近日，江苏金恒信息科技股份有限公司在南京举办了以“精益协同 聚力共赢”为主题的 2025 年度供应商大会，来自全国各地的 27 家生态伙伴齐聚一堂，共话工业智能化与供应链协同发展的新机遇。涛思数据凭借在时序数据库与工业数据管理领域的持续创新与卓越表现，荣获 “2024–2025 年度卓越供应商” 称号。 图：金恒科技颁发“2024–2025年度卓越供应商”奖牌 深耕工业数据底座，赋能智能制造升级
小T导读：在制造业智能化产线监控实践中，杨凌美畅早期基于 TDengine TSDB 3.0.7.1 Windows 开源版，支撑了 108 条产线、23 万测点的基础监控。随着业务规模迅速扩大，原有架构的性能与稳定性逐渐成为瓶颈。针对这一挑战，杨凌美畅组织专项攻关，引入 TDengine TSDB 企业版 3.3.6.10 Linux，并重构时序数据处理架构与数据模型。目前系统已稳定接入 50
在高并发、长周期的时序数据场景中，查询性能、安全性与生态兼容性，始终是系统演进的关键。 近日，TDengine TSDB（时序数据库）3.3.8.0 版本正式上线，本次更新带来了 Rollup SMA 多层级预计算、TimeRange-Wise SMA 时间范围预计算、TLS 加密传输、TDgpt 数据补全、MySQL 函数增强、taosX 逻辑备份与 ORC 数据源接入等多项功能升级，全面提升系
在数字化浪潮的推动下，核电行业正迎来一次深刻的技术变革。从反应堆到涡轮机，从机组监测到运维管理，实时数据已成为驱动安全与效率的关键力量。 但核电数据的复杂性与规模远超一般工业场景——TB 级体量、高精度采样、长周期存储与分析需求并存。如何在保障安全与稳定的前提下，让数据真正服务于决策、优化与创新，成为行业转型的共同课题。 10 月 21 日 19:00（本周二），欢迎加入最新一期 TDengine
在数字化与智能化加速融合的时代，企业数据基础设施的选择正决定着转型成败。10 月 15 日，涛思数据正式上线 TDengine 合作伙伴计划，面向渠道伙伴、服务伙伴全面开放，共同开拓时序数据的万亿级市场蓝海。 高达 30% 合作收益，十大权益保障伙伴成长 本次 TDengine 合作伙伴计划以“伙伴先赢，多方共赢”为核心理念，首次在收益机制上全面升级。计划共分为授权分销商（钻石、金牌、银牌）与授权
在钢铁行业的数字化转型过程中，环保治理正从“单点监测”走向“全域感知、统一调度”。然而，许多企业依然面临一个共性难题：数据分散在不同系统中，采集标准不一、接口复杂，难以形成稳定可靠的统一数据底座。尤其是在超低排放改造项目中，点位多、频率高、实时性要求强，传统数据库架构往往难以支撑长期、稳定的高并发采集与查询。 作为国家级专精特新“小巨人”企业，金恒科技在沙钢安阳永兴的环保超低排一体化平台项目中，
小T导读：大理卷烟厂作为云南中烟的核心生产基地，聚焦高端品牌突破，主产“玉溪”、“红塔山”系列卷烟，支撑红塔集团核心品牌发展。近年来，工厂积极推进数字化转型，在制丝、复烤等关键环节引入“智能控制 + AI 预测”，并通过 TDengine TSDB 时序数据库完成生产数据架构的国产化替代与智能化升级，构建起质效协同的智能制造工厂。本文聚焦 TDengine TSDB 在制丝车间的落地方案与实际成
工业企业搞数字化转型，最头疼的莫过于 “数据基础设施跟不上”—— 成千上万的设备测点、实时涌来的时序数据、云与 AI 的落地需型节奏。今天我们就...
