搜索[时序预测]结果-低调大师优秀个人博客

精选列表

搜索[时序预测]，共10000篇文章

TimescaleDB 2.19.2 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 是一个开源数据库，旨在使 SQL 可扩展到时间序列数据，基于 PostgreSQL 构建的，并打包为 PostgreSQL 扩展程序，提供跨时间和空间的自动分区，以及完整的 SQL 支持。 TimescaleDB 2.19.2 现已发布，此版本包含自 2.18.1 版本以来的性能改进和错误修复。具体更新内容如下： Features #7923添加 GUC 来设置压缩批量大小限制 Bugfixes #7911不要为 published tables 创建Hypertable #7902修复 VectorAgg plan code 中的崩溃 GUCs compression_batch_size_limit：设置批量大小限制，默认：1000 更新说明：https://github.com/timescale/timescaledb/releases/tag/2.19.2

2025-04-09

TimescaleDB 2.17.1 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 是一个开源数据库，旨在使 SQL 可扩展到时间序列数据，基于 PostgreSQL 构建的，并打包为 PostgreSQL 扩展程序，提供跨时间和空间的自动分区，以及完整的 SQL 支持。 TimescaleDB 2.17.1 现已发布，此版本包含自 2.17.0 版本以来的错误修复。具体更新内容如下： Features #7360添加chunk skipping GUC Bugfixes #7335更改压缩中使用的日志级别 #7342修复内存元组过滤的排序规则更新说明：https://github.com/timescale/timescaledb/releases/tag/2.17.1

2024-10-22

TimescaleDB 2.15.3 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 是一个开源数据库，旨在使 SQL 可扩展到时间序列数据，基于 PostgreSQL 构建的，并打包为 PostgreSQL 扩展程序，提供跨时间和空间的自动分区，以及完整的 SQL 支持。 TimescaleDB 2.15.3 现已发布，此版本包含自 2.15.2 版本以来的错误修复。具体更新内容包括： Bug修复 #7061：修复压缩 INSERT 中多个唯一索引的处理。 #7080：修复corresponding equivalence member not found错误。 #7088：修复 DML 函数中的泄漏。 #7035：修复在副本上的 OSM 块上获取 tuple lock 时出现的错误。＃7091：修复在 PG16 上的目标列表中找不到 ORDER BY/GROUP BY 表达式的问题。更新说明：https://github.com/timescale/timescaledb/releases/tag/2.15.3

2024-07-05

TimescaleDB 2.13.1 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 是一个开源数据库，旨在使 SQL 可扩展到时间序列数据，基于 PostgreSQL 构建的，并打包为 PostgreSQL 扩展程序，提供跨时间和空间的自动分区，以及完整的 SQL 支持。 TimescaleDB 2.13.1 现已发布，此版本包含自 2.13.0 版本以来的错误修复。具体更新内容如下： Bug 修复 #6365在近似行数中使用 numrows_pre_compression #6377在 PG16 中使用已处理的组子句 #6384更改 bgw_log_level 以使用 PGC_SUSET #6393禁用表达式的向量化总和。 #6405从物化数据中读取 CAgg 水印 #6408修复 PG16 中的 gapfill 的 groupby pathkeys #6428修复 DML 解压期间的索引匹配 #6439修复 PG16 上的压缩块权限处理 #6443修复丢失的并发 CAgg 更新 #6454修复压缩块上的唯一表达式索引 #6465修复解压排序逻辑中释放路径的使用详情可查看更新说明。

2024-01-11

TimescaleDB 2.13.0 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 是一个开源数据库，旨在使 SQL 可扩展到时间序列数据，基于 PostgreSQL 构建的，并打包为 PostgreSQL 扩展程序，提供跨时间和空间的自动分区，以及完整的 SQL 支持。 TimescaleDB 2.13.0 现已发布，此版本包含自 2.12.2 版本以来的性能改进、改进的hypertable DDL API和错误修复。此外还有一些值得注意的新功能：完全支持 PostgreSQL 16 所有现有功能 sum() 的向量化聚合执行跟踪保留/压缩策略中使用的 chunk 创建时间弃用通知：多节点支持 TimescaleDB 2.13 是包含多节点支持的最后一个版本。2.13 中的多节点支持适用于 PostgreSQL 13、14 和 15。可在此处了解更多信息。如果你想从多节点 TimescaleDB 迁移到单节点 TimescaleDB，可阅读迁移文档。 PostgreSQL 13 弃用公告将继续支持 PostgreSQL 13 直至 2024 年 4 月。到那时，项目团队将推出不再包含 PostgreSQL 13 支持的 TimescaleDB 特定版本。从 TimescaleDB 2.13.0 开始 No Amazon Machine Images (AMI) 发布。如果你之前使用过AMI，可使用其他安装方法默认情况下，Continuous Aggregates are materialized only (non-realtime) 详情可查看更新说明。

