时序数据库 IoTDB 与 MyCat 集成，实现关系/时序数据无缝协同

工业物联网平台搭建时，你是否也曾面临这样的困境：关系型数据库中的设备台账、业务信息与时序数据库中的传感器数据各自存储在不同的数据库，业务分析时不得不反复跨系统查询、手工拼接？更复杂的是，当业务系统需要同时访问 MySQL 中的元数据与 IoTDB 中的海量时序数据时，“多源异构”往往意味着“多重负担

2026-02-28

协变量预测：时序数据库能力的下一次跃迁

协变量预测打破单变量局限，时序数据库 IoTDB 与 Timer 系列模型的协同运行，共同推动开启时序分析新范式。 在很多人印象中，时间序列预测的逻辑十分简单 —— 以历史数据预测未来趋势，但在真实的工业系统中，这一过程远非如此直接。 负荷预测离不开温度变化的影响，设备健康预测与运行工况深度关联，风电功率预测受气象因素左右，生产能耗预测则依托于排产计划的安排。 现实世界中的时间序列，始终处于多变量强耦合的系统之中，若仅依靠目标变量的历史数值进行预测，其能力天然存在上限。而时序预测真正的技术挑战，正聚焦于对协变量的精准预测和运用。

2026-02-27

从 OpenClaw 到 IoTDB Skills：时序数据库如何接入 AI Agent 世界？

最近，OpenClaw 在开发者社区迅速走红。 这让一个趋势愈发清晰：AI 正从「能聊天」 ，进化为 「会做事」。 Agent 开始操作系统、调用工具、访问数据库。它不再只是回答问题，而是在替人完成任务。 但当 Agent 开始调用数据库接口时，一个核心问题出现了：它真的“懂”数据库吗？ 01 调用

2026-02-25

时序数据库 TimechoDB V2.0.8 发布 | 新增 Object 数据类型、协变量预测等功能

TimechoDB V2.0.8 版本正式发布！ TimechoDB 是由 IoTDB 原厂团队开发的企业级时序数据库产品。V2.0.8 版本表模型新增 Object 数据类型，强化升级审计日志功能，优化树模型 OPC UA 协议，AINode 支持协变量预测与并发推理等功能，同时对数据库监控、性能、稳定性进行了全方位提升。 更多关于 V2.0.8 版本信息，欢迎联系我们获得企业版安装包。针对本版本主要核心功能，年后将有更详细的技术解析与直播讲解，敬请关注！

2026-02-13

性能提升 4 倍的背后：时序数据库 IoTDB 系统调优方法与五个真实案例

在工业实时告警、海量测点管理等高并发场景中，数据库性能往往决定着业务能否稳定运行。一次写入延迟的抖动，可能带来告警滞后；一次吞吐能力的不足，可能限制系统扩展规模。 性能问题往往不是“显性故障”，而是长期积累的隐性瓶颈。如何识别真正的性能短板？如何判断问题究竟在数据库本身，还是在上游链路？系统调优因此

2026-02-12

产业升级基石：物联网时序数据库如何支撑工业互联网发展？

物联网时序数据库作为专门处理物联网时序数据的基础软件,通过其超高的数据吞吐能力、极致的存储压缩效率、强大的时序分析功能以及开放的生态连接性,完美契合了工业互联网对海量时序数据“存得下、管得好、算得快、用得起”的核心需求

2026-02-11

自主可控趋势下，这几款国产时序数据库值得关注

通过多模态数据融合消弭数据割裂,以智能内核降低分析门槛,并以开放生态凝聚产业共识,这些国产力量不仅筑牢了数字化转型的数据底座,更在全球工业智能化变革中扮演着日益重要的角色

2026-02-11

深入智慧城市与车联网：看时序数据库如何管理海量传感数据

时序数据库,已成为智慧城市与车联网庞大感知网络的核心数据中枢.它高效地吸纳着来自四面八方的数据溪流,并将其转化为可供实时决策与深度挖掘的高价值信息资产

2026-02-11

面向工业场景：选型时序数据库应重点考察哪些特殊能力？

工业场景的时序数据库选型,是一场对技术深度与行业理解的双重考验.它要求产品不仅能“跑得快”——处理海量数据,更要“听得懂”——理解工业的组织逻辑,“靠得住”——在复杂环境中稳定运行,并“看得远”——为未来的数据分析与智能化预留空间

2026-02-11

国产基础软件之光：天谋科技如何打造自主可控的时序数据基座

从天谋科技的实践可以看到,国产基础软件的崛起,不仅需要极致的性能和对行业痛点的深刻洞察,更需要坚定的自主创新决心与构建开放生态的长远视野.它正以坚实的时序数据基座,支撑着中国工业在数字化、智能化的道路上稳步前行

2026-02-11