TDengine TDGPTtaosanode安装部署与使用指南Linux/Windows 双平台从零搭建时间序列 AI 分析服务【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/TDengineTDGPT 是 TDengine 内置的 AI 分析平台在源码与安装目录中对应taosanode服务它把时间序列预测、异常检测、数据补齐等大模型/深度学习能力以 RESTFul 服务的形式提供给 TDengine 使用。本文以 tools/tdgpt/INSTALL-CN.md 为主体骨架结合仓库内配置与脚本源码完整讲解在 Linux 与 Windows 上的安装、服务管理、模型管理、配置调优与故障排查帮助读者从零搭建起可用的 TDGPT 分析服务。一、系统要求与端口规划支持的平台LinuxUbuntu 18.04、CentOS 7 或其他主流发行版WindowsWindows Server 2016 或 Windows 10/11。Python 版本TDGPT 的 taosanode 服务与模型服务全部由 Python 实现见 tools/tdgpt/README.md 的说明构建过程无需编译因此 Python 解释器版本是唯一的硬性依赖Python 3.10、3.11 或 3.12必需Python 3.10 以下或 3.13 不在官方支持范围内因为 torch、tensorflow 等深度学习依赖对解释器版本敏感。硬件要求建议值资源建议CPU4 核心内存8GB磁盘20GB模型权重与数据网络端口规划端口服务说明6035主 taosanode 服务RESTFul 分析服务入口6061tdtsfm时间序列基础模型6062timemoe时间序列专家混合模型TimeMoE6063chronosAmazon Chronos6064moiraiSalesforce Moirai6065timesfmGoogle TimesFM6066momentAutonLab MOMENT6067-6070预留后续模型服务端口从仓库配置 tools/tdgpt/cfg/taosanode.config.py 可以看到这些端口在models字典中逐一声明且模型服务的port与endpoint是服务 URL 的“单一事实来源”conf.py会根据http://ip:portendpoint自动推导每个模型的实际调用地址见 tools/tdgpt/taosanalytics/conf.py因此调整端口时只需修改配置中对应模型的port即可。二、Linux 安装1. 前置条件安装 Python 3.10# Ubuntu/Debian sudo apt-get update sudo apt-get install python3.10 python3.10-venv python3.10-dev # CentOS/RHEL sudo yum install python310 python310-devel同时确保当前用户具备系统级sudo权限因为安装脚本需要写入/usr/local/taos、创建虚拟环境并注册 systemd 服务。仓库 tools/tdgpt/README.md 还提供了 Ubuntu 下通过 deadsnakes PPA 安装 Python 3.10 并配置update-alternatives的完整流程适用于系统自带 Python 版本较旧的场景。2. 解压与安装# 解压安装包 tar -xzf tdgpt-linux-x.x.x.tar.gz cd tdgpt-linux-x.x.x # 标准安装 bash install.sh # 离线安装安装包内包含 wheels 时使用 bash install.sh -o # 自定义安装目录 bash install.sh -d /opt/tdgpt安装脚本会完成以下工作依据 tools/tdgpt/script/install.sh 与 tools/tdgpt/script/install.py 的实现在默认目录Linux 为/usr/local/taos/taosanode展开服务文件在/var/lib/taos/taosanode/venv或venvs/venv创建 Python 虚拟环境并安装requirements.txt中锁定的依赖包括flask、numpy、pandas、torch、tensorflow、keras等依赖清单见 tools/tdgpt/requirements.txt 与 tools/tdgpt/requirements_ess.txt注册 systemd 服务服务单元文件定义可参考仓库内的 tools/tdgpt/cfg/taosanoded.service。注意安装完成不会自动启动服务需要手动执行启动命令见下一节。这与 TDengine 主服务taosd的安装习惯一致方便用户先完成配置再启动。3. 验证安装# 检查服务状态 python /usr/local/taos/taosanode/bin/taosanode_service.py status # 检查模型状态 python /usr/local/taos/taosanode/bin/taosanode_service.py model-status三、Windows 安装1. 前置条件Python 3.10 / 3.11 / 3.12从 python.org 下载安装务必勾选Add Python to PATH安装后执行python --version验证。Microsoft Visual C Redistributable x64 14.44TensorFlow、PyTorch 及其他原生 Python 依赖所必需建议直接安装最新支持的 VC 2015-2022 运行库64 位版本。管理员权限服务注册与端口放行均需要管理员权限请以管理员身份运行命令提示符。2. 安装步骤方式一运行图形安装程序右键点击.exe安装程序选择“以管理员身份运行”按安装向导操作即可若为升级安装安装器会先停止当前安装目录下已存在的 Taosanode 服务与模型服务再替换打包文件避免文件占用与进程残留。