Linux(Centos)安装TDengine
目录
- 1:简介
- 2:前期准备
- 3:安装
- 4:启动
- 5:开机自启动
- 6:安装客户端驱动(如果别的服务器需要链接TD则需要此步操作)
- 7:基础命令
1:简介
- 官网: https://www.taosdata.com/
- 简介:TDengine 是一款开源、云原生的时序数据库,专为物联网、工业互联网、金融、IT 运维监控等场景设计并优化。它能让大量设备、数据采集器每天产生的高达 TB 甚至 PB 级的数据得到高效实时的处理,对业务的运行状态进行实时的监测、预警,从大数据中挖掘出商业价值。
2:前期准备
- 创建安装目录
mkdir -p /usr/local/tdengine/
- 下载安装包:https://docs.taosdata.com/2.6/get-started/

- 把安装包上传到/usr/local/tdengine/
3:安装
- 解压文件夹
tar -zxvf TDengine-server-2.6.0.34-Linux-x64.tar.gz
- 进入解压文件
cd TDengine-server-2.6.0.34/
- 执行安装命令
./install.sh

- 修改taos.cfg配置文件 (重点)
vi /etc/taos/taos.cfg
- 修改
firstEP xxxxx:6030 //这里ip改为服务器ip/hostname


- 配置hosts (重点)
vi /etc/hosts
- 添加:前面是td部署服务器ip,后面是td部署服务器hostname值
192.168.90.47 wy203

- 保存退出
按ESC-->:-->wq!
- 使配置生效
/etc/init.d/network restart

4:启动
#停止
systemctl status taosd
#启动
systemctl start taosd
#状态
systemctl status taosd
5:开机自启动
# 重启TD还是会自动启动,不用做额外配置:重启命令 reboot
reboot
6:安装客户端驱动(如果别的服务器需要链接TD则需要此步操作)
-
下载:https://docs.taosdata.com/2.6/develop/connect/

-
TDengine 数据库驱动安装 并将对应的 TDengine-client-2.6.0.34-Linux-x64.tar.gz 拷贝到目录下
-
参考文档 https://docs.taosdata.com/2.6/develop/connect/
-
创建文件夹
mkdir -p /usr/local/Drivers/taos
- 把对应的文件上传至/usr/local/Drivers/taos
- 解压文件
tar -xzvf TDengine-client-2.6.0.34-Linux-x64.tar.gz
- 切换目录
cd TDengine-client-2.6.0.34/
- 执行命令进行安装
sh install_client.sh
- 重点: 这里因为是另一台服务器,需要链接TD,所以安装步骤的配置taos.cfg和hosts文件,在本台也同样需要配置
7:基础命令
- 创建数据库
#链接
taos
#创建数据库
CREATE DATABASE wuyuan;
#进入数据库
use wuyuan;
# 创建超级表
CREATE STABLE super_table (ts timestamp, basicValue float, value float, basicStrValue binary(64), strValue binary(64)) TAGS (paramName binary(64), deviceCode binary(64), is_deleted bool);
# 插入数据
INSERT INTO np_1585823986395099137 USING super_table (paramName,deviceCode,is_deleted) TAGS ('合格计数','001',0) (ts, basicValue, value, basicStrValue, strValue) VALUES ('2023-02-05 08:35:00',150,null,null,null);
#查看表
show tables;
#查询数据select * from np_1585823986395099137;


