每个工程师可能都遇到过类似场景：时序数据沉淀在数据库中，格式规范、查询快捷，但当任务升级——比如滑窗聚合、多源拼接、机器学习训练——一些业务可能就需要更强的计算能力和更灵活的分析工具。TDengine 专注于高效存储与极速查询，而在数据“算力”层面，我们选择了更强的伙伴。
现在，TDengine 正式开放与 Apache Spark 的无缝集成通道。一个是高性能、低成本的时序数据库，一个是横扫大数据世界的分析引擎，二者协同，打通了“数据库”与“分析引擎”之间的关键链路。
轻松读写、实时订阅、批流一体：TDengine × Spark = 1+1＞2
通过 TDengine 提供的 Java Connector，Spark 不仅可以直接读取 TDengine 中的历史数据，还能将处理结果回写数据库，甚至订阅实时流数据进行流式计算。Spark 强大的分布式处理能力为 TDengine 插上了“计算的翅膀”，进一步释放出数据背后的洞察力。
结合 Spark 的 SQL、MLlib、Streaming 等组件，用户可以基于 TDengine 中的时序数据实现从基础报表，到模型训练、趋势预测、异常检测等一系列数据分析任务。而对 TDengine 用户来说，无需更换系统、无需迁移数据，就能拥有一个灵活、强大的分析引擎，何乐而不为？
一站式集成流程，零门槛体验大数据分析
TDengine 与 Spark 的集成过程并不复杂，只需满足以下四个条件：部署 TDengine 3.3.6.0 及以上版本、配置 taosAdapter、准备 Spark 3.3.2+、加载 JDBC 驱动即可。
完成集成后，你将具备以下能力：
- 使用 SparkSQL 查询 TDengine 数据，轻松实现跨表、跨库的复杂分析；
- 基于 Java 提交任务，实现批量数据写入或结果回写；
- 通过标准 JDBC 接口，实时消费 TDengine 中的数据流，交由 Spark 进行进一步处理与计算。
我们在文档中提供了详尽的代码样例，涵盖读取、写入、订阅与计算，方便用户快速上手：https://docs.taosdata.com/third-party/bi/spark/
想让你的时序数据“会思考”？不妨试试这套组合
数据的价值不仅在于存得快、查得准，更在于“算得动、用得上”。TDengine × Spark，让你在应对复杂业务计算时如虎添翼，真正把数据从存储系统转化为决策引擎。欢迎在评论区分享你是如何使用 Spark 与 TDengine 一起“玩转数据”的！数据的价值不仅在于存得快、查得准，更在于“算得动、用得上”。TDengine × Spark，让你在应对复杂业务计算时如虎添翼，真正把数据从存储系统转化为决策引擎。欢迎在评论区分享你是如何使用 Spark 与 TDengine 一起“玩转数据”的！
