e企观 · 企业IT与信创

企业级IT与信创国产化深度观察 | 大观视界

e企观 · 企业IT与信创

企业级IT与信创国产化深度观察 | 大观视界

产品库

收录该频道产品，支持按分类与品牌筛选 共 8463 款

企业库 →
分类
全部 交换机2033 服务器1956 网络设备973 工作站381 企业级IT产品333 园区交换机322 园区交换机 · 接入交换机282 园区交换机 · 汇聚交换机32 园区交换机 · 核心交换机8 无线320 服务器CPU280 内存175 固态硬盘148 路由器144 服务器与计算140 数据中心交换机121 数据中心交换机 · 接入交换机43 数据中心交换机 · 汇聚交换机32 数据中心交换机 · 核心交换机31 数据中心交换机 · 液冷2 网络存储115 边界安全88 边界安全 · 防火墙491 机架服务器85 机架服务器 · 高密存储1 开发与运维工具56 数据库56 工业交换机52 工业交换机 · 导轨式交换机18 工业交换机 · 机架式交换机17 工业交换机 · 时间敏感网络6 工业交换机 · 模块化交换机4 边缘 AI 加速卡41 车规级 AI 芯片40 AI 训推一体加速卡36 AI 服务器33 服务器与云计算29 分布式存储28 服务器操作系统27 应用安全26 应用安全 · 入侵防御13 应用安全 · 应用控制网关11 应用安全 · 负载均衡2 国产数据库25 海量存储25 刀片服务器24 国产操作系统23 基础软件23 AI 与新型数据库22 国产处理器与芯片21 AI 超算一体机19 入门级存储18 嵌入式CPU18 网络安全18 企业级硬件17 无源光网络 EPON17 无源光网络 EPON · 全光网络7 无源光网络 EPON · EPON 局端设备5 无源光网络 EPON · GPON 局端设备3 无源光网络 EPON · 全屋光宽带2 云端 AI 加速卡15 数据安全14 AI 训练卡13 高性能通用CPU13 存储网络设备12 备份一体机11 终端智能处理器 IP11 一体化交付10 全闪存储10 关键业务服务器10 软件平台10 MUSA 软件栈9 桌面操作系统9 AI 应用8 核心数据库8 配套芯片8 AI 推理卡7 关键业务计算7 分布式数据库7 全闪存存储6 密码安全6 数据库一体机6 时序数据库6 混闪存储6 边缘服务器6 信息安全5 其它型号（文档索引）5 存储产品5 安全监测与审计5 安全监测与审计 · 漏洞扫描2 安全监测与审计 · 流量分析1 应用产品5 终端与外设5 多模态新型数据库4 开发运维4 开发运维工具4 数据集成4 混合闪存存储4 迁移与容灾4 迁移与数据同步4 GPU 服务器3 云桌面3 光传输3 光传输 · 光传输网2 光传输 · 数据中心互联1 无线网络3 FusionServer 计算节点2 万物智联操作系统2 物联网2 研创工作站2 超融合2 集群与高可用2 AI 智算一体机1 AI知识图谱平台1 事务型数据库1 分析型数据库1 图数据库1 存储虚拟化1 安全管理1 工业操作系统1 并行文件系统1 开源社区版操作系统1 数据复制软件1 数据校验软件1 数据融合管理平台1 数据集成软件1 文档数据库1 显示器1 智云AI数据平台1 智云创客架构适配平台1 智云商业智能平台1 智云大数据存储平台1 智云容器云平台1 智云数据可视化平台1 智云数据库1 智云数据治理平台1 智云时空大数据管理平台1 智云混合云管平台1 智云物联网平台1 智能管理平台1 智能终端1 智能终端操作系统1 桌面 AI 超算1 移动通信1 移动通信 · LTE1 缓存数据库1 虚拟化计算1 解决方案1 迁移与信创解决方案1 迁移运维管理平台1 运维与管控1 高可用集群软件1
品牌
AMD Intel OceanBase PingCAP 三星 东方通 中兴 中兴通讯 中国软件 中国长城 中科方德 中科曙光 中芯国际 人大金仓 优刻得 兆芯 兴森科技 冠捷科技 北方华创 华为 南大通用 四川长虹 壁仞科技 大华股份 天数智芯 威刚 宝兰德 寒武纪 希捷 惠普 戴尔 拓维信息 摩尔线程 新华三 昆仑芯 星环科技 星网锐捷 普华基础软件 沐曦 浪潮 浪潮集团 海光信息 涛思数据 清微智能 瀚博半导体 瀚高数据库 燧原 爱芯元智 百度 神州数码 统信软件 联想 芝奇 芯原股份 芯驰科技 苹果 西部数据 超聚变 软通动力 达梦数据 金士顿 铠侠 锐捷网络 长江存储 长电科技 阿里云 飞腾 麒麟信安 麒麟软件 黑芝麻智能 龙芯中科
参数筛选
电源功率 0–60,000 2501 款
~