相关文章:
Linux(Centos)安装TDengine
目录1:简介2:前期准备3:安装4:启动5:开机自启动6:安装客户端驱动(如果别的服务器需要链接TD则需要此步操作)7:基础命令1:简介 官网: https://www.taosdata.com/简介&…...
大数据处理技术导论(6) | Datawhale组队学习46期
文章目录1. hive 概述2. hive 与传统关系型数据库的对比3. hive 数据类型4. hive 数据模型5. hive 实战5.1 创建表5.2 修改表5.3 清空表、删除表5.4 其他命令项目地址 https://github.com/datawhalechina/juicy-bigdata,感谢项目团队的付出。本次主要学习 hive 相关…...
Java——异常
目录 什么是异常 异常处理主要的5个关键字 异常的体系结构 异常语法 异常的分类 异常的处理流程 异常的处理 防御式编程 异常的抛出 throw的注意事项 异常的捕获 异常声明throws try-catch捕获处理 finally 自定义异常类 throw和throws区别 什么是异常 程序在运行时出现错…...
Netty之io.netty.util.concurrent.Promise与io.netty.util.concurrent.Future初解
目录 目标 Netty版本 Netty官方API 三者之间的关系 基本使用方法 java.util.concurrent.Future io.netty.util.concurrent.Future io.netty.util.concurrent.Promise 目标 了解io.netty.util.concurrent.Promise与io.netty.util.concurrent.Future的基本使用方法。了解…...
【正点原子FPGA连载】第二十一章AXI DMA环路测试 摘自【正点原子】DFZU2EG_4EV MPSoC之嵌入式Vitis开发指南
1)实验平台:正点原子MPSoC开发板 2)平台购买地址:https://detail.tmall.com/item.htm?id692450874670 3)全套实验源码手册视频下载地址: http://www.openedv.com/thread-340252-1-1.html 第二十一章AXI D…...
手把手搭建springboot项目06-springboot整合RabbitMQ及其原理和应用场景
目录前言工作流程-灵魂画手名词解释交换机类型一、安装1.1 [RabbitMQ官网安装](https://www.rabbitmq.com/download.html)1.2 Docker安装并启动二、食用教程2.1.导入依赖2.2 添加配置2.3 代码实现2.3.1 直连(Direct)类型2.3.2 引入消息手动确认机制2.3.2…...
如何根据IP地址判断是IPv4还是IPv6
IPv4地址的书写形式为:“192.168.0.1” IPv6地址的书写形式为:“2001:DB8:85A3:8D3:1319:8A2E:370:7344” 给你一个IP地址,它有三种可能:IPv4、IPv6、既不是IPv4也不是IPv6的无效地址。所以,如果用函数ipGetAddressAsNumber,只能判断是不是ipv4,编写如下函数: int R…...
山地车和公路车怎么选
公路车: 只能适应平坦的路面,骑行阻力小,速度快比较适合新手 山地车: 能适应所有路面,更注重操控性和舒适性 怎么选? 1、先决定用途 旅游:旅行车、山地车、 通勤:公路车 2、预…...
Zotero设置毕业论文/中文期刊参考文献格式
大家在使用zotero时很容易遇到的问题: 英文参考文献中有多个作者时出现“等”,而不是用"et al"引文最后面有不需要的DOI号,或者论文链接对于一些期刊分类上会出现OL字样,即[J/OL]作者名为全大写 本文主要解决以上几个…...
【人工智能与深度学习】自动编码器的简介
【人工智能与深度学习】自动编码器的简介 自动编码器的应用图片生成像素空间和潜在空间插值的差异图像超级分辨率图像修补由文字说明转成图片什么是自动编码器?为什么我们用自动编码器?重建损失完成过度降噪自动编码器:Denoising autoencoder压缩式自动编码器定义自动编码器…...
Isaac-gym(9):项目更新、benchmarks框架梳理
一、项目更新 近期重新git clone isaac gym的强化部分(具体见系列第5篇)时发现官方的github库有跟新,git clone下来后发现多了若干个task,在环境配置上也有一定区别。 例如新旧两版工程项目的setup.py区别如下: git …...
Linux 学习笔记(一):终端 和 Shell 的区别和联系
一、Linux 介绍 1、什么是 Linux Linux 就是一个操作系统,全称 GNU/Linux,是一种类 Unix 操作系统Linux 一开始是没有图形界面的,所有操作都靠 命令 完成。如 磁盘操作、文件存取、目录操作、进程管理、文件权限 等等,可以说 Li…...
cycleGAN算法解读
本文参考:https://blog.csdn.net/Mr_health/article/details/112545671 1 CycleGAN概述 CycleGAN:循环生成对抗神经网络,是一种非监督学习模型。 Pix2pix方法适用于成对数据的风格迁移,而大多数情况下对于A风格的图像…...
解读“方差”
其实,从这个标题就可以看出来,方差,这个问题不简单, 先给出定义: 方差其实应该叫,差方差,(差方)差,差的平方的差,与差的平方之间的误差࿰…...
记录面试问题
以下问题不分先后,按照印象深浅排序,可能一次记录不完成,后面想起来会及时补充,如有不对,恳请各位围观大佬多多指教🙏 印象最深的是一道很简单很简单的题目,我结束面试之后赶紧代码敲敲发现答错…...
