TDengine 离线升级流程
TDengine 2.6 版本已经正式发布，有不少用户在此时会有升级的需求，本篇文章详细讲解了 TDengine 的升级流程。以 2.0.16 为分界线，升级步骤稍有不同，在阅读具体升级步骤前，请注意检查自己的数据库服务版本。
写入速度提升数十倍，TDengine 在拓斯达智能制造工厂解决方案上的应用
写入速度提升数十倍，TDengine 在拓斯达智能制造工厂解决方案上的应用。在拓斯达的智能工厂整体解决方案项目中，传统的关系型数据库已经无法高效处理时序数据，在加载、存储和查询等多个方面都遇到了挑战，最终他们选择了 TDengine 来匹配工业传感器数据的应用分析场景。
分布式数据库下子查询和 Join 等复杂 SQL 如何实现？
在使用或者实现分布式数据库（Distributed Database）时，会面临把一个表的数据按照一定的策略分散到各个数据库节点上的情况，随之而来的是多节点数据查询复杂性的问题，例如 Join 和子查询。本文将会为你解读分布式数据库下子查询和 Join 等复杂 SQL 如何实现，来帮助你更好地解决上述问题。
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。
5 年前他的一个设计思路，让 TDengine 时间压缩提升近 50 倍
作为一位毕业于中科院计算所的计算机应用技术专业博士，廖浩均为什么会决定从一家稳定的上市企业转移阵地到一家数据库初创公司？在进入涛思数据之后，他又见证和参与了 TDengine 的哪些改变与进步？立足当下展望未来，携手 TDengine，他会如何走好接下来的路？在对廖浩均的采访记录中，这些问题的答案也已经跃然纸上。
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。
软件技术更新速度很快，担心自己掌握的技术会过时？
技术圈里很多的基础原理和方法，几十年都未曾改变，善于思考总结的人总会从中得到相关的规律。可能正是由于我是跨界过来的，比起沉浸在数据库领域多年且已经形成技术思想固化的开发者，才更容易在基础原理和方法的运用上，想到创新甚至是颠覆式的设计思路。
「技术课堂」如何使用 TLA+ 思维为分布式算法建模
TDengine 研发工程师李明昊结合 TLA+ 在 TDengine Database 的探索，为大家分享如何用 TLA+ 思维为分布式算法建模。
【技术干货】代码示例：使用 Apache Flink 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。