可选范围 0 – 60,000

重量 0–6,565 2361 款
~

可选范围 0 – 6,565

包转发率 0–921,600 2232 款
~

可选范围 0 – 921,600

端口数量 1–480 1826 款
~

可选范围 1 – 480

VLAN 0–4,096 1756 款
~

可选范围 0 – 4,096

背板带宽 0.6–3,214 1515 款
~

可选范围 0.6 – 3,214

交换方式 6 种 1344 款
MAC地址表 0–8,000 1340 款
~

可选范围 0 – 8,000

中科方德 方德鸳鸯火锅平台
中科方德

中科方德 方德鸳鸯火锅平台

方德鸳鸯火锅平台（简称火锅平台）是基于开源Wine深度改造和彻底升级的应用运行环境，使得原生适配过的Windows应用在方德操作系统平台能够像原Windows平台一样部署和运行，确保用户最小适配迁移、应用重构工作量。火锅平台使得方德操作系统成为支持Windows应用的操作系统，具备了同时支持Linux应用和Windows应用的能力。

方德鸳鸯火锅平台 13 项参数 ›
涛思数据 时序数据库在机场运营：航班地面保障与行李分拣数据架构
涛思数据

涛思数据 时序数据库在机场运营：航班地面保障与行李分拣数据架构

机场设备层级深且不规则：航站楼—指廊—楼层—区域—设备五级之下，行李系统还嵌套"线—段—机"三级子结构。层级查询（"整个T3的能耗""三号线的故障率"）要求标签体系与物理层级严格同构。建模时的常见失误是把层级关系编码进设备命名，依赖字符串前缀匹配做聚合——前缀匹配无法利用标签索引，数据规模上来后这类查询全面超时。正确的做法是把每一级层级都展开为独立标签列，让过滤条件全部走索引路径。

时序数据库在机场运营：航班地面保障与行李分拣数据架构 12 项参数 ›
涛思数据 时序数据库在食品加工：HACCP关键控制点监测与追溯数据架构
涛思数据

涛思数据 时序数据库在食品加工：HACCP关键控制点监测与追溯数据架构

HACCP体系的核心逻辑，是将食品安全控制从终产品检验前移到过程控制。GB/T 27341与FDA的FSMA法规均要求对关键控制点（CCP）实施连续监测并留存记录，记录保存期通常不短于产品保质期后两年。以一条液态奶产线为例：杀菌段以4秒间隔记录温度、压力、流量三组参数，单条产线每年的监测记录即超过两千万条；一个下辖十余个工厂、上百条产线的乳品集团，数据规模直接进入百亿级。这类数据的体量、写入速率与

时序数据库在食品加工：HACCP关键控制点监测与追溯数据架构 11 项参数 ›
涛思数据 配电网馈线监测的时序数据库数据架构
涛思数据

涛思数据 配电网馈线监测的时序数据库数据架构

配电网的数据架构设计，考验的是对”毫秒级”和”高基数”两个要求的同时满足能力。故障录波要求微秒级时间戳和高写入峰值，线损计算要求跨终端的关联聚合查询，而整个系统要在县域规模的数千终端上稳定运行。 时序数据库 的选型决策，最终需要落在两个问题上：在故障发生时，录波数据能不能完整、准确、及时地入库；在日常运营中，线损分析能不能在秒级返回结果。TDengine在配网行业的多个实际项目中，已经验证了其在这