方式二手动解压 ZIP 包解压到所需位置例如C:\TDengine\taosanode以管理员身份打开命令提示符进入安装目录后运行install.bat。验证安装python C:\TDengine\taosanode\bin\taosanode_service.py statusWindows 平台的服务逻辑与 Linux 有两点关键差异见 tools/tdgpt/script/taosanode_service.py主服务由Waitress纯 Python WSGI 服务器承载而非 gunicorn因为 gunicorn 不支持 Windows服务可通过winsw 包装器taosanode-winsw.exe注册为 Windows 服务。四、服务管理1. Linuxsystemd 管理推荐安装脚本会自动创建 systemd 服务# 启动服务 sudo systemctl start taosanode # 停止服务 sudo systemctl stop taosanode # 重启服务 sudo systemctl restart taosanode # 检查状态 sudo systemctl status taosanode # 启用开机自启 sudo systemctl enable taosanode # 禁用开机自启 sudo systemctl disable taosanode # 实时查看日志 sudo journalctl -u taosanode -f仓库内 tools/tdgpt/cfg/taosanoded.service 展示了服务单元的关键配置从中可以理解服务的运行方式TypesimpleExecStart直接调用虚拟环境中的gunicorn -c /usr/local/taos/taosanode/cfg/taosanode.config.py拉起 WSGI 服务通过EnvironmentTDGPT_CONF/etc/taos/taosanode.config.py注入配置文件路径taosanalytics.app的_init_app()会优先读取该环境变量见 tools/tdgpt/taosanalytics/app.pyRestartalways配合StartLimitBurst6/StartLimitInterval60s实现崩溃自动拉起与防抖动LimitNOFILE1048576放开文件句柄限制TimeoutStopSec120s给模型进程足够的优雅退出时间。2. Linux直接使用 Python 脚本python /usr/local/taos/taosanode/bin/taosanode_service.py start python /usr/local/taos/taosanode/bin/taosanode_service.py stop python /usr/local/taos/taosanode/bin/taosanode_service.py status3. Linux 卸载# 运行卸载脚本会移除 systemd 服务但保留虚拟环境目录 bash /usr/local/taos/taosanode/uninstall.sh # 或手动删除 sudo rm -rf /usr/local/taos/taosanode sudo systemctl disable taosanode4. Windows服务管理选项 1注册为 Windows 服务推荐# 安装为 Windows 服务 python C:\TDengine\taosanode\bin\taosanode_service.py install-service # 启动服务 net start Taosanode :: 或python C:\TDengine\taosanode\bin\taosanode_service.py start-service # 停止服务 net stop Taosanode :: 或python C:\TDengine\taosanode\bin\taosanode_service.py stop-service # 检查服务状态 sc query Taosanode # 卸载服务 python C:\TDengine\taosanode\bin\taosanode_service.py uninstall-service选项 2批处理脚本前台模式C:\TDengine\taosanode\bin\start-taosanode.bat C:\TDengine\taosanode\bin\stop-taosanode.bat C:\TDengine\taosanode\bin\status-taosanode.bat选项 3直接使用 Python 脚本python C:\TDengine\taosanode\bin\taosanode_service.py start python C:\TDengine\taosanode\bin\taosanode_service.py stop python C:\TDengine\taosanode\bin\taosanode_service.py status5. Windows 防火墙配置# 自动放行端口以管理员身份运行 netsh advfirewall firewall add rule nameTDGPT dirin actionallow protocolTCP localport6035,6061-6070 profileany # 或手动配置Windows Defender 防火墙高级安全→ 入站规则 → 新建规则 # 端口 → TCP → 特定本地端口6035,6061-6070 → 允许连接6. Windows 卸载# 运行卸载脚本 C:\TDengine\taosanode\uninstall.bat # 或手动卸载 :: 1. 卸载 Windows 服务如果已安装 python C:\TDengine\taosanode\bin\taosanode_service.py uninstall-service :: 2. 