TDengine涛思数据

标题：当 IT 已经进入AI时代，而OT还停留在上个世纪 这种情况其实比很多人想象的更常见。 一家公司在 IT 侧运行着非常现代化的基础设施： 代码版本管理、自动化部署流水线、完整的可观测体系。 如果

前段时间，我在 LinkedIn 上发过一篇内容（linkedin.com/posts/jim-fan-94843663_datahistorian-industrialai-industrialda

物联网设备爆发、监控系统多样化、流数据实时性要求提升……企业的数据基础设施正在面临前所未有的复杂性挑战。而应对这场挑战的关键，在于能否将散落各处的数据采集工具，整合为一条真正贯通的数据管道。 然而现实

最近我做了一个小插件，把时序数据库（Time Series Database） TDengine 接入到了 JetBrains IDEs 的数据库工具链里。 先埋个小提示：文末有彩蛋。

**小T导读：**作为分布式光伏领域的领军企业，天合富家的光伏数据量从最初的每日百万级飙升至千万级。原有基于 MongoDB 的架构在面对海量时序数据时彻底“卡壳”——查询慢、存储贵，难以支撑业务增长

近年来，Snowflake、Databricks 等现代数据平台正在深刻改变企业管理和分析数据的方式。它们在数据存储、计算能力和大规模分析方面都非常强大。但当这些技术进入工业领域时，有一个概念却依然至

小T导读：在煤炭智能化加速推进的背景下，作为行业领军企业的天地奔牛正从传统设备供应商向全生命周期服务商转型，但在海量时序数据面前遭遇存储成本高、查询慢、难实时等瓶颈。为突破技术限制，天地奔牛引入专为物

这么多年来，PI System 里有一个概念一直让我印象非常深刻：Event Frames（事件框架）。对于处理工业运营数据的人来说，这个想法既简单又非常强大。传统上，我们往往只是看连续的时序数据信号

“‘人工智能+制造’是一个必答题，不是一个选择题。”今年两会期间，工业和信息化部部长李乐成关于产业升级的这一论断，为制造业的未来指明了方向。然而，企业要答好这道“必答题”，首先需要解决一个根本性的障碍