配电网馈线监测的时序数据库数据架构 16 项参数 ›
涛思数据 时序数据库JVM与内存调优：GC停顿对写入延迟的影响
涛思数据

涛思数据 时序数据库JVM与内存调优：GC停顿对写入延迟的影响

JVM系方案的全部努力，目标是把GC影响压到可接受区间；另一条路线是从语言层面消除问题本身。C/C++实现的存储引擎没有托管堆，内存分配完全显式，停顿的来源只剩系统调用与锁竞争。TDengine选择C语言实现即基于这一判断：写入延迟的P99.9与P50之间不存在GC引入的数量级鸿沟，延迟分布曲线平滑，毛刺归因可以直接定位到IO或网络。这不是免费午餐——显式内存管理的缺陷风险由工程规范与测试覆盖兜底

时序数据库JVM与内存调优：GC停顿对写入延迟的影响 13 项参数 ›
涛思数据 从InfluxDB迁移到时序数据库的工程路径
涛思数据

涛思数据 从InfluxDB迁移到时序数据库的工程路径

InfluxDB的生命周期终点不是终点，而是技术架构升级的起点。迁移的本质不是换一个数据库，而是从一个受限的专有存储模型转向更开放、可扩展的工业数据库体系。在这个过程中，Schema映射的严谨性、双写切流的稳健性、以及数据校验的完备性，共同决定了迁移能否成功落地。对于那些正在评估方案的团队，建议先用非核心业务做PoC，跑通全链路后再推广到主业务——时序数据库的 选型 ，最终要落在生产验证上。

从InfluxDB迁移到时序数据库的工程路径 18 项参数 ›
涛思数据 SIMD与列式计算：时序数据库向量化执行引擎原理
涛思数据

涛思数据 SIMD与列式计算：时序数据库向量化执行引擎原理

向量化执行引擎的加速效果来自两方面：摊薄算子的固定调用开销，以及利用CPU的SIMD与缓存能力。它把数据库的执行效率从逐行解释执行提升到批量编译执行的层次。对于以聚合与扫描为主的时序查询，向量化的收益尤为显著——这也是近年新架构的时序数据库普遍采用向量化执行引擎的原因。TDengine的向量化查询引擎结合列式存储，使大范围聚合查询的吞吐量相比逐行引擎有明显提升，为高基数、大数据量场景下的交互式分析

SIMD与列式计算：时序数据库向量化执行引擎原理 20 项参数 ›
涛思数据 梅州卷烟厂 制丝车间 10 万测点，数据底座怎么建？梅州卷烟厂的真实实践
涛思数据

涛思数据 梅州卷烟厂 制丝车间 10 万测点，数据底座怎么建？梅州卷烟厂的真实实践

小T导读： 梅州卷烟厂成立于 1980 年，是梅州地区的重要支柱企业，也是广东中烟工业有限责任公司主要生产厂之一，承担着“双喜五叶神系列”“双喜春天系列”等重点品牌的制造任务。2024 年，梅州卷烟厂启动制丝中控系统数字化升级改造，引入 TDengine TSDB 构建高效的数据存储与分析平台，在保障系统稳定性与快速响应的同时，显著降低了硬件投入与运维成本，为烟草生产过程的精细化管控和工业大数据平

梅州卷烟厂 制丝车间 10 万测点，数据底座怎么建？梅州卷烟厂的真实实践 23 项参数 ›
涛思数据 连续聚合与最新值缓存：时序数据库预聚合的性能工程实践
涛思数据

涛思数据 连续聚合与最新值缓存：时序数据库预聚合的性能工程实践

预聚合与缓存是时序数据查询性能优化的核心手段，其本质是用存储空间和写入开销换取查询效率。这一取舍没有固定答案——原始数据精度、聚合粒度、刷新周期、存储成本构成一个多维度的权衡空间，需要结合具体查询模式确定。从技术演进看，连续聚合正从”手动定义、定时计算”向”按查询模式自动推荐聚合策略”方向发展，让优化从依赖专家经验转向系统自动决策。TDengine的流式计算与连续查询能力，将聚合计算下沉到存储引擎

