Cordonix 0.5.0:让本地 AI 工具调用更可靠、更可观察
Cordonix 是 IoTSharp 旗下的本地执行与工作区契约项目,简称 cdx。它把程序、参数、工作目录、文件路径、文本编码和预期哈希拆成明确字段,让 AI 智能体可以直接调用本地程序、读取和编辑文件,同时保留可验证的结果边界。
阅读文章 ↗专题 / 01
设备接入、通信协议、网关与工业数据。
阅读路径
SonnetDB 是一个以 C/.NET 10 实现的单节点多模型数据引擎,提供时序、关系表、KV、JSON 文档、全文、向量、对象、SonnetMQ 与原生属性图等模型。最近一轮更新围绕三个实际问题展开:数据如何更可靠地保存,检索如何给出完整且有边界的结果,以及应用如何在资源受
打开文章 ↗Cordonix 是 IoTSharp 旗下的本地执行与工作区契约项目,简称 cdx。它把程序、参数、工作目录、文件路径、文本编码和预期哈希拆成明确字段,让 AI 智能体可以直接调用本地程序、读取和编辑文件,同时保留可验证的结果边界。
阅读文章 ↗SonnetDB 同时在关系表和 measurement 查询中提供窗口能力,但两条执行路径的分区、排序和可接受语法并不相同;本文用可核查的 SQL 分别演示关系 OVER 与时序 series 窗口,解释结果,并列出不能跨模型套用的边界。 AI 主题示意图,并非实测截图。 先确
阅读文章 ↗SonnetDB 提供文档导入 CLI、可校验的迁移 checkpoint 和集合 Change Feed。本文用两条设备档案演示如何先检查输入,再分批导入和续跑,并说明为什么这些能力不能直接等同于 MongoDB 协议兼容、在线复制或业务自动切流。
阅读文章 ↗SonnetDB 的 Document Store 可以为 JSON 路径建立复合、Multikey、Wildcard 和 TTL 索引,并用 Validator 约束写入。本文从一个设备档案集合出发,说明怎样声明规则、查看实际查询路径、检查索引一致性,以及安排有明确边界的重建维
阅读文章 ↗SonnetDB 的 Document Store 支持局部更新、原子 findOneAndUpdate 和单集合 Mixed Bulk。本文用设备档案说明怎样修改指定字段、读取更新后的文档,并通过版本和 requestId 区分并发冲突、幂等重放与尚未确认的提交结果。
阅读文章 ↗SonnetDB 的 Document Store 可以通过 .NET Builder 组合 JSON Path 条件、投影和排序,再用 continuation token 分页读取 JSON 文档。本文从设备档案查询出发,说明如何得到可核对的结果,以及 token 无效、过期
阅读文章 ↗SonnetDB 的 KV 原子操作让设备状态更新在存储端判断存在性或版本,并把读取旧值与替换、删除合为一次操作。本文用 NX/XX、CAS 和交换值处理“两个客户端同时修改同一设备状态”的问题,并说明条件失败与未知提交结果为何必须分开。
阅读文章 ↗SonnetDB 的持久 KV 可以在数据库目录内保存设备状态,并用逻辑 Namespace、UTC 到期时间和前缀扫描组织读取。本文从“保存某站点的设备在线状态”这一任务出发,说明字节值的编码、空值与缺失、TTL 的解释以及重开验证方法。
阅读文章 ↗SonnetDB 的关系表支持条件 UPSERT 和 RETURNING,可以把“找到冲突行、判断是否更新、取得写入后的值”放进一条语句。本文用设备状态表说明如何处理更新、跳过和返回结果,并区分语句返回值与事务最终提交。
阅读文章 ↗通过独立小库理解关系外连接、NULL、同名列和 measurement-to-relation INNER JOIN 的真实边界。
阅读文章 ↗用同一份设备 schema 检查稀疏值、原始名称和 Point 摄取的一致性,避免把缺值与关系表约束混为一谈。
