{"id":15030865,"url":"https://github.com/taosdata/tdengine","last_synced_at":"2026-01-08T04:21:11.254Z","repository":{"id":37296579,"uuid":"196353673","full_name":"taosdata/TDengine","owner":"taosdata","description":"High-performance, scalable time-series database designed for Industrial IoT (IIoT) scenarios","archived":false,"fork":false,"pushed_at":"2025-05-12T15:46:30.000Z","size":652181,"stargazers_count":23837,"open_issues_count":390,"forks_count":4904,"subscribers_count":682,"default_branch":"main","last_synced_at":"2025-05-12T16:50:30.002Z","etag":null,"topics":["bigdata","cloud-native","cluster","connected-vehicles","database","distributed","financial-analysis","industrial-iot","iot","metrics","monitoring","scalability","sql","tdengine","time-series","time-series-database","tsdb"],"latest_commit_sha":null,"homepage":"https://tdengine.com","language":"C","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":"agpl-3.0","status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/taosdata.png","metadata":{"files":{"readme":"README-CN.md","changelog":null,"contributing":"CONTRIBUTING-CN.md","funding":null,"license":"LICENSE","code_of_conduct":"CODE_OF_CONDUCT-CN.md","threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":"SECURITY.md","support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null}},"created_at":"2019-07-11T08:33:48.000Z","updated_at":"2025-05-12T09:50:58.000Z","dependencies_parsed_at":"2022-07-13T07:20:29.206Z","dependency_job_id":"c31bf20a-7e63-4c1c-ae2d-001308cf247f","html_url":"https://github.com/taosdata/TDengine","commit_stats":{"total_commits":42395,"total_committers":261,"mean_commits":"162.43295019157088","dds":0.8581908243896685,"last_synced_commit":"f68a6fc7f6c13698487f61a27bcf8329729c7394"},"previous_names":[],"tags_count":405,"template":false,"template_full_name":null,"repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/taosdata%2FTDengine","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/taosdata%2FTDengine/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/taosdata%2FTDengine/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/taosdata%2FTDengine/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/taosdata","download_url":"https://codeload.github.com/taosdata/TDengine/tar.gz/refs/heads/main","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":253785014,"owners_count":21963903,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["bigdata","cloud-native","cluster","connected-vehicles","database","distributed","financial-analysis","industrial-iot","iot","metrics","monitoring","scalability","sql","tdengine","time-series","time-series-database","tsdb"],"created_at":"2024-09-24T20:14:25.425Z","updated_at":"2026-01-08T04:21:11.212Z","avatar_url":"https://github.com/taosdata.png","language":"C","funding_links":[],"categories":[],"sub_categories":[],"readme":"\u003cp align=\"center\"\u003e\n  \u003ca href=\"https://www.taosdata.com\" target=\"_blank\"\u003e\n  \u003cimg\n    src=\"docs/assets/tdengine.svg\"\n    alt=\"TDengine\"\n    width=\"500\"\n  /\u003e\n  \u003c/a\u003e\n\u003c/p\u003e\n\n简体中文 | [English](README.md) | [TDengine 云服务](https://cloud.taosdata.com/?utm_medium=cn\u0026utm_source=github) | 很多职位正在热招中，请看[这里](https://www.taosdata.com/careers/)\n\n# 目录\n\n1. [TDengine 简介](#1-tdengine-简介)\n1. [文档](#2-文档)\n1. [必备工具](#3-必备工具)\n    - [3.1 Linux预备](#31-linux系统)\n    - [3.2 macOS预备](#32-macos系统)\n    - [3.3 Windows预备](#33-windows系统) \n    - [3.4 克隆仓库](#34-克隆仓库) \n1. [构建](#4-构建)\n    - [4.1 Linux系统上构建](#41-linux系统上构建)\n    - [4.2 macOS系统上构建](#42-macos系统上构建)\n    - [4.3 Windows系统上构建](#43-windows系统上构建) \n1. [打包](#5-打包)\n1. [安装](#6-安装)\n    - [6.1 Linux系统上安装](#61-linux系统上安装)\n    - [6.2 macOS系统上安装](#62-macos系统上安装)\n    - [6.3 Windows系统上安装](#63-windows系统上安装)\n1. [快速运行](#7-快速运行)\n    - [7.1 Linux系统上运行](#71-linux系统上运行)\n    - [7.2 macOS系统上运行](#72-macos系统上运行)\n    - [7.3 Windows系统上运行](#73-windows系统上运行)\n1. [测试](#8-测试)\n1. [版本发布](#9-版本发布)\n1. [工作流](#10-工作流)\n1. [覆盖率](#11-覆盖率)\n1. [成为社区贡献者](#12-成为社区贡献者)\n\n\n# 1. 简介\n\nTDengine 是一款开源、高性能、云原生的时序数据库 (Time-Series Database, TSDB)。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功能外，TDengine 还提供缓存、数据订阅、流式计算等功能，是一极简的时序数据处理平台，最大程度的减小系统设计的复杂度，降低研发和运营成本。与其他时序数据库相比，TDengine 的主要优势如下：\n\n- **高性能**：通过创新的存储引擎设计，无论是数据写入还是查询，TDengine 的性能比通用数据库快 10 倍以上，也远超其他时序数据库，存储空间不及通用数据库的1/10。\n\n- **云原生**：通过原生分布式的设计，充分利用云平台的优势，TDengine 提供了水平扩展能力，具备弹性、韧性和可观测性，支持k8s部署，可运行在公有云、私有云和混合云上。\n\n- **极简时序数据平台**：TDengine 内建消息队列、缓存、流式计算等功能，应用无需再集成 Kafka/Redis/HBase/Spark 等软件，大幅降低系统的复杂度，降低应用开发和运营成本。\n\n- **分析能力**：支持 SQL，同时为时序数据特有的分析提供SQL扩展。通过超级表、存储计算分离、分区分片、预计算、自定义函数等技术，TDengine 具备强大的分析能力。\n\n- **简单易用**：无任何依赖，安装、集群几秒搞定；提供REST以及各种语言连接器，与众多第三方工具无缝集成；提供命令行程序，便于管理和即席查询；提供各种运维工具。\n\n- **核心开源**：TDengine 的核心代码包括集群功能全部开源，截止到2022年8月1日，全球超过 135.9k 个运行实例，GitHub Star 18.7k，Fork 4.4k，社区活跃。\n\n了解TDengine高级功能的完整列表，请 [点击](https://tdengine.com/tdengine/)。体验TDengine最简单的方式是通过[TDengine云平台](https://cloud.tdengine.com)。\n\n# 2. 文档\n\n关于完整的使用手册，系统架构和更多细节，请参考 [TDengine](https://www.taosdata.com/) 或者 [TDengine 官方文档](https://docs.taosdata.com)。\n\n用户可根据需求选择通过[容器](https://docs.taosdata.com/get-started/docker/)、[安装包](https://docs.taosdata.com/get-started/package/)、[Kubernetes](https://docs.taosdata.com/deployment/k8s/)来安装或直接使用无需安装部署的[云服务](https://cloud.taosdata.com/)。本快速指南是面向想自己编译、打包、测试的开发者的。\n  \n如果想编译或测试TDengine连接器，请访问以下仓库: [JDBC连接器](https://github.com/taosdata/taos-connector-jdbc), [Go连接器](https://github.com/taosdata/driver-go), [Python连接器](https://github.com/taosdata/taos-connector-python), [Node.js连接器](https://github.com/taosdata/taos-connector-node), [C#连接器](https://github.com/taosdata/taos-connector-dotnet), [Rust连接器](https://github.com/taosdata/taos-connector-rust).\n\n# 3. 前置条件\n\nTDengine 目前可以在 Linux、 Windows、macOS 等平台上安装和运行。任何 OS 的应用也可以选择 taosAdapter 的 RESTful 接口连接服务端 taosd。CPU 支持 X64/ARM64，后续会支持 MIPS64、Alpha64、ARM32、RISC-V 等 CPU 架构。目前不支持使用交叉编译器构建。