物联网IoT平台物联网IoT平台的定义

TDengine能安全高效地将大量设备、数据采集器每天产生的高达TB甚至PB级的数据进行汇聚、存储、分析和分发，对业务的运行状态进行实时的监测、预警，提供实时的商业洞察。

私有化部署的TDengine，可部署在边缘侧、本地、公有云/私有云上

全托管的TDengine云服务，无需部署、安装、维护

遍布全球的用户到目前为止，TDengine的安装实例数已经超过350.2k，用户遍布全球。用户中不仅有大量的中小企业，也有很多全球500强企业，包括蔚来、理想、京东、顺丰等。

这些用户主要来自物联网、工业互联网、车联网、物流、IT运维监测、电力、智慧城市、智慧矿山等领域。

智能硬件、大型联网装备、智慧家庭……

智能制造，流程行业，生产数字化……

电池数据、自动驾驶、智慧物流……

风力发电、光伏发电、配电……

IDC、主机、虚机、网络设备、容器……

股票、证券、期货行情数据……

为什么选择TDengine1.TDengine的核心是一款高性能、云原生、集群开源、简单易用的时序数据库。

2.以SQL作为查询语言，并进行了扩展，使用起来就像关系型数据库一样简单。

3.提供REST及各种语言连接器，与第三方软件轻松集成。

官方技术文档及开发者指南

TDengine博客，新观点、新技术

下载安装包、测试报告等

线上/线下丰富的社区活动

高性能、开源、云原生的时序数据库

物联网IoT平台、智能制造、能源数据

遍布全球的合作伙伴TDengine的生态合作网络覆盖全球，我们与各类企业紧密合作，共同推动技术创新和应用落地。

我们致力于构建一个开放、共赢的生态系统，为全球用户提供了更加全面和高效的服务，推动物联网和工业互联网的蓬勃发展。

面向最终用户提供整体解决方案

共同拓展TDengine企业版

提供基于公有云、私有云的解决方案

使产品解决方案更加便捷易用

共同打造技术社区，繁荣开发者生态

支持丰富的生态工具和IoT平台

数据采集：

数据采集是物联网应用的基础层，一般是由各种传感器，识读器，读写器，摄像头，终端，GPS等智能模块和设备构成。而采集就是通过这些模块和设备来识别，读取和采集来完成信息获取，例如温度、湿度、压力、位置等信息。其中所运用的技术主要包括RFID技术、传感控制技术、短距离无线通信技术等。

数据传输：

数据存储：

数据存储是将采集到的数据保存在云端或本地服务器中，以备后续的数据分析和应用。存储可以采用关系型数据库、分布式数据库、对象存储等不同的技术方案。

数据处理：

当数据传输至服务器端或云计算平台后，接下来服务器或云计算平台就会对数据进行收集、记录、分析、处理、提取、再处理，存储、管理等，然后再将得出的结论数据，反馈给各个终端应用设备的过程。

数据分析：

在数据处理后，对数据进行分析和挖掘，探索数据中的模式、关联和趋势。这可以通过统计分析、机器学习、深度学习等技术实现，从而提取有价值的信息和洞察。

数据应用：

等到服务器或云计算平台得出数据结论后，就会将结论数据下传至各个终端应用设备，而终端应用设备则根据这些数据，来自动执行相应的指令和操作。最终以更快的速度，来智能和自动解决人们的需求，或实现其目的。

随着物联网IoT平台和云的出现，时序数据的量开始以前所未有的方式呈指数级增长：1.连接设备和物联网的兴起，仪表、汽车、电梯、甚至自行车等设备都在源源不断地生成数据；2.IT基础设施在高速增长，物理服务器、虚拟机、容器、微服务等等都会生成海量时序数据。庞大的时序数据集是关系数据库和NoSQL数据库面临的主要挑战，大体分为以下几个方面：

上述问题主要是处理大数据集的效率问题，但通用数据库往往连时序数据应用的一些基本需求都无法支持：

对于通用数据库，研发人员需要投入精力通过编写代码来实现这些功能。不同场景，不同数据量都需要不同的解决方案，极大增加了研发成本。因此，无论数据集的大小如何，使用专门构建的时序数据库都是最好的选择。

物联网存在海量的设备、传感器，时序数据处理的传统方案有如下问题：

TDengine作为一款开源、高性能、云原生的时序数据库（TimeSeriesDatabase,TSDB），针对物联网的数据特点及读写需求做了特定的优化，广泛运用于物联网各类场景中，并且提供基于数据订阅的数据同步工具taosx来支撑异地多活、边云协同。

高性能：可以支持百万级别的并发写入、万级的并发读取，大量聚合查询时依然有高性能表现

高可用：可支持集群部署，可横向扩展，不存在单点故障，为生产环境稳定运行提供基础

低成本：数据库对硬件资源要求低，数据压缩率高，平均至少节省70%的硬件资源

高度一体化：具备消息队列、流式计算和缓存的功能，大幅简化架构

易上手：使用SQL进行数据库操作，简单易学，支持复杂查询，减少开发难度和运维压力