阅读文章 ↗SonnetDB 早期文章主要围绕时序数据展开。现在的产品边界已经扩大:同一个数据库目录可以承载九种原生模型,并通过 SQL、HTTP、CLI、SDK 和管理工具访问。本文先给出当前能力地图,再说明哪些能力已经有入口、哪些仍然属于局部合同或 Beta,避免把规划内容误写成已发布保
阅读文章 ↗演示以 measurement VECTOR 做 KNN 召回,再通过设备 tag 关联知识文档、全文索引和关系维表过滤。
阅读文章 ↗说明 SonnetDB 当前不是 Kafka/RabbitMQ 替代品,但可以用时序、文档和 SSE 能力分析消息队列运行状态。
阅读文章 ↗从 IoTSharp 数据底座视角说明 SonnetDB 如何承接遥测、维表、对象桶、全文和向量增强,并给出 C# 配置与访问示例。
阅读文章 ↗介绍 MQTTnet.AspNetCore.Routing 如何把 ASP.NET Core 的控制器和依赖注入范式带到 MQTT 服务端。
阅读文章 ↗这次 SonnetDB Workbench 的升级,表面上是“多了几个下拉框”,实际上是把时序数据的“看懂”这件事往前推进了一大步。
阅读文章 ↗Visual Basic 6 已经是很古老的技术栈,但在工业现场、设备配置工具、产线看板和长期维护的 Windows 桌面系统里,它仍然真实存在。SonnetDB VB6 连接器的目标不是把 VB6 变成现代平台,而是给这些存量系统一条可控的嵌入式时序数据接入路径。
阅读文章 ↗Go 生态天然适合写边缘采集器、网关服务和轻量数据管道。SonnetDB Go 连接器的目标很直接:让 Go 程序可以在进程内打开 SonnetDB 数据目录,用 SQL 写入和查询时序数据,同时保留 Go 开发者熟悉的 database/sql 使用方式。
阅读文章 ↗时序数据库的查询性能并不只取决于压缩算法。很多时候,真正影响延迟的是那些每次查询都会做的小动作:构建字典、扫描 block、过滤 tombstone、解码相同 payload。最近的 QueryEngine 和 SegmentReader 优化,就是把这些动作尽量变成“一次构建,多次复用”。
阅读文章 ↗SonnetDB 从设计之初就定位为嵌入式优先的时序数据库。为了让 C/C++ 生态能够直接嵌入 SonnetDB 引擎,我们推出了全新的 C 连接器——一套最小化的 C ABI,仅包含 17 个函数和一个头文件,让任何支持 C FFI 的语言都能无缝接入。
阅读文章 ↗排序是 SQL 查询中最基础也最常用的子句之一。对于时序数据库而言,时间排序更是一个高频需求——查看最新的数据点、按时间降序排列事件日志、获取最早或最晚的 N 条记录。本次更新为 SonnetDB 带来了 ORDER BY 支持,填补了 SQL 语法体系中一块重要的拼图。
阅读文章 ↗向量计算让 SonnetDB 可以把语义检索、相似工况检索和 Copilot 知识库召回放在同一个时序数据库里。向量基准单独评估精确扫描、HNSW ANN 查询和 Recall@10。
阅读文章 ↗地理空间数据是工业 IoT、车联网、物流冷链和户外设备监控中的高频需求。SonnetDB 已内置 GEOPOINT、空间谓词、轨迹聚合和段内 geohash 剪枝,因此地理空间基准单独成篇。
阅读文章 ↗聚合查询决定了时序数据库能否支撑仪表盘、报表和规则引擎。SonnetDB 的聚合基准以 100 万点全量数据为输入,按 60,000 ms 窗口生成约 16,667 个时间桶,并对每个桶计算常见统计指标。
阅读文章 ↗范围查询是时序数据库最常见的读取路径。SonnetDB 的查询基准关注“按 tag + 时间窗口”取回最近 10% 数据时,各数据库从索引定位、数据扫描、结果物化到客户端消费的整体耗时。