工业企业搞数字化转型，最头疼的莫过于 “数据基础设施跟不上”—— 成千上万的设备测点、实时涌来的时序数据、云与 AI 的落地需求，选不对平台不仅白费钱，还会拖慢整个转型节奏。今天我们就拿两款主流工业数据平台——TDengine 与 AVEVA PI System 做深度对比，帮你理清选型思路，避开 “高价踩坑”“扩展受限” 的雷区。 先认识下两款核心平台 关于 AVEVA PI System 作为
工业数据管理的核心矛盾，正从 “如何存下海量数据” 转向 “如何让数据真正服务业务”。Chat BI（智能问数）用自然语言降低了分析门槛，但其“有问才答”的被动模式，在复杂的工业现场逐渐暴露出局限：参数语义混乱、设备关联复杂、响应滞后。 TDengine IDMP 通过 “无问智推” 模式，将数据消费从 “人找数据” 推向 “数据找人”，这一演进并非概念创新，而是基于工业场景特性的技术落地，核心是
小T导读：钢铁行业车间级数据中心建设面临三大挑战：产线点位庞大带来的海量数据、传感器毫秒级采样带来的高频数据、以及生产调控指令需要的强实时性。传统工业实时数据库在结构化存储上存在...
近日，第十三届 CCF 大数据学术会议在天津成功举行，吸引了近 700 位来自学术界、产业界的专家学者齐聚一堂，聚焦“数据要素筑基、数智融合创新”，共同探讨数字经济时代的技术变革与产业机遇...
小T导读：钢铁行业车间级数据中心建设面临三大挑战：产线点位庞大带来的海量数据、传感器毫秒级采样带来的高频数据、以及生产调控指令需要的强实时性。传统工业实时数据库在结构化存储上存在瓶颈，关系型数据库也难以支撑高并发写入与查询。在这样的背景下，中冶京诚数字科技（北京）有限公司早在 2021 年就采用 TDengine TSDB 2.x 支撑生产业务，至今四年稳定运行零故障，不仅满足性能需求，还显著降
在全球金融市场互联互通的今天，逐笔成交、逐笔委托、K 线快照等数据量呈指数级增长。港股全市场高峰期每秒可达 3 万笔交易，美股更是飙到 40 万笔/秒。对于证券公司和金融科技服务商而言，不仅要“存得下”，还要“用得快”：全量明细长期留存、按证券代码和时间窗口频繁查询、行情推流实时稳定，这些都对底层数据平台提出了高吞吐、低延迟、高可靠的严苛要求。 令克软件为证券、期货、基金、银行、私募等机构提供门
近日，第十三届 CCF 大数据学术会议在天津成功举行，吸引了近 700 位来自学术界、产业界的专家学者齐聚一堂，聚焦“数据要素筑基、数智融合创新”，共同探讨数字经济时代的技术变革与产业机遇。 在这场国内大数据领域的年度盛会上，涛思数据高级副总裁、解决方案中心总经理陈肃受邀作专题演讲，带来了题为《如何打造 AI 驱动的物联网工业大数据平台》的深度分享。 工业大数据的困局：存得下，却用不快 陈肃开篇
小T导读：工业大数据浪潮席卷而来，传统的 ETL（Extract-Transform-Load）流程在应对海量、高频时序数据和敏捷业务需求时捉襟见肘。数据湖虽了数据沼泽化...
小T导读：在钢铁行业的数字化转型中，时序数据平台正发挥越来越关键的作用。北京首钢自动化信息技术有限化项目打造了一套高效的数据存储...
在工业物联网快速发展的当下，企业普遍面临着两大挑战：一是设备种类繁多、接入标准不一，导致系统建设容易陷入的需求越来越强烈，但传统数据库在高频...
在电力等智慧能源场景中，海量实时数据是业务的生命线。发电、输配电到终端用能，背后往往是千万级测点的高并发、高频写入。数据一旦延迟或丢失，意味着运维失灵、能效失控、甚至供电风险。新...
小T导读：广东盘古信息科技股份有限公司（下文简称盘古信息）成立于 2005 年，是一家基于工业互联网平台的数字化管理解决方案供应商，公司自主研发的 IMS（数字化智能制造系统）可为离散、流...