删除安装目录 rmdir /s /q C:\TDengine\taosanode7. 统一服务管理入口taosanode_service.py无论是 Linux 还是 Windowstools/tdgpt/script/taosanode_service.py 都是统一的管理入口。从脚本的模块划分可以看出其设计Config从taosanode.config.py动态加载配置通过importlib导入配置模块并提取pidfile、app_log、model_dir、virtualenv、bind、workers、models等属性见 tools/tdgpt/script/taosanode_service.py配置文件缺失时回退到内置默认值不会因配置损坏而彻底无法管理ProcessManager负责 PID 文件读写、进程存活探测Linux 用信号 0Windows 用tasklist精确匹配、优雅/强制停止TaosanodeService实现主服务的 start/stop/status并内置了启动前诊断能力——通过 AST 静态分析taosanalytics.app的 import 依赖在启动失败时逐个探测waitress、numpy、pandas、flask、torch、tensorflow、keras等模块的导入情况将根因精确到“哪一个依赖缺失/损坏”见 tools/tdgpt/script/taosanode_service.py。五、配置详解配置文件位置Linux/usr/local/taos/taosanode/cfg/taosanode.config.pyWindowsC:\TDengine\taosanode\cfg\taosanode.config.py该文件同时是 gunicorn 的启动配置Linux与 taosanode 的业务配置双平台通用仓库内对应模板为 tools/tdgpt/cfg/taosanode.config.py。1. 服务绑定HTTP 层# 监听地址和端口 bind 0.0.0.0:6035 # 工作进程数 workers 2 # worker 类型默认 syncIO 密集型可考虑 eventlet 或 gevent worker_class sync # 每个进程的线程数默认按 CPU 核数推导 threads max(multiprocessing.cpu_count() // 4 1, 2) # 每个 worker 处理满 max_requests 后重启用于释放累积内存 max_requests 1000 max_requests_jitter 50 # 超时与 keep-alive秒模型推理耗时长需要较大值 timeout 1200 keepalive 1200配置注释中明确指出workers的典型推荐值为2 * CPU 核数 1threads的推导公式cpu_count // 4 1下限 2是为了让模型部署场景下每个进程拥有充足的并发推理线程。timeout 1200与keepalive 1200则是考虑到深度学习模型单次推理可能耗时较长若沿用默认的 30 秒超时长任务会被 gunicorn 提前掐断。2. 日志配置# 日志级别DEBUG、INFO、WARNING、ERROR、CRITICAL log_level DEBUG # 日志文件位置 app_log /var/log/taos/taosanode/taosanode.app.log # Linux app_log c:/TDengine/taosanode/log/taosanode.app.log # Windows日志级别会经过 tools/tdgpt/taosanalytics/conf.py 的映射DEBUG/INFO/WARNING/ERROR/CRITICAL兼容WARN写法转换为 Pythonlogging级别常量app_log的所在目录会被解析为log_dir所在文件名会被解析为log_file。此外 Linux 下 gunicorn 还会单独输出access.log与error.log配置中的accesslog/errorlog。3. 模型配置# 模型存储目录 model_dir /usr/local/taos/taosanode/model/ # Linux model_dir c:/TDengine/taosanode/model/ # Windows # 动态模型目录运行期间可随时增删无需重启服务 dynamic_model_dir model_dir/dynamic # 模型定义 models { tdtsfm: { script: tdtsfm-server.py, port: 6061, endpoint: /tdtsfm, algo_name: tdtsfm_1, required: True, # 必需缺失时报错 }, timemoe: { script: timemoe-server.py, default_model: Maple728/TimeMoE-200M, port: 6062, endpoint: /ds_predict, algo_name: timemoe-fc, required: True, # 必需 }, chronos: { script: chronos-server.py, default_model: amazon/chronos-bolt-base, port: 6063, endpoint: /ds_predict, required: False, # 可选缺失时跳过 }, # ... 其他模型moirai、timesfm、moment }仓库配置 tools/tdgpt/cfg/taosanode.config.py 给出了每个模型的完整字段相比文档示例多出endpoint、ip、algo_name、default_model等关键项script该模型服务的启动脚本名位于bin/或模型目录如tdtsfm-server.pydefault_model默认加载的 HuggingFace 模型仓库 ID如Maple728/TimeMoE-200M、amazon/chronos-bolt-base、google/timesfm-2.5-200m-pytorch、AutonLab/MOMENT-1-base、Salesforce/moirai-moe-1.0-R-smallendpointport服务 URL 的组成部分conf.py会自动推导http://127.0.0.1:portendpoint作为该算法的回调地址algo_name算法在 SQL / 服务注册表中的对外名称如tdtsfm_1、timemoe-fcrequired必需模型缺失会导致启动失败可选模型缺失则自动跳过。