阅读文章 ↗某工业 SaaS 创业公司为中小制造企业提供"设备数据分析"服务。目标客户是没有专业数据工程师的中小工厂,他们有传感器数据,但不会写 SQL,更不懂机器学习。公司希望构建一个"让普通工厂员工也能用自然语言分析数据"的 SaaS 平台,核心能力是将用户的自然语言问题自动转换为正确的 SonnetDB。
阅读文章 ↗某大型化工集团旗下工厂运行着数百台泵机、压缩机、风机等旋转设备。这些设备一旦故障停机,轻则造成数十万元的生产损失,重则引发安全事故。传统做法是定期停机检修(预防性维护),但往往"修好"的设备还能用很久,而"等待检修"的设备已经在跑故障。集团希望建立预测性维护体系:在设备真正故障前 1-2 周发出预警。
阅读文章 ↗某省会城市交通管理局在主城区 1200 个路口部署了视频检测设备,每个路口每分钟统计一次各方向的车流量、平均车速、排队长度。交管局希望基于这些数据实现:实时拥堵感知、信号灯配时优化、节假日出行预测,以及事故快速响应。
阅读文章 ↗某工业 IoT 平台服务商需要为其 SaaS 产品提供设备数据存储与分析能力。平台接入设备涵盖工厂传感器、楼宇控制器、园区摄像头等多种类型,峰值接入设备数超过 100 万台,每台设备每分钟上报 5-10 个指标。
阅读文章 ↗SonnetDB 自诞生以来,已经从一个概念验证项目成长为一个功能完善的时序数据库,拥有 MIT 许可证、活跃的社区和不断扩展的用户基础。站在 v0.6.0 的里程碑上,我们迫切需要分享未来的技术路线图,以及社区参与贡献的途径。
阅读文章 ↗时序数据具有明显的时间衰减特性——新数据价值高,历史数据价值逐渐降低。长期积累的历史数据不仅占用大量存储空间,还会拖慢查询性能。SonnetDB 内置了完善的数据保留(Retention)机制,通过 RetentionWorker、自动 Tombstone 和 过期段清理 三个层次实现自动化数据生命。
阅读文章 ↗聚合查询是时序数据分析的核心操作。SonnetDB 通过跨桶融合(Cross-Bucket Fusion)和 MemTable 增量聚合两项创新技术,将基础聚合查询从全量扫描优化到近乎零成本的预计算读取。
阅读文章 ↗范围查询是时序数据库最基础的访问模式。SonnetDB 在 100,000 行级别的范围查询中实现了仅 6.71 ms 的延迟。本文深入解析支撑这一性能的段跳跃(Segment Skipping)和 block metadata 快速路径技术。
阅读文章 ↗时序数据库选型需综合评估多维度指标。本文基于统一的 BenchmarkDotNet 框架,在同机环境下对比 SonnetDB、SQLite、InfluxDB 2.7 和 TDengine 3.3.4.3 的写入、查询、聚合和资源消耗表现。
阅读文章 ↗时序数据库的写入性能是衡量系统能力的核心指标。在 PR #49 的全量基准测试中,SonnetDB 在标准硬件上实现了 545 ms 写入 100 万时序数据点、等效吞吐量 1.83 M pts/s 的成果。本文拆解这一数字背后的技术栈。
阅读文章 ↗SonnetDB 原生支持 InfluxDB Line Protocol(行协议)格式,这是时序数据生态中最广泛使用的文本序列化格式。通过兼容该协议,SonnetDB 可以无缝对接 Telegraf、Prometheus remote write 以及各类 IoT 设备的数据上报,实现零改造的数据接。
阅读文章 ↗在时序数据库中,数据写入的持久性(Durability)和写入延迟(Latency)之间存在着经典的权衡关系。SonnetDB 通过 ?flush 参数提供了三种刷新模式——同步刷盘(true)、非刷盘(false)和异步刷盘(async)——让开发者可以根据业务需求在数据安全和写入性能之间灵活选择。
阅读文章 ↗在时序数据的应用场景中,批量写入是最常见也最关键的操作之一。无论是 IoT 设备每秒上报的海量传感器数据,还是金融交易系统产生的高频行情记录,批量数据的高效摄入能力直接决定了系统的整体吞吐量。SonnetDB 通过 ADO.NET 驱动的 CommandType.TableDirect 模式,为开发。
