时序数据库知识

产线机器人监控:高频轨迹数据存储与异常检测架构分析

Xiaxin Li

/

时序数据库知识

单台六轴工业机器人需采集关节角度、速度、加速度、扭矩及伺服电机、末端执行器参数共60至120个,高频轨迹数据的存储与异常检测面临独特架构挑战。

从InfluxDB/OpenTSDB迁移到TDengine:时序数据库迁移技术指南

尔悦

/

时序数据库知识

时序数据库的迁移不是简单的数据导出导入,而是数据模型重构、查询语法转换、应用代码改造的系统工程,数据模型映射、迁移方案选择、验证策略设计是三个关键环节。

工业时序数据全生命周期管理:从采集到归档的技术架构

Xiaxin Li

/

时序数据库知识

工业时序数据的生命周期是从采集到归档再到删除的完整闭环,时间跨度从几天到十年以上。数据访问热度随时间反向递减,用同样存储介质保留冷热数据是成本和性能的双重浪费。

时序数据库流计算引擎:工业实时数据分析的架构演进

Jing Wang

/

时序数据库知识

工业实时数据分析架构正经历范式转变。时序数据库内置流计算能力,使数据写入存储时即触发计算,架构层数从四级压缩到两级,延迟从分钟级降到秒级。

时序数据库高可用架构:工业场景下的数据不丢失保障机制

小T

/

时序数据库知识

工业系统对数据可靠性的要求不是“尽量不丢”,而是“不可丢失”。时序数据库的高可用架构设计,必须从“数据不可丢失”这一底线出发,而非从“系统尽量不宕机”出发。

时序数据库查询优化:从聚合计算到降采样查询的性能调优

尔悦

/

时序数据库知识

时序数据库的写入优化已被广泛讨论,但查询优化得到的关注远不如写入。实际项目中写入瓶颈少见、查询慢的抱怨多,优化时序查询需要理解查询模式、定位瓶颈、选择正确的优化手段。

边缘-云协同架构:时序数据库在工业分布式部署中的实践

Xiaxin Li

/

时序数据库知识

工业数据的产生位置和分析需求在空间上分离。边缘-云协同架构的本质是:在数据产生的地方就近处理实时性需求,在数据汇聚的地方处理全局性需求,时序数据库的分布式能力是其技术底座。

时序数据压缩算法解析:为什么工业时序数据库能实现10倍压缩比

Jing Wang

/

时序数据库知识

压缩效率是衡量时序数据库存储能力的关键指标。同样1TB工业时序数据,时序数据库通常只需100-150GB,10倍压缩比由数据特征、压缩算法和存储格式共同决定。

工业时序数据建模:从测点到超级表的架构设计方法论

尔悦

/

时序数据库知识

工业时序数据以物理设备为建模中心,设备持续产生时间序列数据,设备之间通过物理拓扑关联而非外键关联。时序数据库建模需要从工业数据的物理特征出发重新设计,而不是照搬关系型模型。

从Modbus到OPC UA:工业协议演进下的时序数据库接入架构

Xiaxin Li

/

时序数据库知识

工业通信协议从Modbus RTU串行轮询到Modbus TCP再到OPC UA语义化信息模型。时序数据存储在演进中从单纯的存储终端,逐渐前移为协议层的数据枢纽。