2023-11-29

openGemini时序数据库大解析：查询引擎框架

/engine/executor/select.go:49 Logical Plan Builder，根据时序数据库设计的逻辑算子和逻辑代数，从抽象语法树生成对应的逻辑计划。

2023-09-11

TimescaleDB 2.11.2 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 是一个开源数据库，旨在使 SQL 可扩展到时间序列数据，基于 PostgreSQL 构建的，并打包为 PostgreSQL 扩展程序，提供跨时间和空间的自动分区，以及完整的 SQL 支持。这个版本包含自2.11.1版本以来的错误修复，值得注意的更新内容包括： Features #5923TimescaleDB features 的Feature flags Bug 修复 #5680修复在多个 SegmentBy 列上使用 JOIN 的 DISTINCT 查询 #5774修复了解压排序合并代码中的两个错误 #5786确保 pg_config --cppflags 已pass #5906修复 sql 脚本中 quoting owners 的问题。 #5912修复 1-step 整数策略创建中的崩溃问题更新说明：https://github.com/timescale/timescaledb/releases/tag/2.11.2

2023-08-17

TimescaleDB 2.11.1 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 是一个开源数据库，旨在使 SQL 可扩展到时间序列数据，基于 PostgreSQL 构建的，并打包为 PostgreSQL 扩展程序，提供跨时间和空间的自动分区，以及完整的 SQL 支持。这个版本包含自 2.11.0 版本以来的错误修复，值得注意的更新内容包括：特性 #5679更新加载程序以添加对 OSM 扩展的支持（用于Timescale上的数据分层） Bug修复 #5705调度程序在调用delete_job时意外被kill #5742修复在 compressed chunks 上使用 ConstraintAwareAppend 的 Result 节点处理问题 #5750确保 decompress chunk plan 中存在 tlist #5754修复了 bookend_sfunc 中 NULL 值的处理 #5798修复了压缩排序合并中的 batch look ahead 问题 #5804将 cagg_watermark 函数标记为PARALLEL RESTRICTED #5807将作业配置 JSONB 结构复制到当前的 MemoryContext 中 #5824改进连续聚合查询块排除更新说明：https://github.com/timescale/timescaledb/releases/tag/2.11.1

2023-07-01

TimescaleDB 2.11 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 是一个开源数据库，旨在使 SQL 可扩展到时间序列数据，基于 PostgreSQL 构建的，并打包为 PostgreSQL 扩展程序，提供跨时间和空间的自动分区，以及完整的 SQL 支持。这个版本包含自 2.10.3 版本以来的新功能和错误修复，值得注意的特性包括：支持对压缩块的 DML 操作：支持 UPDATE/DELETE 支持对压缩块的唯一约束支持 ON CONFLICT DO UPDATE 支持 ON CONFLICT DO NOTHING 支持分层的 Continuous Aggregates 的连接。更多详情可查看：https://github.com/timescale/timescaledb/releases/tag/2.11.0

2023-05-23

TimescaleDB 2.10.2 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 是基于 PostgreSQL 开发的一款时序数据库，以插件化的形式打包提供。

2023-04-24

TimescaleDB 2.9.3 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 是基于 PostgreSQL 开发的一款时序数据库，以插件化的形式打包提供。

2023-04-20

TimescaleDB 2.10.1 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 是基于 PostgreSQL 开发的一款时序数据库，以插件化的形式打包提供。

2023-03-14

TimescaleDB 2.9.1 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 是基于 PostgreSQL 开发的一款时序数据库，以插件化的形式打包提供。