\n\n## 3.1 Linux系统\n\n\u003cdetails\u003e\n\n\u003csummary\u003e安装Linux必备工具\u003c/summary\u003e\n\n### Ubuntu 18.04、20.04、22.04\n\n```bash\nsudo apt-get udpate\nsudo apt-get install -y gcc cmake build-essential git libjansson-dev \\\n  libsnappy-dev liblzma-dev zlib1g-dev pkg-config\n```\n\n### CentOS 8\n\n```bash\nsudo yum update\nyum install -y epel-release gcc gcc-c++ make cmake git perl dnf-plugins-core \nyum config-manager --set-enabled powertools\nyum install -y zlib-static xz-devel snappy-devel jansson-devel pkgconfig libatomic-static libstdc++-static \n```\n\n\u003c/details\u003e\n\n## 3.2 macOS系统\n\n\u003cdetails\u003e\n\n\u003csummary\u003e安装macOS必备工具\u003c/summary\u003e\n\n根据提示安装依赖工具 [brew](https://brew.sh/).\n\n```bash\nbrew install argp-standalone gflags pkgconfig\n```\n\n\u003c/details\u003e\n\n## 3.3 Windows系统\n\n\u003cdetails\u003e\n\n\u003csummary\u003e安装Windows必备工具\u003c/summary\u003e\n\n进行中。\n\n\u003c/details\u003e\n\n## 3.4 克隆仓库\n\n通过如下命令将TDengine仓库克隆到指定计算机:\n\n```bash\ngit clone https://github.com/taosdata/TDengine.git\ncd TDengine\n```\n\n# 4. 构建\n\nTDengine 还提供一组辅助工具软件 taosTools，目前它包含 taosBenchmark（曾命名为 taosdemo）和 taosdump 两个软件。默认 TDengine 编译不包含 taosTools, 您可以在编译 TDengine 时使用`cmake .. -DBUILD_TOOLS=true` 来同时编译 taosTools。\n\n为了构建TDengine, 请使用 [CMake](https://cmake.org/) 3.13.0 或者更高版本。\n\n## 4.1 Linux系统上构建\n\n\u003cdetails\u003e\n\n\u003csummary\u003eLinux系统上构建步骤\u003c/summary\u003e\n\n可以通过以下命令使用脚本 `build.sh` 编译TDengine和taosTools，包括taosBenchmark和taosdump:\n\n```bash\n./build.sh\n```\n\n也可以通过以下命令进行构建:\n\n```bash\nmkdir debug \u0026\u0026 cd debug\ncmake .. -DBUILD_TOOLS=true -DBUILD_CONTRIB=true\nmake\n```\n\n可以使用Jemalloc作为内存分配器，而不是使用glibc:\n\n```bash\ncmake .. -DJEMALLOC_ENABLED=true\n```\nTDengine构建脚本可以自动检测x86、x86-64、arm64平台上主机的体系结构。\n您也可以通过CPUTYPE选项手动指定架构:\n\n```bash\ncmake .. -DCPUTYPE=aarch64 \u0026\u0026 cmake --build .\n```\n\n\u003c/details\u003e\n\n## 4.2 macOS系统上构建\n\n\u003cdetails\u003e\n\n\u003csummary\u003emacOS系统上构建步骤\u003c/summary\u003e\n\n请安装XCode命令行工具和cmake。使用XCode 11.4+在Catalina和Big Sur上完成验证。\n\n```shell\nmkdir debug \u0026\u0026 cd debug\ncmake .. \u0026\u0026 cmake --build .\n```\n\n\u003c/details\u003e\n\n## 4.3 Windows系统上构建\n\n\u003cdetails\u003e\n\n\u003csummary\u003eWindows系统上构建步骤\u003c/summary\u003e\n\n如果您使用的是Visual Studio 2013，请执行“cmd.exe”打开命令窗口执行如下命令。\n执行vcvarsall.bat时，64位的Windows请指定“amd64”，32位的Windows请指定“x86”。\n\n```cmd\nmkdir debug \u0026\u0026 cd debug\n\"C:\\Program Files (x86)\\Microsoft Visual Studio 12.0\\VC\\vcvarsall.bat\" \u003c amd64 | x86 \u003e\ncmake .. -G \"NMake Makefiles\"\nnmake\n```\n\n如果您使用Visual Studio 2019或2017:\n\n请执行“cmd.exe”打开命令窗口执行如下命令。\n执行vcvarsall.bat时，64位的Windows请指定“x64”，32位的Windows请指定“x86”。\n\n```cmd\nmkdir debug \u0026\u0026 cd debug\n\"c:\\Program Files (x86)\\Microsoft Visual Studio\\2019\\Community\\VC\\Auxiliary\\Build\\vcvarsall.bat\" \u003c x64 | x86 \u003e\ncmake .. -G \"NMake Makefiles\"\nnmake\n```\n\n或者，您可以通过点击Windows开始菜单打开命令窗口-\u003e“Visual Studio \u003c 2019 | 2017 \u003e”文件夹-\u003e“x64原生工具命令提示符VS \u003c 2019 | 2017 \u003e”或“x86原生工具命令提示符VS \u003c 2019 | 2017 \u003e”取决于你的Windows是什么架构，然后执行命令如下：\n\n```cmd\nmkdir debug \u0026\u0026 cd debug\ncmake .. -G \"NMake Makefiles\"\nnmake\n```\n\u003c/details\u003e\n\n# 5. 打包\n\n由于一些组件依赖关系，TDengine社区安装程序不能仅由该存储库创建。我们仍在努力改进。\n\n# 6. 