技术文章 - 时序数据库

本文将通过一个具体的案例，介绍 Intel 团队如何使用 TDengine 作为基础软件存储实验数据，并通过 TDengine 高效的查询能力在 OpenVINO 部署深度学习模型，最终在 AIxBoard 开发板上实时运行分类任务。

为了给用户打造更丰富的可视化方案，TDengine 在开源不久就提供了对 Grafana 的支持，此后也在不断升级改造 TDengine Grafana 插件，还推出了基于 Grafana 的零依赖监控解决方案 TDinsight。本篇文章将以 tdengine-datasource 为例介绍 Grafana 插件开发。

在本篇文章中，我们将从 GitHub 上的一个关于内存泄漏的 issue入手，和大家探讨下导致内存泄漏的原因，以及如何避免和定位内存泄漏。

为了帮助社区用户更好地进行数据分析和管理，丰富可视化解决方案的多样性，我们将开源的时序数据库 TDengine OSS 与开源的数据库分析工具进行了集成，相信这对终极开源工具一定能帮助你释放数据潜力。

经过我们不断地打磨优化之后，TDengine 3.0 在性能、功能、稳定性各个方面均有大幅提升，已经从一款时序数据库蜕变成为高性能、云原生、分布式的物联网、工业大数据平台。

这些高质量论文从侧面佐证了 TDengine 的高性能和众多优质特色、在技术创新和应用价值方面的卓越成效，形成了越来越丰富的第三方学术资料。

不同的索引区别在哪里？时序数据库又应该如何选择索引方式实现科学的数据结构？本文将以 TDengine 为例为大家展开分析。