在水利行业，数据早已不再是“有没有”的问题，而是“能不能用好”的挑战。江西省水利投资集团作为全省水利投融资与建设的龙头企业，长期面对数据量激增带来的困境：Oracle 数据库存储空间庞大、上千万条数据后查询效率急剧下降，导致跨区域水务监测与调度面临“看得见却用不快”的局面。与此同时，监控设备遍布全省，如何高效采集、存储和分析这些实时数据，成为保障水安全的关键难题。 引入 TDengine 时序数
小T导读：工业大数据浪潮席卷而来，传统的 ETL（Extract-Transform-Load）流程在应对海量、高频时序数据和敏捷业务需求时捉襟见肘。数据湖虽解决了存储与灵活分析的瓶颈，却带来了数据沼泽化的治理难题。本文将回顾工业数据管理从 ETL 到 ELT 的演进路径，剖析工业数据治理的独特挑战与 AI 驱动机遇，并重点介绍 TDengine IDMP 如何通过数据情景化这一关键能力，结合
小T导读：在钢铁行业的数字化转型中，时序数据平台正发挥越来越关键的作用。北京首钢自动化信息技术有限公司（首自信）基于 TDengine TSDB，为某特钢钢铁信息化项目打造了一套高效的数据存储与分析平台：实现了每秒 25 万条数据的高并发写入，毫秒级高性能查询，高达 10% 的存储空间压缩率，助力钢铁行业用户在设备监控、质量追溯等场景中实现数据驱动的智能决策，显著降低了硬件与运维的成本。本项目也
::: hljs-center ::: 在工业物联网快速发展的当下，企业普遍面临着两大挑战：一是设备种类繁多、接入标准不一，导致系统建设容易陷入“数据孤岛”；二是实时监控和多场景联动的需求越来越强烈，但传统数据库在高频写入与多维分析上难以兼顾，既拖慢了应用体验，也阻碍了创新落地。对于正加速布局数字化的产业园区来说，这些问题直接影响到智慧化应用的展示与推广。 在浙江浦江经济开发区信息光电产业园“系
在工业数字化转型的赛道上，“监控系统搭建” 一直是个让人头疼的难题：传统方案要写 SQL、调脚本、学可视化工具，一套流程走下来少则几天、多则几周，运维新增设备还得重复折腾。但现在，有了 TDengine TSDB + TDengine IDMP 的组合，这一切都变了——分钟级上线、零代码操作、AI 自动出面板，甚至新设备接入都不用改配置！ 今天我们就汇总 5 个实测场景，从烟草制丝到电动汽车，从工
在电力等智慧能源场景中，海量实时数据是业务的生命线。发电、输配电到终端用能，背后往往是千万级测点的高并发、高频写入。数据一旦延迟或丢失，意味着运维失灵、能效失控、甚至供电风险。新奥数能在服务某大型电力客户时，就直面这一挑战：社区版数据库在运维排查等方面暴露出明显瓶颈，无法支撑客户对 7x24 小时服务保障的严苛要求。 在与 TDengine 技术团队经过深入沟通后，为了彻底消除隐患，新奥数能选择从
小T导读：过去，工业数据平台解决的是“能不能存”的问题；今天，企业面临的却是“如何用”的难题。业务人员被复杂工具绑住手脚，管理者往往拿到滞后的信息。本文不仅剖析了数据消费的三大困境，更展示了 AI 原生平台正在带来的转变：像抖音改变内容消费一样，工业数据也进入“推送时代”，开启无问智推的新范式——让数据自己说话，让洞察不再等待。 当下，物联网技术的普及大幅降低了数据采集与传输的成本和技术门槛，
小T导读：广东盘古信息科技股份有限公司（下文简称盘古信息）成立于 2005 年，是一家基于工业互联网平台的数字化管理解决方案供应商，公司自主研发的 IMS（数字化智能制造系统）可为离散、流程及混合制造行业提供全方位的生产制造运营管理与系统集成解决方案。通过与涛思数据的深入合作，盘古信息基于 TDengine TSDB 构建了更高效的 IMS 系统，在提升业主服务能力的同时，实现了降本增效。本文将
8 月 3 日，在 2025 CCF 中国开源大会 上，CCF-光华青年开源基金捐赠授牌仪式顺利举行。作为捐赠企业之一，涛思数据在现场接受了由中国计算机学会（CCF）与中国光华科技基金会共同颁发的纪念...
在不同的工业现场，我们常常看到这样的画面： 新能源场站里，光伏、风电、储能系统的实时数据以每秒数百万条的速度涌向云端；钢铁生产线上，数千万个测点时刻记录着设备的运行状态；化工厂的...
Copyright © 2005-2025 51CTO.COM 版权所有 京ICP证060544号
