TDengine python
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
Python内容推荐
Python_TDengine是一个开源的高性能云原生时间序列数据库,针对物联网物联网汽车、工业物联网和DevOps进.zip
Python_TDengine是一个开源的高性能云原生时间序列数据库,针对物联网物联网汽车、工业物联网和DevOps进
TDengine时序数据库物联网实战:Docker部署、超级表建模与Python批量写入源码
本资源是一套完整的TDengine时序数据库物联网开发实战项目,包含Docker Compose容器化部署、超级表与设备子表建模、基础查询与时间窗口聚合SQL、Python模拟电表数据生成、JSONL数据处理、多设备批量INSERT语句构造、WebSocket推荐连接方式、REST兼容连接对比及写入性能调优说明。项目提供可复用源码、单元测试、示例数据和详细中文使用文档,适合TDengine入门学习、物联网设备采集、工业监控及项目原型开发。使用时先按README启动TDengine并人工审核执行建表SQL,再运行Python命令生成数据,通过WebSocket示例完成写入。
Python TDengine时序数据库实战:物联网建模SQL与样例数据生成器
内容概要:本资源包含原创 Python TDengine 时序数据库实战工具,支持从 JSON 配置生成建库 SQL、超级表/子表定义、物联网时序样例 CSV、批量插入 SQL 和中文建模报告。 适合人群:TDengine 入门学习者、物联网数据采集项目开发者、需要准备时序数据库实战资源的 Python 作者。 使用场景及目标:先离线跑通“设备标签设计-超级表建模-样例数据生成-写入脚本-报告输出”的完整链路,再迁移到真实 TDengine 测试环境执行。 运行方式:在项目根目录执行 PYTHONPATH=src python -m tdengine_timeseries_kit.cli --config examples/iot_factory_config.json,也可运行 PYTHONPATH=src python tests/smoke_test.py。 验证说明:已在 Python 3.12 conda 环境完成主命令和 smoke test,生成 1 个超级表、3 个设备子表、36 行样例数据,zip 已通过上传前安全扫描。
TDengine数据库差异对比Python脚本
TDengine迁移时需要对比源数据库和目标库的数据差异,对于海量数据,对比起来非常困难。 脚本实现了对一段时间内所有表记录数进行对比,并输出结果。 支持TD2.x 和 TD3.x 跨版本对比。 使用方法: python3 datacompare.py 2023-01-01T00:00:00Z 2023-10-01T00:00:00Z 需要同目录下存在stblist文件,文件中为超级表名称。
TDengine数据迁移Python脚本
## 数据传输工具 通过Restful 表到表传输数据。 > 支持同步整个数据库,或从文件读取表。 > 支持多条拼SQL (配置 recodeOfPerSQL)。 > 支持导入导出表异构,但表名必须相同。 > 支持指定数据起始时间 > 兼容 python2 和 python3 两个版本 > 支持多线程和多进程 > 如果子表不存在会自动创建子表,如果超级表不存在会直接报错。 > 使用datac_init.py 会同步创建所有超级表和子表,但不会创建数据库。 ## 参数说明 -c filename 指定配置文件,默认datac.cfg -p 采用多进程模式,默认多线程 -f filename 表清单,默认同步所有表。 ## 示例 ### 从文件读取表清单 ```python python datac.py -f tblist ``` ### 同步整个数据库(如果未指定表文件,则同步整个数据库) ```shell python datac.py ``` ### 多进程模式(默认为多线程) ```shell python datac.py
【时序数据库】TDengine多语言连接开发:Java/Python/Go原生与REST连接实战及性能优化方案