2022-12-24

Apache IoTDB 1.0.0 发布，物联网时序数据库

Apache IoTDB 1.0.0现已发布，Apache IoTDB 是一个物联网原生数据库，具有高性能的数据管理和分析功能，可部署在边缘和云端。具体更新内容包括：新架构，支持单机和集群模式，有两种类型的节点：ConfigNode、DataNode 支持 ConfigNode 管理：Start/Add, Stop, Remove 支持 DataNode 管理：Start/Add, Stop, Remove 支持 ConfigNode、Schema 和 Data 的复制支持共识协议：Simple、IoT、Ratis 支持集群管理 sql：show cluster、show regions 支持集群管理：用户、权限、角色管理登录和执行命令时的授权支持集群中的 MPP(massively parallel process) 框架支持集群中的插入、删除和所有查询类型支持 CSV 导入/导出工具支持 TsFile 导入/导出工具支持 create/show/count/delete 数据库支持show/count devices 支持 create/show/count 时间序列支持模式模板管理支持在 local/cluster 上刷新支持清除 local/cluster 上的缓存支持 DataNode 和 ConfigNode 的 metric，输出到 IoTDB、Prometheus 和 JMX 在 python 客户端中支持 DBAPI 支持集群的 RestApi、MQTT 查询中支持 having claus 和 between expression 支持在最后一个查询中按时间序列排序支持 data_dirs 热配置支持 stateful、stateless Trigger 支持 UDF 框架支持新的 UDF 'change_points 支持连续查询更新说明：https://github.com/apache/iotdb/releases/tag/v1.0.0

2022-12-05

TimescaleDB 2.6.0 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 是基于 PostgreSQL 开发的一款时序数据库，以插件化的形式打包提供。

2022-02-24

TimescaleDB 2.5.2 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 是基于 PostgreSQL 开发的一款时序数据库，以插件化的形式打包提供。

2022-02-13

Apache IoTDB 0.12.4 发布，物联网时序数据库

Apache IoTDB 0.12.4 已发布，Apache IoTDB 是一个物联网原生数据库，具有高性能的数据管理和分析功能，可部署在边缘和云端。 0.12.4 是错误修复版本，更新内容包括改进和引入新功能。新特性 [IOTDB-1823] 支持多级分组改进 [IOTDB-2027] WAL 写入失败后回滚无效条目 [IOTDB-2061] 添加最大并发子查询参数，分批读取数据以限制最大 IO，并增加最大缓存缓冲区大小配置 [IOTDB-2065] 当不再使用 TsFileSequenceReader 时，尽快释放它 [IOTDB-2072] 删除 TVListAllocator 以降低 TVList 内存成本 [IOTDB-2101] 减少 QueryDataSource 的内存占用 [IOTDB-2102]将限制运算符推送到每个读取器上 [IOTDB-2123]加快 recovery process 更新 cpp-cpi 的用户指南，并在 cpp-cli 中禁用编译 nodejs，以及忽略过多的 WAL BufferOverflow 日志详情查看 release note。下载地址：http://iotdb.apache.org/Download

2021-12-26

Spring Boot中使用时序数据库InfluxDB

接下来，我们继续介绍另一种特殊的数据库：时序数据库InfluxDB在Spring Boot中的使用。 InfluxDB简介什么是时序数据库？全称为时间序列数据库。

2021-08-03

TimescaleDB 2.4.0 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 是基于 PostgreSQL 开发的一款时序数据库，以插件化的形式打包提供。

2021-07-30

TimescaleDB 2.3.1 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 是基于 PostgreSQL 开发的一款时序数据库，以插件化的形式打包提供。

2021-07-06

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。

精选列表

TimescaleDB 2.19.2 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 2.17.1 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 2.15.3 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 2.13.1 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 2.13.0 发布，基于 PostgreSQL 的时序数据库

openGemini时序数据库大解析：查询引擎框架

TimescaleDB 2.11.2 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 2.11.1 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 2.11 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 2.10.2 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 2.9.3 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 2.10.1 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 2.9.1 发布，基于 PostgreSQL 的时序数据库

Apache IoTDB 1.0.0 发布，物联网时序数据库

TimescaleDB 2.6.0 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 2.5.2 发布，基于 PostgreSQL 的时序数据库

Apache IoTDB 0.12.4 发布，物联网时序数据库

Spring Boot中使用时序数据库InfluxDB

TimescaleDB 2.4.0 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 2.3.1 发布，基于 PostgreSQL 的时序数据库

资源下载

Mario

腾讯云软件源

Rocky Linux

WebStorm

欢迎您来访！