安装\n\n\n## 6.1 Linux系统上安装\n\n\u003cdetails\u003e\n\n\u003csummary\u003eLinux系统上安装详细步骤\u003c/summary\u003e\n\n构建成功后，TDengine可以通过以下命令进行安装:\n\n```bash\nsudo make install\n```\n从源代码安装还将为TDengine配置服务管理。用户也可以使用[TDengine安装包](https://docs.taosdata.com/get-started/package/)进行安装。 \n\n\u003c/details\u003e\n\n## 6.2 macOS系统上安装\n\n\u003cdetails\u003e\n\n\u003csummary\u003emacOS系统上安装详细步骤\u003c/summary\u003e\n\n构建成功后，TDengine可以通过以下命令进行安装:\n\n```bash\nsudo make install\n```\n\n\u003c/details\u003e\n\n## 6.3 Windows系统上安装\n\n\u003cdetails\u003e\n\n\u003csummary\u003eWindows系统上安装详细步骤\u003c/summary\u003e\n\n构建成功后，TDengine可以通过以下命令进行安装:\n\n```cmd\nnmake install\n```\n\n\u003c/details\u003e\n\n# 7. 快速运行\n\n## 7.1 Linux系统上运行\n\n\u003cdetails\u003e\n\n\u003csummary\u003eLinux系统上运行详细步骤\u003c/summary\u003e\n\n在Linux系统上安装TDengine完成后，在终端运行如下命令启动服务:\n\n```bash\nsudo systemctl start taosd\n```\n然后用户可以通过如下命令使用TDengine命令行连接TDengine服务:\n\n```bash\ntaos\n```\n\n如果TDengine 命令行连接服务器成功，系统将打印欢迎信息和版本信息。否则，将显示连接错误信息。\n\n如果您不想将TDengine作为服务运行，您可以在当前终端中运行它。例如，要在构建完成后快速启动TDengine服务器，在终端中运行以下命令：（我们以Linux为例，Windows上的命令为 `taosd.exe`）\n\n```bash\n./build/bin/taosd -c test/cfg\n```\n\n在另一个终端上，使用TDengine命令行连接服务器:\n\n```bash\n./build/bin/taos -c test/cfg\n```\n\n选项 `-c test/cfg` 指定系统配置文件的目录。\n\n\u003c/details\u003e\n\n## 7.2 macOS系统上运行\n\n\u003cdetails\u003e\n\n\u003csummary\u003emacOS系统上运行详细步骤\u003c/summary\u003e\n\n在macOS上安装完成后启动服务，双击/applications/TDengine启动程序，或者在终端中执行如下命令：\n\n```bash\nsudo launchctl start com.tdengine.taosd\n```\n\n然后在终端中使用如下命令通过TDengine命令行连接TDengine服务器:\n\n```bash\ntaos\n```\n\n如果TDengine命令行连接服务器成功，系统将打印欢迎信息和版本信息。否则，将显示错误信息。\n\n\u003c/details\u003e\n\n\n## 7.3 Windows系统上运行\n\n\u003cdetails\u003e\n\n\u003csummary\u003eWindows系统上运行详细步骤\u003c/summary\u003e\n\n您可以使用以下命令在Windows平台上启动TDengine服务器:\n\n```cmd\n.\\build\\bin\\taosd.exe -c test\\cfg\n```\n\n在另一个终端上，使用TDengine命令行连接服务器:\n\n```cmd\n.\\build\\bin\\taos.exe -c test\\cfg\n```\n\n选项 `-c test/cfg` 指定系统配置文件的目录。\n\n\u003c/details\u003e\n\n# 8. 测试\n\n有关如何在TDengine上运行不同类型的测试，请参考 [TDengine测试](./tests/README-CN.md)\n\n# 9. 版本发布\n\nTDengine发布版本的完整列表，请参考 [版本列表](https://github.com/taosdata/TDengine/releases)\n\n# 10. 工作流\n\nTDengine构建检查工作流可以在参考 [Github Action](https://github.com/taosdata/TDengine/actions/workflows/taosd-ci-build.yml), 更多的工作流正在创建中，将很快可用。\n\n# 11. 覆盖率\n\n最新的TDengine测试覆盖率报告可参考 [coveralls.io](https://coveralls.io/github/taosdata/TDengine)\n\n\u003cdetails\u003e\n\n\u003csummary\u003e如何在本地运行测试覆盖率报告？\u003c/summary\u003e\n\n在本地创建测试覆盖率报告（HTML格式），请运行以下命令:\n\n```bash\ncd tests\nbash setup-lcov.sh -v 1.16 \u0026\u0026 ./run_local_coverage.sh -b main -c task \n# on main branch and run cases in longtimeruning_cases.task \n# for more infomation about options please refer to ./run_local_coverage.sh -h\n```\n\u003e **注意:**\n\u003e 请注意，-b和-i选项将使用-DCOVER=true选项重新编译TDengine，这可能需要花费一些时间。\n\n\u003c/details\u003e\n\n# 12. 成为社区贡献者\n\n点击 [这里](https://www.taosdata.com/contributor)，了解如何成为 TDengine 的贡献者。\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Ftaosdata%2Ftdengine","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Ftaosdata%2Ftdengine","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Ftaosdata%2Ftdengine/lists"}