时序数据库TDengine详细安装+集成流程+问题解决

官方文档:https://docs.taosdata.com/get-started/package/ 点击进入
产品简介TDengine 是一款高性能、分布式、支持 SQL 的时序数据库 (Database),其核心代码,包括集群功能全部开源(开源协议,AGPL v3.0) 。TDengine 能被广泛运用于物联网、工业互联网、车联网、IT 运维、金融等领域 。除核心的时序数据库 (Database) 功能外,TDengine 还提供缓存、数据订阅、流式计算等大数据平台所需要的系列功能,最大程度减少研发和运维的复杂度 。
本章节介绍TDengine的主要功能、竞争优势、适用场景、与其他数据库的对比测试等等,让大家对TDengine有个整体的了解 。
优势

  • 能保证一个采集点的数据在存储介质上是以块为单位连续存储的 。如果读取一个时间段的数据,它能大幅减少随机读取操作,成数量级的提升读取和查询速度 。
  • 由于不同采集设备产生数据的过程完全独立,每个设备的数据源是唯一的,一张表也就只有一个写入者,这样就可采用无锁方式来写,写入速度就能大幅提升 。
  • 对于一个数据采集点而言,其产生的数据是时序的,因此写的操作可用追加的方式实现,进一步大幅提高数据写入速度 。
主要功能?TDengine 的主要功能如下:
  1. 写入数据,支持
    • SQL 写入
    • 无模式(Schemaless)写入,支持多种标准写入协议
      • InfluxDB Line 协议
      • OpenTSDB Telnet 协议
      • OpenTSDB JSON 协议
    • 与多种第三方工具的无缝集成,它们都可以仅通过配置而无需任何代码即可将数据写入 TDengine
      • Telegraf
      • Prometheus
      • StatsD
      • collectd
      • Icinga2
      • TCollector
      • EMQX
      • HiveMQ
  2. 查询数据,支持
    • 标准 SQL,含嵌套查询
    • 时序数据特色函数
    • 时序数据特色查询,例如降采样、插值、累加和、时间加权平均、状态窗口、会话窗口等
    • 用户自定义函数(UDF)
  3. 缓存,将每张表的最后一条记录缓存起来,这样无需 Redis 就能对时序数据进行高效处理
  4. 流式计算(Stream Processing),TDengine 不仅支持连续查询,还支持事件驱动的流式计算,这样在处理时序数据时就无需 Flink 或 Spark 这样流式计算组件
  5. 数据订阅,应用程序可以订阅一张表或一组表的数据,提供与 Kafka 相同的 API,而且可以指定过滤条件
  6. 可视化
    • 支持与 Grafana 的无缝集成
    • 支持与 Google Data Studio 的无缝集成
  7. 集群
    • 集群部署,可以通过增加节点进行水平扩展以提升处理能力
    • 可以通过 Kubernetes 部署 TDengine
    • 通过多副本提供高可用能力
  8. 管理
    • 监控运行中的 TDengine 实例
    • 多种数据导入方式
    • 多种数据导出方式
  9. 工具
    • 提供交互式命令行程序(CLI),便于管理集群,检查系统状态,做即席查询
    • 提供压力测试工具 taosBenchmark,用于测试 TDengine 的性能
  10. 编程
    • 提供各种语言的连接器(Connector): 如 C/C++、Java、Go、Node.js、Rust、python/" rel="external nofollow noreferrer">Python、C# 等
    • 支持 REST 接口
安装过程
一、下载安装包
因为公司已经在180上部署了,3.0的服务端,所以这里只下载3.0的服务端就可以了
时序数据库TDengine详细安装+集成流程+问题解决

文章插图
输入邮箱,会将下载地址通过邮件发送给你
时序数据库TDengine详细安装+集成流程+问题解决

文章插图
二、安装时,全部选择默认,下一步下一步就可以
三、安装完后,可能会遇到的一些问题及解决方案

经验总结扩展阅读