时序数据库TDengine详细安装+集成流程+问题解决 _生活百科

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：

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
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）
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
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
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
可视化
- 支持与 Grafana 的无缝集成
- 支持与 Google Data Studio 的无缝集成
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
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
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
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

文章插图
输入邮箱,会将下载地址通过邮件发送给你

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
3.1 客户端和服务端不在一起 hosts需要修改
目录C:\Windows\System32\drivers\etc下的 hosts
修改对应路径和名

文章插图
3.2连接如果还是提示版本不一致检查C:\Windows\System32该目录下是否有taos.dll文件
有的话删除从C:\TDengine\driver目录下复制taos.dll文件到C:\Windows\System32目录
3.3连接成功
如果本地安装了客户端也可以直接进行访问时序数据TDengine数据
这里以mac端为例：输入命令：taos -h 192.168.7.180
taos 为连接成功