内容概要:本文系统讲解了TDengine在Java、Python、Go、C/C++、Node.js等多种编程语言下的连接开发实践,涵盖原生连接与REST API的对比、连接池配置、错误处理与重试机制、多数据源混合架构设计、性能基准测试及安全认证等核心内容。重点介绍了各类语言的驱动使用方式、性能优化技巧(如批量写入、时间戳有序、PreparedStatement)、常见问题排查方法以及单元测试策略,帮助开发者构建高效、稳定的时序数据应用。; 适合人群:具备一定编程基础,熟悉至少一种主流编程语言(Java/Python/Go等),从事物联网、工业互联网、实时监控等相关领域研发工作的工程师。; 使用场景及目标:①掌握不同语言下连接TDengine的最佳实践;②优化高并发写入与查询性能;③构建基于TDengine的多数据源混合架构系统;④实现生产级的安全、可靠、可维护的数据接入方案。; 阅读建议:此资源以实战为导向,结合代码示例与性能数据,建议读者结合自身技术栈重点研读对应语言章节,并关注“最佳实践”与“避坑指南”部分,在实际项目中进行验证与调优。
TDengine时序数据库实战项目:Java与Python物联网开发、Docker部署及高可用集群源码
本资源提供TDengine时序数据库完整实战源码,涵盖Docker部署、超级表建模、Java与Python连接开发、REST/WebSocket/原生写入、PostgreSQL多数据源、性能调优及三节点 高可用集群。适合Java/Python开发者、物联网工程师、数据库运维及学生学习。可用于设备数据采集、工业SCADA监控、车联网轨迹管理和项目二次开发。附完整环境、测试脚本与文 档,全部测试通过。
时序数据库 - TDengine - Docker部署·超级表建模·Java/Python/Go开发·性能调优·集群高可用 - 实战指南 完整名称:TDengine 时序数据库实战指南:Docke
内容概要:15 章正文 + 2 附录、约 3.3 万字,从概念架构 → 部署/工具/SQL → 三语言开发/连接对比/混合架构 → 建模调优/集群运维 → 三大场景案例,全链路覆盖 适用人群:后端开发(Java/Python/Go)、物联网/工业互联网架构师、DBA/运维、数据采集与可视化开发、选型评估负责人 使用场景及目标:快速上手(Docker 3 分钟拉起)、项目开发(代码直接复用)、架构选型、性能与高可用保障、业务落地(智慧农业/产线监控/车队管理) 其他说明:原创实战合集、基于 3.x 编写、代码可直接运行、生产前重点读第 11~12 章——无任何平台链接与内容资讯
轻量 GraphRAG 实战:实体关系图谱 + 多跳检索,零 Key 离线可跑(Python 源码)
轻量 GraphRAG 实战包。从样例知识库抽取实体关系,支持 k-hop 多跳检索与社区摘要;无 Key 可 Mock 离线问答。含样例与 smoke。
语义路由实战:关键字+假向量意图分类,零 Key 离线可跑(Python 源码)
意图/语义路由实战包。关键字+轻量向量混合分类,阈值回退;无 Key 离线可跑。含工具路由样例与 smoke。
pandas-td-0.7.4.tar.gz
pandas-td-0.7.4.tar.gz
TDengine Windows客户端和服务器
TDengine Windows客户端和服务器
时序数据库TDengine白皮书
时序数据库TDengine白皮书
TDengine 使用最佳实践[项目代码]
本文档详细介绍了时序数据库TDengine的最佳实践,包括安装部署、数据建模、数据读写、性能调优以及与Grafana的集成。文档首先阐述了TDengine的核心概念和设计思想,强调其分布式架构和时序数据处理的优势。接着,提供了从单机到集群的安装部署指南,包括扩容、缩容和故障排除。数据建模部分重点介绍了超级表和子表的设计原则,以及如何优化表结构以提高查询效率。数据读写章节详细说明了多种接口的使用方法和性能对比,并提供了Java开发的优化建议。性能调优部分深入分析了磁盘IO、内存管理和碎片化处理策略。最后,文档介绍了如何通过Grafana插件监控TDengine的运行状态,并支持数字运算和时间对齐功能。
TDengine专为物联网优化设计的大数据平台.pdf
TDengine专为物联网优化设计的大数据平台.pdf
TDengine的docker镜像
TDengine的docker镜像
TDengine-数据库
TDengineSQL 数据库 数据库 数据库 数据库 数据库
TDengine v2.0 数据库文档.pdf
TDengine v2.0 数据库文档.pdf
8-7+TDengine:为物联网而生的大数据平台.pdf
8-7+TDengine:为物联网而生的大数据平台
TDengine:物联网大数据平台(48页).pdf
TDengine:物联网大数据平台(48页).pdf
最新推荐




