1. TDengine 簡介
TDengine 是一款 高性能、分布式、支持 SQL 的時序數據庫（Time-Series Database, TSDB），專為 物聯網（IoT）、工業互聯網、金融監控、日志分析 等場景設計。其核心特點包括：
- 超高性能：單機每秒百萬級寫入，查詢速度比傳統數據庫快 10 倍以上。
- 低存儲成本：采用列式存儲 + 壓縮算法，存儲空間節省 90%+。
- 完整 SQL 支持：兼容標準 SQL，支持時間窗口聚合、降采樣等時序計算。
- 分布式架構：支持水平擴展，適應海量數據存儲。
- 開源：核心代碼開源（Apache 2.0 協議）。
2. 核心架構
(1) 存儲引擎
- 列式存儲：數據按列存儲，提高壓縮率和查詢效率。
- 時間分區：按時間自動分片（如按天/小時），加快時間范圍查詢。
- 多級存儲：支持內存、SSD、HDD 分層存儲，冷熱數據分離。
(2) 計算引擎
- 流式計算：內置窗口函數、連續查詢（Continuous Query）。
- 分布式計算：支持多節點并行查詢。
(3) 數據模型
- 超級表（Super Table）：定義同一類設備的表結構（類似關系型數據庫的“表模板”）。
- 子表（Sub Table）：每個設備對應一個子表，自動管理。
- 標簽（Tags）：設備的元數據（如設備 ID、位置），用于高效過濾。
3. 核心功能
(1) 高性能寫入
- 批量寫入：支持單條或批量插入，建議批量提交以提高吞吐量。
INSERT INTO meter_001 USING meters TAGS ('device1', 'Beijing') VALUES (now, 23.5, 0.8); - 異步寫入：客戶端可配置異步提交，降低延遲。
(2) 高效查詢
- 時間窗口聚合：
SELECT AVG(voltage) FROM meters WHERE ts >= '2023-01-01' AND ts < '2023-01-02' INTERVAL(1h); - 降采樣（Downsampling）：
SELECT FIRST(voltage) FROM meters SAMPLE BY 10m;
(3) 數據壓縮
- 默認壓縮率 5:1，可通過配置選擇不同壓縮算法（如 LZ4、ZSTD）。
(4) 流式計算
- 連續查詢（CQ）：自動計算并存儲聚合結果。
CREATE CONTINUOUS QUERY cq_1 RESAMPLE EVERY 10s AS SELECT AVG(voltage) INTO avg_voltage FROM meters;
(5) 分布式擴展
- 水平分片：按時間或哈希分片，支持多節點集群。
- 負載均衡：自動分配數據到不同節點。
4. 適用場景
| 場景 | 優勢 |
|---|---|
| 物聯網（IoT） | 海量設備數據高并發寫入，低存儲成本。 |
| 工業互聯網 | 實時監控設備狀態，支持高頻采樣數據存儲。 |
| 金融監控 | 毫秒級行情數據存儲與查詢。 |
| 日志分析 | 高效存儲和檢索時間序列日志（如服務器指標、APM 數據）。 |
| 能源管理 | 電表、水表等計量數據長期存儲與分析。 |
5. 競品對比
| 數據庫 | 特點 | 適用場景 |
|---|---|---|
| InfluxDB | 開源 TSDB，生態豐富，但集群版閉源。 | 監控、DevOps |
| TimescaleDB | 基于 PostgreSQL 的時序擴展，支持完整 SQL。 | 混合業務+時序場景 |
| OpenTSDB | 基于 HBase，適合大規模監控，但架構復雜。 | Hadoop 生態集成 |
| TDengine | 高性能、低存儲成本，一體化設計。 | IoT、工業互聯網、金融 |
6. 快速入門
(1) 安裝
# Linux
wget https://www.taosdata.com/assets-download/TDengine-server-3.x.x-Linux-x64.tar.gz
tar -xzvf TDengine-server-3.x.x-Linux-x64.tar.gz
cd TDengine-server-3.x.x && ./install.sh# 啟動服務
systemctl start taosd
(2) 基本操作
-- 創建數據庫
CREATE DATABASE mydb;
USE mydb;-- 創建超級表（定義設備模板）
CREATE STABLE meters (ts TIMESTAMP, voltage FLOAT, current FLOAT)
TAGS (device_id NCHAR(50), location NCHAR(50));-- 插入數據（自動創建子表）
INSERT INTO meter_001 USING meters TAGS ('device1', 'Beijing') VALUES (now, 23.5, 0.8);-- 查詢
SELECT * FROM meters WHERE location = 'Beijing';
(3) 客戶端連接（REST / JDBC / Python）
# Python 示例
from taos import connectconn = connect(host="localhost", user="root", password="taosdata")
cursor = conn.cursor()
cursor.execute("SELECT * FROM meters LIMIT 10")
print(cursor.fetchall())
7. 性能優化
(1) 寫入優化
- 批量插入：單次插入多條數據（建議 100~1000 條/批）。
- 異步寫入：配置客戶端異步提交。
(2) 查詢優化
- 使用時間分區：按時間范圍查詢時，避免全表掃描。
- 合理使用標簽：通過
TAGS字段加速過濾。
(3) 存儲優化
- 調整壓縮算法：根據數據特征選擇
LZ4（速度優先）或ZSTD（壓縮率優先）。 - 冷熱數據分離：舊數據遷移到低成本存儲。
8. 局限性
- 事務支持有限：不適合強事務場景（如銀行核心系統）。
- 非時序數據不適用：關系型數據建議用 MySQL/PostgreSQL。
9. 學習資源
- 官網文檔: https://www.taosdata.com
- GitHub: https://github.com/taosdata/TDengine
- 社區論壇: https://community.taosdata.com
總結
TDengine 是時序數據處理領域的 高性能、低成本解決方案，特別適合 IoT、工業互聯網、金融監控 等場景。其 列式存儲、分布式架構、完整 SQL 支持 使其在時序數據庫中脫穎而出。對于需要 高吞吐寫入、低存儲成本、實時分析 的場景，TDengine 是最佳選擇之一。
)
的隨機訪問)
