
摘要:2026年,伴随工业物联网与数字化转型的深度推进,国产时序数据库迎来规模化应用阶段,产品技术路线日趋多元。本文梳理主流国产时序数据库的核心技术特征、适配场景,同步提供多产品的基础部署与核心操作步骤,结合SQL实操案例解析技术落地逻辑,为企业技术选型与落地提供客观参考。
当前国产时序数据库形成分布式、多模融合、开源闭源并行的格局,各产品基于技术储备聚焦不同落地场景,核心技术参数与适配方向如下表所示:
数据库名称 | 核心厂商/社区 | 技术架构 | 开源属性 | 核心适配场景 |
|---|---|---|---|---|
TDengine | 涛思数据 | 分布式架构,原生时序优化 | 开源(集群版) | 工业大数据、物联网终端数据采集 |
KaiwuDB | 浪潮云弈 | 分布式多模融合,集成AI算法模块 | 商业版为主 | 多数据类型协同分析、智能决策场景 |
Apache IoTDB | 清华大学 (Apache基金会) | 端-边-云协同原生架构,树形数据模型 | 开源 | 物联网端边云一体化数据处理 |
DolphinDB | 浙江智臾科技 | 数据库+编程语言+流计算引擎集成 | 开源+商业版 | 金融量化交易、高频数据分析 |
openGemini | 华为云 | 云原生多模态,兼容InfluxDB生态 | 开源 | 云环境时序数据存储与实时分析 |
CnosDB | 诺司时空 | 云原生,支持分布式/集中式部署 | 开源 | 监控运维、通用物联网场景 |
GreptimeDB | 格睿科技 | 云原生分布式,实时分析引擎优化 | 开源 | 高时效时序数据洞察场景 |
金仓时序数据库 | 中电科金仓(原人大金仓) | KES内核时序插件,多模融合架构 | 商业版 | 业务数据与时序数据联动分析场景 |
以下针对3类典型技术路线的产品,提供Linux环境下基础部署步骤与核心功能操作代码,覆盖开源与商业代表性产品,实操过程均基于官方文档整理。
# 1. 下载安装包(2026最新稳定版)
wget https://dlcdn.apache.org/iotdb/1.3.0/apache-iotdb-1.3.0-all-bin.zip
# 2. 解压并进入目录
unzip apache-iotdb-1.3.0-all-bin.zip && cd apache-iotdb-1.3.0-all-bin
# 3. 启动服务
./sbin/start-server.sh
# 4. 连接客户端
./sbin/start-cli.sh -h 127.0.0.1 -p 6667 -u root -pw root-- 创建存储组(适配设备层级)
CREATE STORAGE GROUP root.sg_industrial;
-- 创建时序表(设备传感器数据)
CREATE TIMESERIES root.sg_industrial.dev001.temperature WITH DATATYPE=FLOAT, ENCODING=PLAIN;
CREATE TIMESERIES root.sg_industrial.dev001.pressure WITH DATATYPE=FLOAT, ENCODING=PLAIN;
-- 插入时序数据
INSERT INTO root.sg_industrial.dev001(timestamp, temperature, pressure)
VALUES (1736486400000, 25.6, 1.02), (1736486460000, 25.8, 1.03);
-- 查询数据
SELECT temperature, pressure FROM root.sg_industrial.dev001
WHERE time >= 1736486400000 AND time <= 1736486520000;# 1. 安装RPM包(CentOS)
curl -L https://get.taosdata.com/taos.repo -o /etc/yum.repos.d/taos.repo
yum clean all && yum makecache
yum install -y tdengine
# 2. 启动服务
systemctl start taosd
# 3. 连接客户端
taos-- 创建数据库(设置保留策略)
CREATE DATABASE industrial_db KEEP 365 DAYS 10 BLOCKS 6;
USE industrial_db;
-- 创建超级表(模板表)
CREATE STABLE device_data (ts TIMESTAMP, temperature FLOAT, pressure FLOAT)
TAGS (device_id NCHAR(32), factory NCHAR(64));
-- 创建子表(对应单设备)
CREATE TABLE dev001 USING device_data TAGS ('DEV001', '福建船舶设备厂');
-- 批量插入数据
INSERT INTO dev001 VALUES
('2026-01-10 08:00:00', 25.6, 1.02),
('2026-01-10 08:01:00', 25.8, 1.03);
-- 聚合查询
SELECT AVG(temperature), MAX(pressure) FROM dev001
WHERE ts BETWEEN '2026-01-10 08:00:00' AND '2026-01-10 09:00:00';
# 1. 启动KingbaseES服务
systemctl start kingbase8d
# 2. 连接数据库(使用sys_kingbase用户)
ksql -U sys_kingbase -d testdb -h 127.0.0.1 -p 54321
# 3. 启用时序插件
CREATE EXTENSION timeseries;
# 验证插件状态
\dx-- 1. 创建关系型设备台账表(业务数据)
CREATE TABLE device_info (
device_id VARCHAR(32) PRIMARY KEY,
device_name VARCHAR(64),
factory VARCHAR(64),
install_time TIMESTAMP
);
-- 2. 创建时序表(启用时间分区优化)
CREATE TABLE device_sensor_ts (
device_id VARCHAR(32),
collect_time TIMESTAMP NOT NULL,
temperature FLOAT,
pressure FLOAT,
PARTITION BY RANGE (collect_time) (
PARTITION p202601 VALUES LESS THAN ('2026-02-01'),
PARTITION p202602 VALUES LESS THAN ('2026-03-01')
)
) WITH (TIMESERIES = ON);
-- 3. 事务化写入多类型数据
BEGIN;
INSERT INTO device_info VALUES
('DEV001', '船舶GPS终端', '福建船舶设备厂', '2025-12-01'),
('DEV002', '电网监测传感器', '国家电网设备厂', '2025-11-15');
INSERT INTO device_sensor_ts VALUES
('DEV001', '2026-01-10 08:00:00', 25.6, 1.02),
('DEV001', '2026-01-10 08:01:00', 25.8, 1.03),
('DEV002', '2026-01-10 08:00:00', 22.3, 0.98);
COMMIT;
-- 4. 时序与关系数据跨表关联查询
SELECT
di.device_name,
dst.collect_time,
dst.temperature
FROM device_sensor_ts dst
JOIN device_info di ON dst.device_id = di.device_id
WHERE di.factory = '福建船舶设备厂'
AND dst.collect_time BETWEEN '2026-01-10 08:00:00' AND '2026-01-10 08:05:00';结合上述实操过程,不同技术路线产品的落地特性与适配场景可总结为以下几点,无主观优劣评判,仅基于技术逻辑与实操体验梳理:
企业选型需基于实操可行性、场景适配性、运维成本综合评估,核心维度如下:
2026年国产时序数据库的技术差异核心集中在部署架构、数据处理能力与生态适配性上,无绝对最优产品,仅存在场景适配度差异。开源产品凭借低成本与社区支持占据中小场景市场,商业产品依托企业级特性服务核心业务,多模融合与云原生成为两大主流演进方向。企业落地时,建议先通过基础实操验证产品适配性,再结合业务规模与运维能力确定最终选型。