本文就从“ClickHouse 是什么”讲起，一步步带你走到“ClickHouse 的高级使用和优化”，让你既能快速上手，又能理解它背后的原理和适用场景。 一、ClickHouse 是什么？ 一句话概括：ClickHouse 是一个开源的列式存储 OLAP（Online Analytical Pro
发布于 2025-09-25
🎆实现效果如下 📊 Grafana 接入 TimescaleDB 的完整流程（含实时+聚合展示） 内容包括： Grafana 容器配置
发布于 2025-08-04
本文补充了TimescaleDB的压缩策略 + 自动清理历史数据，适用于物联网场景，确保： 老数据不浪费空间（压缩） 极旧数据自动清理（节省存储） 🧩 第一步：压缩策略 TimescaleDB 支持对老数据块压缩（列式压缩），性能和存储都更优。 添加以下内容到你之前的 init/init_time
发布于 2025-08-04
本文展示TimescaleDB的一个完整的示例，包括： 自动建表 SQL 初始化数据导入 连续聚合（Continuous Aggregates）创建 如何让容器启动时自动执行这些SQL 🧩 第一步：创建 SQL 脚本 在你的项目目录中，新建一个目录： mkdir init
发布于 2025-08-04
本文是一个 简单、实用、带TimescaleDB扩展的 docker-compose 启动环境，适合本地测试或小规模开发部署。 🐳 docker-compose.yml 示例（包含 TimescaleDB） version: '3.8' services: timescaledb:
发布于 2025-08-04
本文是对 TimescaleDB 的全面介绍，包括其原理、优势、架构、典型应用场景、与 PostgreSQL 的关系，以及你在物联网或时序数据场景下可能关心的点。 TimescaleDB官网：https://docs.tigerdata.com/ PostgreSQL官网：https://www.p
发布于 2025-08-04
将 PostgreSQL（尤其是搭配扩展如 TimescaleDB）与 ClickHouse 用于**物联网时序数据（IoT Time-Series Data）**场景进行性能对比，是许多系统架构设计中的关键决策。下面是一个从多个维度进行的对比分析，包含了性能、写入能力、查询能力、压缩、索引、扩展性
发布于 2025-08-04
发布于 2025-06-09
