今天我們?yōu)榇蠹曳窒硪粋€關于 TDengine 在 PERCENTILE 函數性能優(yōu)化上的真實案例。

為了幫助開發(fā)者更好地進行 SpringBoot 的開發(fā)，避免開發(fā)盲點，我們將 TDengine 資深研發(fā)所做的內部分享——《SpringBoot 多語言支持方案》進行了相關整理，給到有需要的開發(fā)者參考。

本文將通過一個具體的案例，介紹 Intel 團隊如何使用 TDengine 作為基礎軟件存儲實驗數據，并通過 TDengine 高效的查詢能力在 OpenVINO 部署深度學習模型，最終在 AIxBoard 開發(fā)板上實時運行分類任務。

為了給用戶打造更豐富的可視化方案，TDengine 在開源不久就提供了對 Grafana 的支持，此后也在不斷升級改造 TDengine Grafana 插件，還推出了基于 Grafana 的零依賴監(jiān)控解決方案 TDinsight。本篇文章將以 tdengine-datasource 為例介紹 Grafana 插件開發(fā)。

在本篇文章中，我們將從 GitHub 上的一個關于內存泄漏的 issue入手，和大家探討下導致內存泄漏的原因，以及如何避免和定位內存泄漏。

為了幫助社區(qū)用戶更好地進行數據分析和管理，豐富可視化解決方案的多樣性，我們將開源的時序數據庫 TDengine OSS 與開源的數據庫分析工具進行了集成，相信這對終極開源工具一定能幫助你釋放數據潛力。

經過我們不斷地打磨優(yōu)化之后，TDengine 3.0 在性能、功能、穩(wěn)定性各個方面均有大幅提升，已經從一款時序數據庫蛻變成為高性能、云原生、分布式的物聯網、工業(yè)大數據平臺。