TDengine
TDengine
⭐⭐⭐⭐☆ (4/5)
💻 纯软件
已发布
项目简介
高性能可扩展时序数据库，专为工业物联网(IIoT)场景设计。
TDengine 是一款开源、高性能、云原生且由 AI 驱动的时序数据库（Time-Series Database），专为物联网（IoT）、车联网和工业互联网场景设计。它能够高效地处理由数十亿传感器和数据采集器每日生成的 TB 乃至 PB 级数据，实现实时的数据摄入、处理与分析。TDengine 的核心优势在于其卓越的性能，它是目前唯一能够解决高基数问题（High Cardinality）的时序数据库，可轻松支持数十亿数据采集点，并在数据写入、查询和压缩方面全面超越同类产品。在技术架构上，TDengine 采用原生分布式设计，支持分片与分区、存算分离、RAFT 一致性算法，并完美兼容 Kubernetes 部署，实现了真正的云原生能力。它内置了缓存、流式计算、数据订阅以及 AI 智能体（TDgpt），能够连接多种时序基础模型、大语言模型和机器学习算法，提供数据预测、异常检测、数据插补和分类等高级分析功能，极大地简化了系统设计复杂度并降低了运维成本。TDengine 还引入了“超级表”（Super Table）概念，结合按时间间隔的数据分区和预计算，让时序数据分析变得异常简单高效。无论是对于需要快速部署的运维人员，还是寻求简洁接口的开发者，TDengine 都提供了极佳的易用性。其核心模块，包括集群功能和 AI 智能体，均采用开源许可证发布，已在 GitHub 上获得超过 2.3 万颗星，全球运行实例超过 73 万。TDengine 解决了传统数据库在处理海量时序数据时性能不足、架构复杂、成本高昂的痛点，是智慧能源、智能制造、智慧城市、车联网等海量数据实时监控与分析场景的理想选择。
标签
项目特点
**高性能**：唯一解决高基数问题以支持数十亿数据采集点的时序数据库，在数据摄入、查询和数据压缩方面均优于其他时序数据库。
**简化解决方案**：通过内置缓存、流处理、数据订阅和 AI 代理功能，提供简化的时序数据处理方案，降低系统设计复杂度和运维成本。
**云原生**：原生分布式设计、分片与分区、计算与存储分离、RAFT 协议、支持 Kubernetes 部署和全可观测性，可部署在公有云、私有云或混合云上。
**AI 驱动**：通过内置 AI 代理 TDgpt，可连接多种时序基础模型、大语言模型、机器学习和传统算法，提供时序数据预测、异常检测、插补和分类功能。
**易于使用**：对管理员显著减少部署和维护工作；对开发者提供简单接口、简化解决方案和第三方工具无缝集成；对数据用户提供便捷的数据访问。
**易于数据分析**：通过超级表、存储与计算分离、按时间间隔分区、预计算和 AI 代理，高效地探索、格式化和访问数据。
**开源**：核心模块（包括集群功能和 AI 代理）均以开源许可证提供，拥有活跃的开发者社区。
技术规格
| 操作系统 | |
|---|---|
| CPU | |
| 内存 | |
| 磁盘 | |
| 主要构建平台 | |
| 构建工具 | |
| 可选依赖 | |
| 许可证 |
项目资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| TDengine 社区版 | 1 | — | 开源核心，包含集群和 AI 功能 |
| TDengine Cloud | 可选 | — | 全托管云服务 |
| TDgpt | 1 | — | AI 代理组件，内置 |
| taosAdapter | 1 | — | 可选，Go 编写，提供 RESTful 接口 |
| taosKeeper | 1 | — | 可选，Go 编写，监控和日志收集 |
所需工具
| 工具 | 用途 | 是否必需 |
|---|---|---|
| CMake (>= 3.21) | 构建系统 | ✅ 是 |
| build-essential (Linux) | 编译工具链 | ✅ 是 |
| git | 版本控制 | ✅ 是 |
| Python 3 | 运行测试框架 | ▢ 推荐 |
| Go 1.23+ | 构建 taosAdapter/taosKeeper | ▢ 推荐 |
| ccache | 加速重新编译 | ▢ 推荐 |
| Conan 2.x | 构建 taos-gen 组件 | ▢ 推荐 |
| Docker | 容器化部署 | ▢ 推荐 |
| Kubernetes | 集群部署 | ▢ 推荐 |
能力画像
记忆与知识检索
1/5
逻辑推演
3/5
表达与交流
1/5
感知与观察
1/5
数理与计算
4/5
动手与操作
3/5
狂热与坚持
2/5
创造与创新
4/5
项目图库
所需技能
🔧 **动手能力**：能够搭建和配置 Linux 或 macOS 开发环境，安装编译工具链，执行构建和测试流程。
💻 **编程能力**：熟悉 C/C++ 编程，了解 CMake 构建系统；可选了解 Go 语言（用于构建 taosAdapter/taosKeeper）。
⚡ **电子电路**：不适用。
适用场景
工业物联网（IIoT）数据采集和监控
车联网（Connected Cars）实时数据处理
智能家居设备数据存储和分析
能源管理系统的时序数据平台
金融交易数据的实时分析
运维监控和可观测性数据存储