另外可选模型timesfm、moirai、chronos、moment可以各自指定独立的虚拟环境timesfm_venv、moirai_venv、chronos_venv、momentfm_venv默认共用主虚拟环境virtualenv。若想通过enabled_models.txt白名单机制只启用部分模型只需在cfg目录下放置一个逐行列出模型名的enabled_models.txt服务管理器会按DEFAULT_MODEL_ORDER顺序过滤加载见 tools/tdgpt/script/taosanode_service.py。4. Windows Waitress 配置# Waitress 服务器配置仅 Windows waitress_config { threads: 4, # 工作线程数 channel_timeout: 1200, # 通道超时秒 connection_limit: 1000, # 最大连接数 cleanup_interval: 30, # 清理间隔秒 log_socket_errors: True # 记录 socket 错误 }TaosanodeService._get_waitress_settings()会解析bind中的 host:port并将该字典逐项传给waitress.serve()见 tools/tdgpt/script/taosanode_service.py因此这里的参数名必须与 Waitress 的签名一致。5. 修改配置后的生效方式用文本编辑器修改taosanode.config.py重启服务使配置生效# Linux sudo systemctl restart taosanode # Windows net stop Taosanode net start Taosanode六、模型管理支持的模型一览模型必需端口描述tdtsfm是6061时间序列基础模型timemoe是6062时间序列专家混合TimeMoEchronos否6063Amazon Chronosmoirai否6064Salesforce Moiraitimesfm否6065Google TimesFMmoment否6066AutonLab MOMENT从服务端路由看主服务对外暴露的分析能力包括/forecast预测、/anomaly-detect异常检测、/imputation数据补齐、/correlation相关性、/regression回归以及/list服务列表、/models模型列表、/status健康检查返回{protocol: 1.0, status: ready}等管理接口见 tools/tdgpt/taosanalytics/app.py。启动后可直接访问http://ip:6035/status验证服务就绪。启动模型# 启动必需模型tdtsfm、timemoe python install_dir/bin/taosanode_service.py model-start all # 启动特定模型 python install_dir/bin/taosanode_service.py model-start chronos # 检查模型状态 python install_dir/bin/taosanode_service.py model-status停止模型# 停止所有模型 python install_dir/bin/taosanode_service.py model-stop all # 停止特定模型 python install_dir/bin/taosanode_service.py model-stop chronos模型服务由model-start/model-stop子命令按DEFAULT_MODEL_ORDER [tdtsfm, timemoe, moirai, chronos, timesfm, moment]顺序拉起或回收每个模型进程的 PID 记录在install_dir/data/pids/model_name.pid中便于精确控制单个模型的启停与状态查询。七、故障排查1. 服务无法启动Linux# 查看 systemd 最近 50 行日志 sudo journalctl -u taosanode -n 50 # 直接前台运行直接观察 Python 报错 python /usr/local/taos/taosanode/bin/taosanode_service.py startWindows:: 查看启动日志 type C:\TDengine\taosanode\log\taosanode_startup.log :: 前台运行直接看错误输出 python C:\TDengine\taosanode\bin\taosanode_service.py start值得说明的是taosanode_service.py在启动失败时会自动输出“根因诊断”它先通过 AST 扫描taosanalytics.app的 import 依赖树然后逐个探测waitress、numpy、pandas、flask、torch、tensorflow、keras等模块能否导入并把ModuleNotFoundError、ImportError、Windows 下 DLL 加载失败如vcruntime、msvcp、0xc0000005、winerror 126/127/193等识别为import_native类故障见 tools/tdgpt/script/taosanode_service.py从而让用户一眼定位是哪个依赖缺失。