连续聚合与最新值缓存：时序数据库预聚合的性能工程实践 20 项参数 ›
涛思数据 城市供水SCADA中的时序数据库架构实践
涛思数据

涛思数据 城市供水SCADA中的时序数据库架构实践

城市供水的数据架构，本质上是在有限的通信资源和分散的终端条件下，构建一条从物理管网到数字孪生的感知通道。 时序数据库 的 选型 ，不能只看实验室写入TPS，更要看在真实网络条件下数据能否准确、连续地入库、能否支撑DMA分区这种跨终端的关联查询、以及能否以可接受的成本支撑5年以上的数据留存。TDengine在供水行业的多个标杆项目中，已经验证了其在这些维度上的工程可行性。

城市供水SCADA中的时序数据库架构实践 25 项参数 ›
涛思数据 时序数据库MVCC机制：读写并发控制与一致性视图
涛思数据

涛思数据 时序数据库MVCC机制：读写并发控制与一致性视图

MVCC在时序领域的演进方向是进一步收窄语义：放弃通用更新支持，换取写入路径的确定性延迟。选型评估时，与其核对隔离级别的标称支持列表，不如实测三项指标：长查询执行期间写入延迟是否稳定、批量提交的原子性边界是否清晰、乱序写入的吞吐衰减幅度。这三项覆盖了时序负载对并发控制的全部真实诉求。评估方法上还有一项常被忽略的测试：在持续写入下并发执行大跨度聚合查询，观察两者的延迟分布是否互相抬升。读写真正隔离的

时序数据库MVCC机制：读写并发控制与一致性视图 20 项参数 ›
涛思数据 地铁信号与运营监控：轨道交通场景下的时序数据库架构
涛思数据

涛思数据 地铁信号与运营监控：轨道交通场景下的时序数据库架构

轨道交通的数据架构受到安全等级与合规要求的强约束，通用IT系统的存储方案难以直接套用。运营监控平台的定位是跨系统数据融合分析，这一职责决定了它需要一个能承载海量多源数据、支持多级标签组织、满足长周期追溯的存储底座。从演进方向看，轨道交通的数据平台正在从各专业独立监控走向线网级统一数据服务，数据的价值从事故追溯扩展到运行优化与预测性维护。TDengine在列车标签建模、时间分区与分层存储上的适配能力

地铁信号与运营监控：轨道交通场景下的时序数据库架构 21 项参数 ›
涛思数据 井下环境与设备状态监测：矿山安全场景的时序数据库架构
涛思数据

涛思数据 井下环境与设备状态监测：矿山安全场景的时序数据库架构

矿山安全监测的数据架构受法规与安全逻辑的双重约束，它不是一个纯粹的性能优化问题，而是可靠性、时效性与可追溯性的综合工程。数据链路的每一环——传感器、分站、传输、存储——的失效都必须被检测，而非静默。从演进方向看，矿山监测正从”超限报警”走向”趋势预警与风险预测”，数据的价值从合规记录扩展到风险防控。TDengine在标签建模、列式压缩与流式计算上的能力，契合矿山多测点、长保留、秒级时效的监测需求，

井下环境与设备状态监测：矿山安全场景的时序数据库架构 22 项参数 ›
涛思数据 Prometheus长期存储困境与时序数据库的工程取舍
涛思数据

涛思数据 Prometheus长期存储困境与时序数据库的工程取舍

Prometheus与工业测点监控的服务对象不同，前者面向服务可用性，后者面向设备运行状态，二者的数据特征差异决定了存储选型不能一刀切。从工程演进方向看，”Prometheus采集+专用存储”的分层架构正在成为工业场景的折中方案，它承认了单一系统难以同时满足低延迟告警与长期高基数存储的现实。TDengine实现的Remote Write接口与PromQL兼容层，为这类场景提供了一条落地路径——采集

Prometheus长期存储困境与时序数据库的工程取舍 22 项参数 ›