Why TDengine?
10倍以上的性能提升
定义了创新的数据存储结构，单核每秒就能处理至少2万次请求，插入数百万个数据点，读出一千万以上数据点，比现有通用数据库快了十倍以上。
全栈时序数据处理引擎
将数据库、消息队列、缓存、流式计算等功能融合一起，应用无需再集成Kafka/Redis/HBase/Spark等软件，大幅降低应用开发和维护成本。
与第三方工具无缝连接
不用一行代码，即可与Telegraf, Grafana, EMQ X, Prometheus, Matlab, R集成。后续还将支持MQTT, OPC, Hadoop，Spark等, BI工具也将无缝连接。
硬件或云服务成本降至1/5
由于超强性能，计算资源不到通用大数据方案的1/5；通过列式存储和先进的压缩算法，存储空间不到通用数据库的1/10。
强大的分析功能
无论是十年前还是一秒前的数据，指定时间范围即可查询。数据可在时间轴上或多个设备上进行聚合。即席查询可通过Shell/Python/R/Matlab随时进行。
零运维成本、零学习成本
安装、集群一秒搞定，无需分库分表，实时备份。标准SQL，支持JDBC,RESTful，支持Python/Java/C/C++/Go/Node.JS, 与MySQL相似，零学习成本。
Use cases
IT基础设施、服务器、机房、各种应用的监测和分析
自行车、汽车、出租、高铁、飞机、轮船等各种出行工具
智能电表、电网骨干网、配网、各种发电设备实时监测和分析
电梯、锅炉、数控机床、挖掘机、各种大型机械设备实时监测
油井开采、石油运输管线、炼化、运输车队、加油站等实时监测
天气、空气、湖泊、河流、地质、森林、环境等的监测
水表、气表、城市管线、智慧家庭、智慧楼宇、智慧城市
上网记录、通话记录、用户行为、金融、证券交易记录
各种物联网、车联网、工业互联网的结构化日志数据处理
媒体报道
博客 精选文章
本文将对 TDengine 的部署情况及应用效果进行讲解分析。
他为正面临数据处理难题的与会企业和开发者提供了宝贵的解决思路和指导，进一步推动了数字化转型和数据处理技术的发展。
TDengine 助力某大型油田生产管理方案优化升级，本文对该方案进行分析解读。
TDengine 不仅采用了先进数据处理算法，还在 3.2.3.0 版本引入了英特尔® AVX512 高级向量扩展指令集，实现并行处理数据，产品查询性能获得了进一步提升。- 据了解，3.2.3.0 版本涉及到的更新内容包括流计算、传输压缩、授权机制、监控、数据接入、Explorer、性能优化、运维优化八大模块。
本文探讨了如何应对和解决长查询问题，以提升 TDengine 在复杂查询场景下的表现。