同时该诊断有 300 秒冷却期可用环境变量TAOSANODE_STARTUP_DIAGNOSTIC_COOLDOWN调整避免 systemd 自动重启时反复刷屏。2. 端口已被占用# Linux查找占用 6035 的进程 sudo lsof -i :6035 # Windows netstat -ano | findstr :6035 # 结束进程 # Linuxsudo kill -9 PID # Windowstaskkill /PID PID /F服务管理器把“地址被占用”单独识别为bind类故障Linux 的EADDRINUSE/EACCESWindows 的winerror 10048/10013日志中会给出明确的失败分类便于快速判断根因。3. 模型无法启动检查模型目录是否存在# Linux ls -la /usr/local/taos/taosanode/model/ # Windows dir C:\TDengine\taosanode\model\检查模型日志# Linux tail -f /var/log/taos/taosanode/taosanode_service_tdtsfm.log # Windows type C:\TDengine\taosanode\log\taosanode_service_tdtsfm.log验证深度学习依赖python -m pip list | grep -E torch|transformers4. 连接被拒绝检查服务是否在运行python install_dir/bin/taosanode_service.py status检查防火墙# Linux sudo ufw status sudo ufw allow 6035/tcp # Windows netsh advfirewall firewall show rule nameTDGPT检查绑定地址# Linux sudo netstat -tlnp | grep 6035 # Windows netstat -ano | findstr :6035如果bind配置成了127.0.0.1而客户端从其他主机访问同样会表现为连接被拒绝需要将bind改为0.0.0.0:6035并重启服务。八、常见问题FAQQ如何检查服务是否运行python install_dir/bin/taosanode_service.py statusQ可以运行多个实例吗不推荐。服务按单实例设计PID 文件全局唯一如确有需要可通过修改配置文件的bind端口运行多个实例但需自行处理 PID 文件与模型端口冲突。Q如何查看日志Linuxtail -f /var/log/taos/taosanode/taosanode.app.log服务管理日志另见install_dir/log/taosanode-service.loggunicorn 的访问日志见access.logWindowstype C:\TDengine\taosanode\log\taosanode.app.log。Q如何更新配置编辑taosanode.config.py后重启服务改动在重启后生效。注意模型端口的修改会自动联动更新各模型的回调 URL由 tools/tdgpt/taosanalytics/conf.py 推导。Q需要重新安装怎么办先卸载当前版本Linux 运行uninstall.shWindows 运行uninstall.bat并卸载服务删除安装目录Linux 卸载脚本会保留虚拟环境可手动清理运行新安装程序。Q如何启用调试日志编辑配置文件将log_level DEBUG重启服务即可Linux 下 gunicorn 的loglevel也可同步调为debug以输出更详细的请求处理日志。Q可以使用自定义 Python 虚拟环境吗可以。修改配置文件中的virtualenv指向您的虚拟环境可选的 timesfm、moirai、chronos、moment 模型还支持通过timesfm_venv、moirai_venv、chronos_venv、momentfm_venv分别为其指定独立环境。Q如何备份配置# Linux cp /usr/local/taos/taosanode/cfg/taosanode.config.py ~/taosanode.config.backup.py # Windows copy C:\TDengine\taosanode\cfg\taosanode.config.py C:\backup\taosanode.config.backup.py九、与 TDengine 生态的配合要点TDGPT 的 taosanode 配置目录与taosd保持在同一体系Linux 下服务配置文件可放置于/etc/taos见 tools/tdgpt/README.md便于统一管理安装包构建可通过仓库脚本完成例如在tools/tdgpt/script目录执行./release.sh -e community -v 版本号产物输出到release目录对应社区版 tar 包Windows 侧由 tools/tdgpt/packaging/win_release.py 负责打包更多设计文档、架构说明可参考 TDengine 官方文档集中与 TDGPT 相关的章节本仓库的源码入口集中在 tools/tdgpt/taosanalyticsFlask 应用、算法注册与模型文件管理与 tools/tdgpt/script安装与服务管理脚本。十、总结TDGPTtaosanode把 TDengine 从“存得下、查得快”的时序数据库扩展为具备预测、异常检测、补齐、相关性与回归分析能力的 AI 增强分析平台。部署上它遵循“Python 虚拟环境 WSGI 服务 独立模型进程”的经典架构主服务在 Linux 由 gunicorn、在 Windows 由 Waitress 承载六个模型服务各自占用独立端口通过taosanode_service.py统一管理。掌握本文的安装步骤、配置项语义与排查手段即可在 Linux 或 Windows 上快速落地一套可投入生产使用的 TDGPT 分析服务。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考