阅读文章 ↗当 SonnetDB 以独立服务模式部署时,ADO.NET 驱动同样支持远程连接。通过 sonnetdb+http:// 协议格式的连接字符串,配合 Token 认证机制,开发者可以像操作本地数据库一样远程访问 SonnetDB 服务端实例,实现分布式场景下的时序数据管理。
阅读文章 ↗SonnetDB 为 .NET 生态提供了原生的 ADO.NET 驱动支持,这意味着您可以使用标准的 System.Data 抽象层来操作时序数据库。通过 SndbConnection、SndbCommand 和 SndbDataReader 三个核心类,开发者可以像操作传统关系数据库一样,在嵌入式。
阅读文章 ↗SonnetDB 首先是一个 .NET 10 时序数据库引擎,其次才是一个网络服务。这意味着您可以在自己的 C# 应用程序中直接引用 SonnetDB,以嵌入式模式运行——无需独立部署服务进程,无需 HTTP 调用,所有操作在进程内完成。
阅读文章 ↗SonnetDB Copilot 是一个深度集成在时序数据库中的 AI 智能体系统。它并非简单的"套壳 ChatGPT",而是一套完整的 RAG(检索增强生成)+ ReAct(推理行动)架构,包含四大核心组件:
阅读文章 ↗单一的时序分析方法往往难以全面刻画数据的特征。预测告诉你未来的趋势,异常检测告诉你当前是否有异常值,变化点分析告诉你系统的状态是否发生了根本性的转变。将三者组合起来,可以构建出强大的数据分析工作流。本文将展示如何在 SonnetDB 中通过 SQL 将 forecast()、异常检测和 change。
阅读文章 ↗时间序列数据往往会在某个时间点发生结构性变化——设备从正常运行状态退化到故障状态,用户行为因产品改版而转变,经济指标因政策调整而改道。检测这些变化发生的时刻,对于故障诊断、归因分析和决策制定具有重要意义。SonnetDB 提供了 changepoint() 函数,用于检测时间序列中的结构断点,帮助用。
阅读文章 ↗异常值是数据分析中不可忽视的问题——一个异常的温度读数可能预示着设备故障,一个异常的交易金额可能意味着欺诈行为。SonnetDB 提供了多种统计方法用于异常检测,其中最常用的三种是 Z-Score、MAD(中位数绝对偏差)和 IQR(四分位距法)。本文将从原理、优缺点和适用场景三个维度对比这三种方法。
阅读文章 ↗时序预测是数据分析和决策支持中的核心需求。无论是预测服务器负载、商品销量,还是工业设备的能耗趋势,准确的预测都能为资源配置和业务规划提供有力的依据。SonnetDB 内置的 forecast() 函数支持线性和 Holt-Winters 两种预测方法,并提供了灵活的 horizon 参数和季节性配置。
阅读文章 ↗在工业自动化领域,PLC(可编程逻辑控制器)长期以来一直扮演着 PID 控制的主力角色。然而,随着工业 IoT 和工业 4.0 的推进,传统 PLC 的局限性日益显现。SonnetDB 将 PID 控制功能以 SQL 函数的形式集成到时序数据库中,为工业控制带来了全新的思路。本文将从多个维度对比传统。
阅读文章 ↗PID(比例-积分-微分)控制器是工业自动化领域最经典、应用最广泛的控制算法。从温度控制到电机调速,从压力调节到流量管理,PID 控制器无处不在。SonnetDB 突破了传统数据库的功能边界,将 PID 控制算法以 SQL 函数的形式引入时序数据库,使得开发者可以直接在数据存储层完成控制逻辑的计算。
阅读文章 ↗SonnetDB 从早期版本即原生支持地理空间数据类型。GEOPOINT 是一种专为经纬度坐标设计的紧凑类型,让开发者可以在时序数据库中直接存储和查询地理位置信息。
阅读文章 ↗在高吞吐的时序数据写入场景中,单条 INSERT 的性能往往无法满足需求。SonnetDB 提供了丰富的批处理写入能力,帮助用户充分利用硬件性能。本文将深入介绍多行批量写入、批量优化技巧和刷新策略配置。
