TDengine 小白入门指南

TDengine 小白入门指南

📘 TDengine 是什么？

TDengine 是一款开源、高性能、云原生、AI 驱动的时序数据库（Time-Series Database，简称 TSDB）。简单来说，它是一个专门为时间序列数据设计的数据库系统，特别擅长处理按时间顺序生成的大量数据。

与传统数据库（如 MySQL、PostgreSQL）不同，TDengine 针对时序数据的特点进行了深度优化，在写入速度、查询性能和存储效率方面都有显著优势。

🎯 TDengine 用在哪儿？

TDengine 广泛应用于以下领域：

• 物联网（IoT）：智能家居、智慧城市、工业传感器数据采集
• 工业互联网：设备监控、生产线数据分析、预测性维护
• 车联网：车辆位置追踪、驾驶行为分析、车况监测
• IT 运维：服务器监控、应用性能管理（APM）、日志分析
• 金融领域：股票行情、交易数据、风险监控
• 能源行业：电力监控、能耗分析、智能电网

💡 TDengine 能解决什么问题？

1.海量数据写入难题

传统数据库面对每秒数百万次的数据写入会力不从心，TDengine 通过创新的存储引擎设计，写入性能比通用数据库快 10 倍以上。

2.存储成本高昂

时序数据通常数据量巨大，TDengine 采用高效的压缩算法，存储空间仅为通用数据库的 1/10。

3.系统架构复杂

传统方案需要集成 Kafka（消息队列）、Redis（缓存）、Spark（流式计算）等多个组件，TDengine内置这些功能，大幅降低系统复杂度。

4.实时查询性能差

TDengine 针对时序数据特点优化了查询引擎，提供超快的聚合查询和时间范围查询能力。

5.难以扩展

TDengine 采用云原生分布式架构，支持水平扩展，可轻松应对数据量和并发量的增长。

🔍 什么场景适合使用 TDengine？

✅ 适合的场景

1. 数据具有时间戳特征：每条数据都有明确的时间属性
2. 写多读少：数据持续写入，查询相对较少
3. 数据量大：每天产生 GB 到 TB 级别的数据
4. 实时性要求高：需要实时采集、处理和展示数据
5. 多个数据源：有大量设备或传感器持续产生数据

❌不太适合的场景

1. 数据没有时间维度：如用户账号信息、商品库存等
2. 频繁更新历史数据：时序数据通常只追加，不修改
3. 复杂的关系型查询：如多表 JOIN、事务处理等
4. 数据量很小：每天只有几千条数据

🚀 Hello World：快速上手

下面通过一个简单的例子，演示如何使用 TDengine 存储和查询温度传感器数据。

1. 安装 TDengine

macOS 用户：
下载地址：https://www.taosdata.com/tdengine-resources

启动服务

taosd

**Linux 用户：** ```bash # 下载安装包（以 Ubuntu 为例） wget https://www.taosdata.com/assets-download/3.0/TDengine-server-3.3.6.0-Linux-x64.tar.gz tar -xzvf TDengine-server-3.3.6.0-Linux-x64.tar.gz cd TDengine-server-3.3.6.0 sudo ./install.sh # 启动服务 sudo systemctl start taosd

Windows 用户：

下载地址：https://www.taosdata.com/tdengine-resources

2. 连接 TDengine

打开命令行终端，输入：

taos

看到类似下面的提示，说明连接成功：

taos>

3. 创建数据库

-- 创建一个名为 sensor_db 的数据库CREATEDATABASEIFNOTEXISTSsensor_db;-- 使用这个数据库USEsensor_db;

4. 创建超级表（模板）

超级表是 TDengine 的特色功能，相当于一个数据模板，用于定义相同类型设备的数据结构。

-- 创建温度传感器超级表-- ts: 时间戳-- temperature: 温度值-- humidity: 湿度值-- location: 传感器位置（标签）-- device_id: 设备编号（标签）CREATESTABLEIFNOTEXISTStemp_sensor(tsTIMESTAMP,temperatureFLOAT,humidityFLOAT)TAGS(locationBINARY(50),device_idBINARY(20));

