数据同步导入环境为Ubuntu
TDengine3、Vue3、Python3、Vite、ECharts、Element Plus、Monaco Editor
首先通过python脚本对数据集进行处理然后通过TDengine Python Connector taospy将数据集导入TDengine中。之后使用Vue和Vite构建前端, 使用Element Plus组件组织页面，Monaco作为前端的SQL编辑器，ECharts渲染图表。前端通过taosAdapter 提供的 REST 接口与TDengine服务端建立连接，不需要单独的后台。
需要修改WAL 来防止插入大量数据出错
需要配置taosAdapter 跨域参数
所选数据均满足公开获取要求
A. 选择用索菲亚地区的天气传感器数据作为数据集来进行建模 传感器数据时间为秒级，选取经纬度作为模型的标签,传感器的ID为表名。数据分为存档数据和同步数据，数据通过import_data.py导入，导入存档和同步数据需要修改小部分代码（已注释）。使用pull_data.py拉取和存储同步数据，同步数据请求连接：https://api.luftdaten.info/static/v2/data.temp.min.json，数据每五分钟更新一次。拉取的数据暂时以csv文件的形式保存在sync_data文件夹中，使用import_data.py导入到TDengine。
- 字段名 中文 类型 长度 注释
- sensor_id 传感器ID 仅作为table_name
- ts 时间戳 TIMESTAMP 8
- pressure 气压 DOUBLE 8
- temperature 温度 FLOAT 4
- humidity 湿度 FLOAT 4
- lat 纬度 FLOAT 4 TAG
- lon 经度 FLOAT 4 TAG
数据库建模语句：
CREATE DATABASE weather
CREATE STABLE weather.sensor (ts TIMESTAMP, pressure DOUBLE,temperature float,humidity float) TAGS (lat float, lon float)
INSERT INTO ? USING sensor TAGS(?, ?) VALUES(?, ?, ?, ?)
采用插入时自动建表的方式 ？为占位符
B. 第二个数据集为弗罗茨瓦夫公共交通，数据只有存档数据 字段名 中文 类型 长度 注释 line_number 公交序号 作为table_name和TAG ts 时间戳 TIMESTAMP 8 type 公共交通类型 NCHAR(10) 10 vehicle_id 车辆ID INT 4 latitude 纬度 FLOAT 4 TAG longitude 经度 FLOAT 4 TAG 数据库建模语句： CREATE DATABASE transport CREATE STABLE transport.gps (ts TIMESTAMP,type nchar(10),latitude float,longitude float, vehicle_id int) TAGS (line_number nchar(10))
- TDengine RESTful API 的认证信息，直接修改authorization变量，TOKEN 为 {username}:{password} 经过 Base64 编码之后的字符串，例如 root:taosdata 编码后为 cm9vdDp0YW9zZGF0YQ==。
- 内置SQL语句直接修改preset_sql变量。