(六十四)设计索引的时候,我们一般要考虑哪些因素呢?(上)
本周我们将要讲解一下设计索引的时候,我们通常应该考虑哪些因素,给哪些字段建立索引,如何建立索引,建立好索引之后应该如何使用才是最合适的。 可能有的朋友会希望尽快更新后面的内容,但是因为工作的原因的确非常忙&a…...
【蓝桥杯嵌入式】LCD屏的原理图解析与代码实现(第十三届省赛为例)——STM32
🎊【蓝桥杯嵌入式】专题正在持续更新中,原理图解析✨,各模块分析✨以及历年真题讲解✨都在这儿哦,欢迎大家前往订阅本专题,获取更多详细信息哦🎏🎏🎏 🪔本系列专栏 - 蓝…...
论文学习——Reproducing Activation Function for Deep Learning
论文学习——Reproducing Activation Function Abstract RAFs将集中基础激活函数进行线性组合,构建出神经元级的、数据驱动的激活函数。使用RAFs为激活函数的神经网络可以重现传统的近似工具,也能相对于传统网络以更少的参数量拟合目标函数。训练过程中,RAFs可以以更好的条…...
【趣味学Python】Python基础语法讲解
目录 编码 标识符 python保留字 注释 实例(Python 3.0) 实例(Python 3.0) 行与缩进 实例(Python 3.0) 实例 多行语句 数字(Number)类型 字符串(String) 实例(Python 3.0) 空行 等待用户输入 实例(Python 3.0) 同一行显示多条语句 实例(Python 3.0) 多个语句构…...
虚拟局域网VLAN的实现机制
虚拟局域网VLAN的实现机制1.IEEE 802.1Q帧2.交换的端口类型AccessTrunkHybrid(华为特有)1.IEEE 802.1Q帧 IEEE802.1Q帧(也称Dot One Q帧)对以太网的MAC帧格式进行了扩展,插入了4字节的VLAN标记。 2.交换的端口类型 A…...
FlowState Lab生成对抗网络(GAN)模式探究:创造极致逼真的模拟数据
FlowState Lab生成对抗网络(GAN)模式探究:创造极致逼真的模拟数据 1. 引言:当AI学会"造假" 想象一下,你面前有两组数据:一组来自真实世界的传感器采集,另一组由AI生成。它们看起来几…...
ncmdump终极解密攻略:5分钟实现网易云音乐NCM格式无损转换
ncmdump终极解密攻略:5分钟实现网易云音乐NCM格式无损转换 【免费下载链接】ncmdump 项目地址: https://gitcode.com/gh_mirrors/ncmd/ncmdump 你是否曾为下载的网易云音乐只能在特定平台播放而烦恼?NCM格式的音乐文件像是被上了一把无形的锁&am…...
SEO_10个简单有效的SEO技巧,快速提升网站排名
SEO:10个简单有效的SEO技巧,快速提升网站排名 在当今互联网时代,网站的排名直接关系到它的流量和盈利能力。SEO(搜索引擎优化)技巧就是为了帮助网站在搜索引擎中获得更高的排名。本文将分享十个简单有效的SEO技巧,帮助…...
CLIP-GmP-ViT-L-14匹配精度实测:Softmax置信度排序效果惊艳案例集
CLIP-GmP-ViT-L-14匹配精度实测:Softmax置信度排序效果惊艳案例集 1. 引言:当图片遇见文字,CLIP如何精准“读懂”? 想象一下,你有一张照片,里面可能是一只猫、一辆车,或者一片风景。如果让你用…...
Llama-3.2V-11B-cot保姆级教学:模型卸载与多版本共存方案
Llama-3.2V-11B-cot保姆级教学:模型卸载与多版本共存方案 1. 项目背景与需求 Llama-3.2V-11B-cot作为一款基于Meta多模态大模型开发的高性能视觉推理工具,在双卡4090环境下表现出色。但在实际使用中,开发者经常面临以下痛点: 模…...
[特殊字符] Nano-Banana参数详解:LoRA权重对部件排布影响的实证分析
Nano-Banana参数详解:LoRA权重对部件排布影响的实证分析 1. 项目简介 Nano-Banana是一款专为产品拆解和平铺展示风格设计的轻量化文本生成图像系统。这个项目的核心价值在于深度融合了专属的Turbo LoRA微调权重,专门针对Knolling平铺、爆炸图、产品部件…...
FunASR与ModelScope语音识别集成实战:从零到部署的完整指南
FunASR与ModelScope语音识别集成实战:从零到部署的完整指南 语音识别技术正在改变我们与设备交互的方式,而FunASR与ModelScope的结合让开发者能够快速构建高质量的语音应用。本文将通过全新的视角,带你体验从模型获取到实际部署的全过程&…...
Qwen2.5-7B-Instruct惊艳表现:中文古诗创作+格律校验+背景知识延伸
Qwen2.5-7B-Instruct惊艳表现:中文古诗创作格律校验背景知识延伸 1. 项目简介 今天要给大家介绍的是一个让人眼前一亮的大模型应用——基于Qwen2.5-7B-Instruct打造的智能对话服务。这个项目可不是普通的聊天机器人,而是专门为处理复杂文本任务设计的高…...
STM32模拟UART实现技术详解
基于STM32的UART模拟实现技术解析1. UART通信基础原理1.1 异步串行通信基础通用异步收发器(UART)作为一种经典的串行通信方式,通过逐位传输实现数据通信。其核心优势在于传输线少、成本低,但相对并行通信速度较慢。异步通信模式下,收发双方的…...
新能源运维数字化方案:帮我吧助力企业实现全流程智能管控
在“双碳”目标的深入推进下,新能源产业迎来高速发展期,光伏、风电、储能、新能源汽车等领域的市场规模持续扩大,行业发展重心从“投建”转向“运营与服务”。对于新能源企业而言,设备分布广、终端用户分散、设备智能化程度高&…...