5. 创建子表（实际设备）

-- 为办公室的温度传感器创建子表CREATETABLEoffice_sensorUSINGtemp_sensor TAGS('办公室','SENSOR001');-- 为仓库的温度传感器创建子表CREATETABLEwarehouse_sensorUSINGtemp_sensor TAGS('仓库','SENSOR002');

6. 插入数据

-- 向办公室传感器插入数据INSERTINTOoffice_sensorVALUES(NOW,25.5,60.2),(NOW+1s,25.6,60.5),(NOW+2s,25.4,60.1);-- 向仓库传感器插入数据INSERTINTOwarehouse_sensorVALUES(NOW,18.3,75.8),(NOW+1s,18.5,75.5),(NOW+2s,18.2,76.1);

7. 查询数据

-- 查询办公室最新的温度数据SELECT*FROMoffice_sensorORDERBYtsDESCLIMIT5;-- 查询所有传感器的最新温度SELECTLAST(*)FROMtemp_sensorGROUPBYtbname;-- 查询最近1小时内温度超过20度的记录SELECTts,temperature,location,device_idFROMtemp_sensorWHEREts>NOW-1hANDtemperature>20;-- 查询每个传感器的平均温度SELECTlocation,device_id,AVG(temperature)asavg_temp,AVG(humidity)asavg_humidityFROMtemp_sensorWHEREts>NOW-1hGROUPBYlocation,device_id;

8. 使用 Python 连接 TDengine

首先安装 Python 连接器：

pipinstalltaospy

创建一个 Python 脚本hello_tdengine.py：

#!/usr/bin/env python3# -*- coding: utf-8 -*-""" TDengine Hello World 示例 演示如何使用 Python 连接 TDengine 并进行基本操作 """importtaosfromdatetimeimportdatetimedefmain():# 1. 连接到 TDengine 服务器print("正在连接 TDengine...")conn=taos.connect(host="127.0.0.1",# TDengine 服务器地址user="root",# 用户名password="taosdata",# 密码database="sensor_db"# 数据库名)print("✓ 连接成功！\n")# 2. 创建游标对象cursor=conn.cursor()# 3. 创建数据库（如果不存在）print("创建数据库...")cursor.execute("CREATE DATABASE IF NOT EXISTS sensor_db")cursor.execute("USE sensor_db")print("✓ 数据库准备就绪\n")# 4. 创建超级表（如果不存在）print("创建超级表...")cursor.execute(""" CREATE STABLE IF NOT EXISTS temp_sensor ( ts TIMESTAMP, temperature FLOAT, humidity FLOAT ) TAGS ( location BINARY(50), device_id BINARY(20) ) """)print("✓ 超级表创建成功\n")# 5. 创建子表print("创建子表...")cursor.execute("CREATE TABLE IF NOT EXISTS room_sensor USING temp_sensor TAGS ('会议室', 'SENSOR003')")print("✓ 子表创建成功\n")# 6. 插入数据print("插入数据...")current_time=int(datetime.now().timestamp()*1000)# 毫秒级时间戳foriinrange(5):temp=22.0+i*0.2humidity=55.0+i*0.5cursor.execute(f"INSERT INTO room_sensor VALUES ({current_time+i*1000},{temp},{humidity})")print(f"✓ 成功插入 5 条数据\n")# 7. 查询数据print("查询数据...")cursor.execute("SELECT * FROM room_sensor ORDER BY ts DESC LIMIT 5")# 获取列名column_names=[desc[0]fordescincursor.description]print(f"列名:{column_names}")print("-"*80)# 获取并显示数据rows=cursor.fetchall()forrowinrows:ts=datetime.fromtimestamp(row[0]/1000).strftime('%Y-%m-%d %H:%M:%S')print(f"时间:{ts}, 温度:{row[1]:.2f}°C, 湿度:{row[2]:.2f}%")print("\n"+"="*80)# 8. 统计查询print("\n统计分析...")cursor.execute(""" SELECT AVG(temperature) as 平均温度, MAX(temperature) as 最高温度, MIN(temperature) as 最低温度, AVG(humidity) as 平均湿度 FROM room_sensor """)result=cursor.fetchone()print(f"平均温度:{result[0]:.2f}°C")print(f"最高温度:{result[1]:.2f}°C")print(f"最低温度:{result[2]:.2f}°C")print(f"平均湿度:{result[3]:.2f}%")# 9. 关闭连接cursor.close()conn.close()print("\n✓ 连接已关闭")print("\n🎉 Hello TDengine 示例运行完成！")if__name__=="__main__":main()