阅读文章 ↗在 IoT 和运维监控场景中,设备状态的变化和持续时间是最核心的分析维度之一。SonnetDB 提供了 statechanges() 和 stateduration() 两个窗口函数,专门用于分析离散状态或枚举型字段的变化模式。
阅读文章 ↗现实世界中的时序数据往往不完整——网络抖动导致采集点丢失、传感器故障产生空值、数据源暂未就绪造成缺口。SonnetDB 提供了三种缺失值处理函数,帮助用户在不同场景下合理填充数据缺口。
阅读文章 ↗在时序数据分析中,识别和分离趋势成分是预测和异常检测的基础。SonnetDB 提供了 holtwinters(field, alpha, beta) 窗口函数,实现了 Holt 加法双指数平滑,能够从数据中同时提取水平(level)和趋势(trend)两个分量。
阅读文章 ↗原始时序数据往往包含随机噪声,直接使用会干扰趋势判断和异常检测。SonnetDB 提供了 movingaverage() 和 ewma() 两种平滑函数,帮助用户从杂乱的数据中提取稳定的信号。
阅读文章 ↗在许多时序分析场景中,我们不仅关心瞬时值,更关心值的累计效果。SonnetDB 提供了 cumulativesum() 和 integral() 两个窗口函数,分别用于计算运行总和与梯形法积分面积。
阅读文章 ↗在时序数据监控场景中,原始计数器值往往本身并不直观——我们真正关心的是变化速率。SonnetDB 提供了四组差分类窗口函数,帮助用户从原始数据中提取有意义的趋势信息。
阅读文章 ↗在大规模时间序列数据分析中,精确计算唯一值的数量(基数)是一个非常常见的需求——比如统计某段时间内有多少独立用户访问了系统、有多少不同的设备上报了数据、或者有多少个唯一的 IP 地址产生了日志。传统方案使用 COUNT(DISTINCT expr) 在数据量巨大时,内存和计算开销都非常高。Sonne。
阅读文章 ↗在时序数据分析中,仅仅知道平均值远远不够。分位数(Percentile)能够揭示数据的分布特征,帮助我们理解"绝大多数数据落在什么范围内"。SonnetDB 使用 T-Digest 算法实现高效的分位数计算,支持 p50、p90、p95、p99 等常用分位数。
阅读文章 ↗聚合函数是时序数据分析的核心工具。SonnetDB 提供了七种基础聚合函数,覆盖了最常用的统计分析需求。无论你是计算平均值、汇总总量,还是追踪极值,这些函数都能帮助你快速从海量时序数据中提取有价值的信息。
阅读文章 ↗在时序数据库的日常使用中,有一些查询模式会反复出现。本文将汇总 10 个最常用的时序查询场景,每个场景提供一个可直接运行的 SQL 模板,方便你在需要时快速参考。
阅读文章 ↗时序数据的特点之一是"写多删少",但数据清理仍然是必不可少的操作。SonnetDB 的 DELETE 语句采用 Tombstone(墓碑)机制而非直接物理删除,这一设计在保证写入性能的同时,也提供了数据恢复的可能性。
阅读文章 ↗时序数据通常带有多个维度的标签(Tag)和时间戳,查询时往往需要组合多个条件才能精确定位目标数据。SonnetDB 的 WHERE 子句支持通过 AND 连接多个约束条件,实现 Tag 过滤、时间范围过滤和 Field 条件过滤的任意组合。
阅读文章 ↗在处理大量时序数据时,分页查询是必不可少的工具。SonnetDB 同时支持两种分页语法风格:传统的 LIMIT ... OFFSET 和 SQL 标准 OFFSET ... FETCH,让你可以根据习惯自由选择。
阅读文章 ↗在时序数据分析中,单一标量函数往往不足以表达复杂的业务逻辑。SonnetDB 支持函数嵌套调用,允许你将多个标量函数组合成复合表达式,从而在查询中直接完成多步计算,无需在应用层做二次处理。
