登录社区云，与社区用户共同成长
邀请您加入社区
不过，最意外的是免费力度：免费版把测点数限制在五千内，其余能力与商业版一致对汽车而言，，产品完全同套、代码开源——将来扩容也只换个许可文件，其余一概不动。更深一层，汽车要解决的并非单纯‘换个工具’，而是把产线节拍高、质量追溯链条长、供应商数据难打通，缺陷根因定位耗时耗力背后的流程一并理顺，让数据有人用、用得上。上手也不难：从官网下载，先把产线机器人、拧紧枪、检测台架、整车路试记录仪的测点接进来，前
工业制造数字化关键在数据选型：面对离散制造、换型频繁导致的OEE难追踪问题，采用高性能时序数据库统一接入CNC、机器人、AGV等设备数据，实现实时监控、预测维护与闭环管理，可提升OEE 8~12%，减少刀具浪费。平台支持无代码分析、对接大模型与工作流，五千测点内全功能免费，真正降低使用门槛，让数据“用起来”而非仅“存起来”。
数据库（Database）是 TDengine 中最顶层的数据组织单元。每个数据库拥有独立的存储参数、保留策略和副本配置。理解数据库的创建参数对于生产环境的性能调优和容量规划至关重要。CREATE DATABASE 的完整语法和所有参数每个参数的含义、默认值、取值范围、调优建议ALTER DATABASE 可修改的参数数据库创建时内部的资源分配逻辑。
时序数据库选型指南：TDengine的竞争优势与应用实践 随着物联网和工业互联网的快速发展，时序数据已成为全球数据总量的主要组成部分。本文分析了时序数据库的核心分类、行业痛点及技术突破，重点介绍了国产时序数据库TDengine的创新价值。TDengine通过超级表架构、虚拟表技术、专属压缩算法和一体化架构，解决了高基数性能衰减、存储成本高企和架构复杂等痛点。通过技术架构、性能、成本等维度的横向对比
DBeaver 是一款流行的跨平台数据库管理工具，方便开发者、数据库管理员、数据分析师等用户管理数据。DBeaver 从 23.1.1 版本开始内嵌支持 TDengine。既支持独立部署的 TDengine 集群也支持 TDengine Cloud。
更关键的是，特斯拉开始向第三方企业出售整套超充技术与运营服务，“白牌版”超级充电站，任何企业都可以购买特斯拉超充桩、贴上自己的品牌运营，特斯拉从中获得硬件、软件授权和后续服务三重收入。当一家公司同时控制着地面上的汽车、天上的卫星、工厂里的机器人和驱动这一切的芯片与算力时，它的竞争对手面对的不再是一家“车企”，而是一张无处不在的基础设施网络。现在，特斯拉开始向第三方售卖“白牌版”超充站：设备是你的，
TDengine 的设计是基于单个硬件、软件系统不可靠，基于任何单台计算机都无法提供足够计算能力和存储能力处理海量数据的假设进行设计的。因此 TDengine 从研发的第一天起，就按照分布式高可靠架构进行设计，是支持水平扩展的，这样任何单台或多台服务器发生硬件故障或软件错误都不影响系统的可用性和可靠性。同时，通过节点虚拟化并辅以自动化负载均衡技术，TDengine 能最高效率地利用异构集群中的计算
只能识别正脸，侧脸低头戴口罩全歇菜光线影响很大，要是考勤机对着窗户，逆光根本抓不到脸戴隐形眼镜有时候识别率会下降（可能是我扒的ORL库戴眼镜的样本少？没有集成摄像头，只能拿拍好的图片测试抓脸的时候可以加个眼睛检测，确保是正脸降维之后可以加个LDA（线性判别分析），提升类间距离集成MATLAB的摄像头工具箱，实时抓脸实时识别加个Excel导出功能，记录考勤时间。
TDengine 中的流计算，功能相当于简化版的 FLINK ， 具有实时计算，计算结果可以输出到超级表中存储，同时也可用于窗口预计算，加快查询速度。
近日，3.3.7.0 版本正式发布。本次更新聚焦“时序数据处理与集成能力”双重提升，围绕数据处理的实时性、复杂性和低延迟需求，全面升级流计算架构，并新增 MQTT 数据订阅、BLOB 数据类型、多级存储共享存储支持、IPv6 通信等关键能力，持续强化时序数据平台的场景适应力与可扩展性。如果你关注 AIoT、车联网、工业控制等前沿领域的时序数据管理，这一版本更新将为你带来更多“用得上”的技术能力👇
TDengine数据订阅基本概念，可参考之前写的文章 [数据订阅](https://blog.csdn.net/ticktick999/article/details/143118127), 本文重点从实操方面介绍数据订阅的使用。
在应对海量时序数据处理需求时，如关系型数据库、工业实时库、Hadoop 大数据平台在内的传统数据库解决方案问题重重，严重阻碍数字化进程。在此背景下，一些企业开始尝试进行数据架构改造，选择适合的时序数据库产品。
在软件定义汽车的时代，电动汽车每天产生数十GB的时序数据，包括电池电芯电压温度、电机转速、传感器读数、自动驾驶轨迹等。高效管理这些数据，直接影响车辆安全、用户体验和商业模式创新。本文结合行业最佳实践，提出四大关键选型维度。基于以上四个维度的综合分析，电动汽车企业在选择时序数据库时，除了考察产品的基本技术指标外，更应关注其在行业内的权威认证和市场地位。
本文系统阐述了实时数据库高可用与容灾备份的核心技术与实施方案。首先分析了高可用架构的价值，指出金融等行业数据库停机的高昂成本。详细介绍了主从复制、双活架构等关键技术，强调数据同步与一致性的保障措施。在容灾方面，对比了实时容灾、跨地域备份等方案的优缺点，提出RTO/RPO指标对方案选择的关键影响。文章还提供了部署指南与最佳实践，包括读写分离、故障切换演练等具体方法。最后展望了云原生、智能化等未来发展
在使用或者实现分布式数据库（Distributed Database）时，会面临把一个表的数据按照一定的策略分散到各个数据库节点上的情况，随之而来的是多节点数据查询复杂性的问题，例如 Join 和子查询。本文将会为你解读分布式数据库下子查询和 Join 等复杂 SQL 如何实现，来帮助你更好地解决上述问题。......