运行脚本：

python hello_tdengine.py

预期输出：

正在连接 TDengine... ✓ 连接成功！ 创建数据库... ✓ 数据库准备就绪 创建超级表... ✓ 超级表创建成功 创建子表... ✓ 子表创建成功 插入数据... ✓ 成功插入 5 条数据 查询数据... 列名: ['ts', 'temperature', 'humidity'] -------------------------------------------------------------------------------- 时间: 2025-12-26 10:30:04, 温度: 22.80°C, 湿度: 57.00% 时间: 2025-12-26 10:30:03, 温度: 22.60°C, 湿度: 56.50% 时间: 2025-12-26 10:30:02, 温度: 22.40°C, 湿度: 56.00% 时间: 2025-12-26 10:30:01, 温度: 22.20°C, 湿度: 55.50% 时间: 2025-12-26 10:30:00, 温度: 22.00°C, 湿度: 55.00% ================================================================================ 统计分析... 平均温度: 22.40°C 最高温度: 22.80°C 最低温度: 22.00°C 平均湿度: 56.00% ✓ 连接已关闭 🎉 Hello TDengine 示例运行完成！

📚 核心概念解释

1.超级表（Super Table）

超级表是 TDengine 的核心概念，它定义了一类设备的数据结构模板。通过超级表，可以方便地管理成千上万个相同类型的设备。

2.子表（Sub Table）

子表代表具体的设备或数据采集点，继承超级表的结构，并通过标签（TAGS）区分不同设备。

3.标签（TAGS）

标签是设备的静态属性，如位置、型号、编号等，用于过滤和分组查询。

4.时间戳（TIMESTAMP）

每条记录的主键，TDengine 会自动按时间排序和优化存储。

🌟 TDengine 的独特优势

1. 极简架构：一个数据库搞定消息队列、缓存、流式计算等功能
2. 高压缩比：相同数据量，存储空间仅为传统数据库的 1/10
3. 超高性能：写入和查询速度远超传统时序数据库
4. 易于使用：支持标准 SQL，学习成本低
5. 云原生：支持 Kubernetes 部署，弹性扩展
6. AI 智能：内置 TDgpt 智能体，提供预测、异常检测等功能

📖 进一步学习

• 官方文档：https://docs.taosdata.com
• GitHub 仓库：https://github.com/taosdata/TDengine
• 云服务体验：https://cloud.taosdata.com
• 社区支持：https://www.taosdata.com/community

💬 常见问题

Q1: TDengine 是免费的吗？

A: TDengine 的核心功能（包括集群）完全开源免费，企业版提供更多高级功能和技术支持。

Q2: TDengine 支持哪些编程语言？

A: 支持 C/C++、Java、Python、Go、Rust、Node.js、C#、PHP、R 等主流语言。

Q3: TDengine 可以用于生产环境吗？

A: 当然可以！全球已有超过 135,000+ 个运行实例，广泛应用于工业、金融等关键领域。

Q4: 如何从其他数据库迁移到 TDengine？

A: TDengine 提供了数据导入工具和迁移指南，支持从 InfluxDB、OpenTSDB 等时序数据库迁移。

Q5: TDengine 如何保证数据可靠性？

A: 支持多副本机制、数据持久化、故障自动切换等企业级特性。

恭喜你！🎉 你已经完成了 TDengine 的入门学习。现在你可以开始使用 TDengine 构建自己的时序数据应用了。

祝你使用愉快！如有问题，欢迎访问 TDengine 社区交流。