阅读文章 ↗在时序数据分析中,原始数据往往需要经过计算才能产生有意义的指标。SonnetDB 支持在 SELECT 投影列中使用完整的算术表达式,包括四则运算、一元运算和括号组合,让你在查询时就完成数据变换。
阅读文章 ↗查询数据是时序数据库最核心的操作。SonnetDB 的 SELECT 语句兼容标准 SQL,同时针对时序场景提供了专门的优化。本文将介绍最基本的 SELECT 查询操作。
阅读文章 ↗随着物联网和移动设备的普及,地理空间数据已成为时序数据库中的重要组成部分。SonnetDB 内置 GEOPOINT 数据类型,配合 POINT(lat, lon) 字面量语法,让空间数据的写入和查询变得简单直观。
阅读文章 ↗数据写入是时序数据库中最基础也最频繁的操作。SonnetDB 支持标准 SQL INSERT INTO 语法,并提供针对时序场景的语义增强。本文将介绍 INSERT 的各种用法和注意事项。
阅读文章 ↗在时序数据库中,向量数据的使用越来越广泛——从嵌入向量相似度搜索到异常检测,向量检索已经是现代分析场景的核心需求。SonnetDB 提供了 HNSW(Hierarchical Navigable Small World)图索引来加速向量搜索,让海量向量中的近似最近邻查找变得飞快。
阅读文章 ↗在 SonnetDB 中,创建数据表的语句是 CREATE MEASUREMENT。这与传统关系数据库的 CREATE TABLE 类似,但专门针对时序数据的特点进行了优化。本文将详细介绍 CREATE MEASUREMENT 的语法和使用方法,并通过多个实例帮助您快速上手。
阅读文章 ↗正确理解数据模型是高效使用任何数据库的基础。SonnetDB 的数据模型专为时序数据优化,引入了 Measurement、Tag、Field、Time 和 Series 等核心概念。本文将逐一介绍这些概念,并通过实际例子帮助您更好地理解它们的含义和使用方式。
阅读文章 ↗在选型时序数据库时,性能是最关键的考量因素之一。但"性能"是一个多维度的概念,包括写入吞吐量、查询响应时间、资源消耗等。本文将通过基准测试数据,对比 SonnetDB 与 InfluxDB、TDengine、SQLite 在典型场景下的表现,并补充一组 SonnetDB Server 与 Apach。
阅读文章 ↗在时序数据库领域,开发者面临着众多选择:InfluxDB、TDengine、TimescaleDB、SQLite 等各有所长。SonnetDB 作为后来者,凭借其独特的技术设计和清晰的工程哲学,开辟了属于自己的赛道。本文将从五个核心维度,深入分析为什么 SonnetDB 值得您认真考虑。
阅读文章 ↗在物联网与工业互联网快速发展的今天,时序数据的存储与分析已成为各行业数字化转型的核心需求。从工厂车间的设备传感器到智慧城市的交通流量监控,从能源行业的电网调度到金融领域的交易日志分析,海量且持续产生的时间序列数据需要一种专门优化的数据库来承接。SonnetDB 正是在这一背景下诞生的开源时序数据库。
阅读文章 ↗经组委会讨论决定,2022 年度 OSC 中国开源项目评选「最具极客精神奖」获奖者是开源项目 IoTSharp 创始人 麦壳饼。
阅读文章 ↗IoTSharp.EntityFrameworkCore.LiteDB 1.1.0 在 EF Core 10 与 LiteDB 5 上加入批量更新、ComplexProperty 嵌套 BSON 和生成值回写,同时明确 provider 与 LiteDB 的边界。
阅读文章 ↗从 SonnetDB Provider 的连接、实体标记、CodeFirst、CRUD、事务和锁定读开始,说明 FreeSql 关系表与时序 measurement 的使用边界。
阅读文章 ↗介绍 Gitee 上的 MiteDB/libmite:一个以 C99 编写、零服务进程的嵌入式时序数据库,并核对它的存储路径、恢复语义、构建测试与适用边界。
阅读文章 ↗