作为一款高性能、分布式、支持 SQL 的 Time Series Database，TDengine 的适用场景
作为一个高性能、分布式、支持 SQL 的时序数据库 （Time Series Database，TSDB)，TDengine 的典型适用场景包括但不限于 IoT、工业互联网、车联网、IT 运维、能源、金融证券等领域。
“一个数据采集点一张表”大幅提升时间序列数据的插入和查询性能
采用一个数据采集点一张表的方式，能最大程度的保证单个采集点，时间序列数据的插入和查询的性能
详解 OpenTSDB 的优劣势
作为一款较为流行的时序数据库，OpenTSDB 主要作为监控系统被广泛使用，一方面能够存储和检索指标（metric）数据并保存很长时间，另一方面如果需要增加功能也可以添加新指标。但是作为众多企业选型调研的 Database 之一，OpenTSDB 真的是一个优选方案吗？一起来看看它的优劣势。
TDengine在数控机床监控中的应用
随着工业物联网时代的到来，企业用户对建立数控机床在日常生产中的监控和报警平台的需求越来越大。通过搭建对于数控机床的监控和报警平台，企业用户可以随时了解自己生产线的工作情况，及时获得异常反馈，从而合理安排生产，规避风险等。
实现时序数据库（Time Series Database）在特定场景下“远超”通用数据库的难点
所谓“在时序场景下的远超”，应该是全方位的，比如写入的延迟与吞吐量、查询性能、处理的实时性、甚至包括集群方案的运维成本等，都应该有一个跨越式的提升。
时序数据库（Time Series Database）的存储引擎要想做到极致，还得自研
LSM Tree 上怎么就不可以建 B-Tree Index 了？（HBase 在 region 上也有 B-Tree Index）B-Tree 怎么就一定要直写硬盘，不能先写 WAL 和走内存 Cache 呢？
时间序列数据的特点
与现在大家所熟悉的数据相比，时间序列数据有其显著不同特点，本文对其特点做一分析。
为什么要从 OpenTSDB 迁移到 TDengine
为满足高速增长的物联网大数据市场和技术需求，在吸取众多传统关系型数据库、NoSQL 数据库、流计算引擎、消息队列等软件的优点之后，涛思数据自主开发出创新型时序数据库 TDengine。在时间序列数据的处理上，TDengine 有着自己独特的优势。就 OpenTSDB 当前遇到的问题来说，TDengine 能够有效解决。
InfluxDB集群功能不再开源，TDengine集群功能更胜一筹
从开源精神角度来评估，前期靠开源吸引大众的目光，靠此方式积累到一定的知名度后又闭源，对于一众投入关注和精力的开发者来说，也是一种无形的伤害。
详解 OpenTSDB 与 TDengine 在系统功能层面上存在的差异
本文将详细介绍 OpenTSDB 与 TDengine 这两款时序数据库（Time Series Database）在系统功能层面上存在的差异。阅读完本文的内容，你可以全面地评估是否能够将某些基于 OpenTSDB 的复杂应用迁移到 TDengine 上，以及迁移之后应该注意的问题。
【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。
TDengine与InfluxDB对比测试
此次测试，从数据库（Database）的读、写、查询、压缩比等方面对TDengine和InfluxDB进行了对比测试。从测试结果上看，TDengine的性能远超InfluxDB，写入性能约为5倍，读取性能约为35倍，聚合函数性能约为140倍，按标签分组查询性能约为250倍，按时间分组查询性能约为12倍。
