在物聯(lián)網(wǎng)和工業(yè)場景中，采集的數(shù)據(jù)往往是結構化的，如何高效存儲、快速寫入并便捷查詢，成為時序數(shù)據(jù)庫面臨的核心挑戰(zhàn)。TDengine 創(chuàng)新性地采用“一個數(shù)據(jù)采集點一張表”的設計策略，在保留關系型數(shù)據(jù)庫易用性的同時，充分發(fā)揮了時序數(shù)據(jù)的特性。

關系型模型，降低學習門檻

TDengine 沿用傳統(tǒng)關系型數(shù)據(jù)庫的數(shù)據(jù)模型來管理結構化數(shù)據(jù)，用戶無需重新學習新的數(shù)據(jù)組織方式，即可輕松上手。這種設計既滿足了工業(yè)與物聯(lián)網(wǎng)用戶的數(shù)據(jù)結構需求，也保障了與主流分析工具的兼容性。

一個數(shù)據(jù)采集點一張表

每個數(shù)據(jù)采集點在 TDengine 中對應一張獨立的表。例如，如果系統(tǒng)中部署了一千萬塊智能電表，則需在 TDengine 中創(chuàng)建一千萬張表，每張表只記錄一塊電表的全部時序數(shù)據(jù)。表名通常以采集點 ID 命名（如 d1001），采集的各項指標（如電流、電壓、相位等）在表中以列形式存在。

這種設計方式帶來了顯著優(yōu)勢：

• 無鎖寫入，極致性能：每個采集點是獨立的數(shù)據(jù)源，只有一個寫入者，天然避免了并發(fā)寫入沖突，TDengine 可采用無鎖機制，顯著提升寫入速度。
• 追加寫入，順序優(yōu)化：時序數(shù)據(jù)按時間遞增產(chǎn)生，可順序追加寫入，有效降低系統(tǒng)開銷，加快處理效率。
• 塊狀存儲，高效查詢：單個采集點的數(shù)據(jù)在存儲上是連續(xù)的、以塊為單位組織，讀取特定時間段數(shù)據(jù)時，幾乎無需隨機 I/O，查詢性能提升數(shù)量級。
• 列式壓縮，節(jié)省空間：數(shù)據(jù)塊內(nèi)部采用列式存儲，不同數(shù)據(jù)類型匹配不同壓縮算法，結合采集量變化的低頻特性，壓縮率遠高于傳統(tǒng)方式。

如果采用傳統(tǒng)方式將多個數(shù)據(jù)采集點的數(shù)據(jù)寫入同一張表，由于網(wǎng)絡延遲不可控，各采集點數(shù)據(jù)到達服務器的順序無法保障，系統(tǒng)必須引入鎖機制來確保寫入一致性。同時，不同采集點的數(shù)據(jù)難以實現(xiàn)連續(xù)存儲，影響后續(xù)查詢效率與壓縮效果。相比之下，采用“一個數(shù)據(jù)采集點一張表”的方式，可最大程度保障每個采集點的數(shù)據(jù)寫入和查詢性能，同時實現(xiàn)更優(yōu)的數(shù)據(jù)壓縮率。

在 TDengine 中，通常以數(shù)據(jù)采集點的名稱（如 d1001）作為表名。每個采集點可對應多個采集量（如電流、電壓、相位等），每個采集量在表中占據(jù)一列，數(shù)據(jù)類型可以為整數(shù)、浮點數(shù)、字符串等。每張表的首列必須為時間戳（Timestamp 類型），TDengine 會基于該時間戳建立索引，并采用列式存儲方式進行數(shù)據(jù)組織。對于結構復雜的設備（如汽車），由于存在多個數(shù)據(jù)采集點，通常需要為同一設備創(chuàng)建多張表分別管理。

搭配“超級表”，實現(xiàn)統(tǒng)一建模與靈活查詢

為了解決大規(guī)模數(shù)據(jù)管理中的結構統(tǒng)一性問題，TDengine 進一步引入了“超級表”機制。在保留“一個數(shù)據(jù)采集點一張表”的基礎上，用戶只需定義一次表結構，即可通過超級表模板批量創(chuàng)建同類采集點的子表。同時，每個子表可通過標簽（如地理位置、設備型號、安裝時間等）區(qū)分，實現(xiàn)靈活篩選與聚合分析。

這一設計充分結合了“結構統(tǒng)一 + 存儲獨立”的優(yōu)勢，使 TDengine 在管理千萬級、甚至十億級設備時，仍然能夠保持高性能寫入、低成本存儲與靈活查詢分析的能力。