企业官网建设流程全解析

TDengine 时序数据库完整部署指南：从安装包到跑通第一条查询

【免费下载链接】TDengineHigh-performance, scalable time-series database designed for Industrial IoT (IIoT) scenarios项目地址: https://gitcode.com/GitHub_Trending/tde/TDengine

如果你的项目要接设备监控、产线传感这类持续上报的数据，想在几分钟内先搭起一套能写入、能查询的时序数据库环境，TDengine 就是可以直接上手的答案。这份部署指南带你从选对安装包一路走到写入第一条记录并查出来，中间每一步都给出可直接复制的命令。

动手前的几项确认

先别急着下包。把这几项对照检查一遍，绝大多数"装不上"的问题都会在发生前被排除掉：

• 服务器端系统是 Linux 或 macOS（Windows 可作为纯客户端连接远程服务器）
• 硬件底线：1 核 CPU、1GB 内存、10GB 可用磁盘；生产环境建议 4 核、16GB 内存、100GB 以上 SSD
• 目标机器可以使用 sudo/root 权限执行安装命令
• 若部署 Windows 客户端：已安装最新版的 Microsoft Visual C++ Redistributable
• 端口 6030 未被防火墙拦截（远程连接和集群都需要）

按系统选对安装包

以 3.0.4.0 版本为例，Linux 下有 deb、rpm、压缩包三种形态，另有 APT 仓库可走长期更新路线。按你的发行版对号入座即可，用不上的部分直接跳过。

Debian / Ubuntu：走 deb 包

从官网下载中心拿到taos-3.0.4.0-Linux-x64.deb后，一条命令完成安装：

sudo dpkg -i taos-3.0.4.0-Linux-x64.deb

CentOS / RHEL：rpm 包路线

同样从下载中心获取taos-3.0.4.0-Linux-x64.rpm，然后：

sudo rpm -ivh taos-3.0.4.0-Linux-x64.rpm

通用 Linux：压缩包兜底

发行版不在上面之列时，tar.gz 压缩包是最通用的路子：

tar -zxvf TDengine-server-3.0.4.0-Linux-x64.tar.gz cd TDengine-server-3.0.4.0 sudo ./install.sh

脚本会引导你确认安装路径和 FQDN，一路回车用默认值即可。

长期用 Debian / Ubuntu：接入 APT 仓库

如果这台机器以后还会反复升级版本，接入仓库源比每次手工找包省心：

wget -qO - http://repos.taosdata.com/tdengine.key | sudo apt-key add - echo "deb [arch=amd64] http://repos.taosdata.com/tdengine-stable stable main" | sudo tee /etc/apt/sources.list.d/tdengine-stable.list sudo apt-get update sudo apt-get install tdengine

Windows：双击安装程序

下载 Windows 客户端安装程序，双击运行、跟着向导点完即可。中途报运行时缺失的话，先把 VC++ 运行库补到最新版再重试。

macOS：安装程序点一下

双击 macOS 安装包运行。系统弹出安全提示时，右键安装图标选择"打开"就能继续。

启动服务，跑一次真实写入

装完后先让服务跑起来。Linux 上四个组件都挂在 systemd 下，逐个启动：

sudo systemctl start taosd # 数据库核心 sudo systemctl start taosadapter # REST 接口 sudo systemctl start taoskeeper # 监控 sudo systemctl start taos-explorer # Web 管理界面

macOS 换成 launchctl：

sudo launchctl start com.tdengine.taosd sudo launchctl start com.tdengine.taosadapter sudo launchctl start com.tdengine.taoskeeper sudo launchctl start com.tdengine.taos-explorer

服务起来后别急着接业务数据，先用 TDengine 自带的性能工具 taosBenchmark 做一次完整验证。默认参数会建好 test 库和 meters 超级表，生成 10000 张子表（d0-d9999），每张写入 10000 条记录，一次性灌入 1 亿条时序数据：

taosBenchmark -y

刚才这一跑，写入的就是上图这种"一张超级表 + 若干子表"的结构：每张 d 系列表相当于一个设备，共享的 tag 是它的属性。

随后打开命令行确认数据真能查回来：

taos

进入 taos 后依次执行下面几条 SQL，从计数、聚合、条件过滤到时间窗口都覆盖到：

SELECT COUNT(*) FROM test.meters; SELECT AVG(current), MAX(voltage), MIN(phase) FROM test.meters; SELECT COUNT(*) FROM test.meters WHERE location = "California.SanFrancisco"; SELECT AVG(current), MAX(voltage), MIN(phase) FROM test.meters WHERE groupId = 10; SELECT _wstart, AVG(current), MAX(voltage), MIN(phase) FROM test.d1001 INTERVAL(10s);

数字都能正常返回，✅ 说明环境已经就绪，可以接真实业务数据了。

卡住了？对着症状找

⚠️ 遇到问题先按下表对照，再翻日志，多数情况一两轮就能定位：

跑通之后，接下来值得做的三件事

1. 接上真实设备数据：在网关或服务器上装 Telegraf 采集 CPU、磁盘、网络等指标直写 TDengine，再配 Grafana 出图——下图这条链路是最常见的生产组合，接入细节见 docs/zh/13-ecosystem-integrations/。

2. 写第一条流计算：把"电流超阈值就告警"这类规则写成持续查询，数据一进来就实时出结果，用法参考 docs/zh/07-stream-processing/。

3. 扩成多节点集群：单机扛不住时，按 docs/zh/12-operations-and-tooling/ 里的运维指南拉起三节点集群，把前面采集的数据放进生产级存储。

环境已经跑起来了，现在就把第一条业务数据写进去吧 🚀

【免费下载链接】TDengineHigh-performance, scalable time-series database designed for Industrial IoT (IIoT) scenarios项目地址: https://gitcode.com/GitHub_Trending/tde/TDengine