TDengine的技术引领性，体现在它并非在现有数据库基础上“打补丁”，而是从第一性原理出发，围绕时序数据的核心特点，对数据库的存储、计算、分发等各个环节进行了彻底的、一体化的重构。技术引领点： TDengine的存储引擎不是对通用组件的简单封装，而是从时序数据强时序、多设备、低价值密度的特点出发，从数据结构层面进行的原生设计，这是其性能实现数量级提升的根本原因。技术引领点： 内建的多级缓存与存储
一种基于YOLOv8改进的高精度红外小目标检测算法 （自研）创新点：1）SPD-Conv特别是在处理低分辨率图像和小物体等更困难的任务时优势明显；2）引入Wasserstein Distance Loss提升小目标检测能力；3）YOLOv8中的Conv用cvpr2024中的DynamicConv代替；组合创新，可直接使用至其他小目标检测任务；实验结果：在红外小目标检测任务中mAP由原始的0.755
在金融量化交易的世界里，时间就是金钱，而延迟则是最大的原罪。现代量化交易系统需要处理来自各大交易所的 Tick 级（逐笔交易）甚至 Order Book（订单簿）深度行情数据。这些数据呈现出极端的爆发性、海量性以及对时间精度的严苛要求。为了在瞬息万变的金融市场中抢占先机，量化机构的 IT 团队正在将传统的关系型数据库或普通的文件系统，全面升级为 TDengine 等拥有极致性能的 时序数据库。本文
本文围绕时序数据库国产化替代需求，分析 InfluxDB、TimescaleDB、TDengine 在合规、兼容、性能及运维上的痛点，介绍自主可控、高兼容、高性能与多模融合等技术优势。结合能源、政务、工业互联网等真实落地案例，验证其可平滑替代主流时序库，并在写入、查询、存储成本上显著优化。文章给出可落地的迁移方案与实施要点，为企业时序数据库国产化升级提供实践参考。
BMS在电池管理系统里相当于大脑的角色，而Simulink就是给这个大脑搭神经网络的神器。直接甩开那些繁琐的手写代码，咱用模块拖拽就能把算法安排得明明白白。放电时更刺激，突然有个单体电压暴跌就得启动负载切除，这时候看状态机的跳转速度能到毫秒级。这个库仑计法代码直接能生成C代码，注意里面的持久变量相当于静态变量。充放电控制的状态切换（图三图四）特别像打游戏切大招。最后交付的东西（图五）除了模型文件，
kettle示例名称感觉不是一个好的设计？？？
Type-C PD芯片XSP26是一款多功能快充诱骗协议芯片，支持PD2.0/3.0、华为SCP/FCP、QC2.0/3.0和三星AFC等多种快充协议，实现5V-20V宽电压输入和最高100W快充。其独特功能包括通过UART串口传输电压/电流数据、与主板MCU共用Type-C接口实现充电/数据传输自动切换。适用于无人机、电动工具等锂电池设备及智能家居产品，显著提升充电效率并增强电源兼容性，完美解决
建议结合原理图里的MOS驱动电路一起看，特别是那个RC吸收电路参数，和代码里的死区时间设置是配套的。这玩意儿直接把某大厂量产的电机控制程序脱光了扔GitHub上，国产MCU直接跑，连原理图都给你打包好了。全开源代码，代码基于国产MCU芯片，大厂成熟风机量产程序，龙博格电机观测器观测角度，SVPWM，支持顺逆风启动，五段式与七段式调制等源码。代码里用查表法实现的弱磁控制，虽然不如在线计算高级，但在国
