网
    为了更方便用户使用 TDengine + Grafana 这个组合,在 TDengine 和 Grafana 两个团队的协作之下,TDengine 插件正式上架 Grafana 官网!用户可以直接搜索安装该插件,不用编辑 Grafana 配置文件了。
  • 双重调研测试后,OPPO IoT 类产品开始接入 TDengine
    在 OPPO 的穿戴产品的手环/手表类业务中,产生的数据类型为时序数据,具有写入量巨大且存在离线/历史数据补录(更新)的处理需求。此前使用的 MongoDB/MySQL 集群方案,后端存储压力较大,需要经常扩盘,针对此痛点,OPPO 云计算中心智慧物联云团队尝试调研对比了几款时序数据库(Time-Series Database)产品,试图寻找一个降本增效的解决方案。
  • TDengine 2.6 正式发布,新增大量计算函数
    经过研发同学的不懈努力,TDengine 2.6 版本正式发布了。该版本带来众多新特性,一方面是优化了 SQL 语法,一方面是增加了大量的计算函数,以支持用户的更多使用场景。该版本还修复了之前版本存在的一些 bug。
  • 【技术干货】代码示例:使用 Apache Spark 连接 TDengine
    除了核心的时序数据库功能外,TDengine 还提供缓存、数据订阅、流式计算等大数据平台所需要的系列功能。但是很多小伙伴出于架构的考虑,还是需要将数据导出到 Apache Flink、Apache Spark 等平台进行计算分析。 为了帮助大家对接,我们特别推出了保姆级课程,包学包会。
  • 毫秒级返回数据,58同城 DBA 团队选择 TDengine 解决传感器数据处理难题
    在 58 同城的驾考业务上,需要存储分析驾校教练车传感器产生的数据,这是典型的时序数据场景,开发人员对原有的 TiDB 性能并不是很满意,因此 DBA 团队开始调研更具针对性的时序数据库。基于自身的业务需求,他们在 6 款时序数据库中选择了 TDengine Database,在经过深入的调研测试之后,开始部署实践,最终业务痛点问题得到了解决。