1. TDengine 简介
TDengine 是一款 高性能、分布式、支持 SQL 的时序数据库（Time-Series Database, TSDB），专为 物联网（IoT）、工业互联网、金融监控、日志分析 等场景设计。其核心特点包括：
- 超高性能：单机每秒百万级写入，查询速度比传统数据库快 10 倍以上。
- 低存储成本：采用列式存储 + 压缩算法，存储空间节省 90%+。
- 完整 SQL 支持：兼容标准 SQL，支持时间窗口聚合、降采样等时序计算。
- 分布式架构：支持水平扩展，适应海量数据存储。
- 开源：核心代码开源（Apache 2.0 协议）。
2. 核心架构
(1) 存储引擎
- 列式存储：数据按列存储，提高压缩率和查询效率。
- 时间分区：按时间自动分片（如按天/小时），加快时间范围查询。
- 多级存储：支持内存、SSD、HDD 分层存储，冷热数据分离。
(2) 计算引擎
- 流式计算：内置窗口函数、连续查询（Continuous Query）。
- 分布式计算：支持多节点并行查询。
(3) 数据模型
- 超级表（Super Table）：定义同一类设备的表结构（类似关系型数据库的“表模板”）。
- 子表（Sub Table）：每个设备对应一个子表，自动管理。
- 标签（Tags）：设备的元数据（如设备 ID、位置），用于高效过滤。
3. 核心功能
(1) 高性能写入
- 批量写入：支持单条或批量插入，建议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); - 异步写入：客户端可配置异步提交，降低延迟。
(2) 高效查询
- 时间窗口聚合：
SELECT AVG(voltage) FROM meters WHERE ts >= '2023-01-01' AND ts < '2023-01-02' INTERVAL(1h); - 降采样（Downsampling）：
SELECT FIRST(voltage) FROM meters SAMPLE BY 10m;
(3) 数据压缩
- 默认压缩率 5:1，可通过配置选择不同压缩算法（如 LZ4、ZSTD）。
(4) 流式计算
- 连续查询（CQ）：自动计算并存储聚合结果。
CREATE CONTINUOUS QUERY cq_1 RESAMPLE EVERY 10s AS SELECT AVG(voltage) INTO avg_voltage FROM meters;
(5) 分布式扩展
- 水平分片：按时间或哈希分片，支持多节点集群。
- 负载均衡：自动分配数据到不同节点。
4. 适用场景
| 场景 | 优势 |
|---|---|
| 物联网（IoT） | 海量设备数据高并发写入，低存储成本。 |
| 工业互联网 | 实时监控设备状态，支持高频采样数据存储。 |
| 金融监控 | 毫秒级行情数据存储与查询。 |
| 日志分析 | 高效存储和检索时间序列日志（如服务器指标、APM 数据）。 |
| 能源管理 | 电表、水表等计量数据长期存储与分析。 |
5. 竞品对比
| 数据库 | 特点 | 适用场景 |
|---|---|---|
| InfluxDB | 开源 TSDB，生态丰富，但集群版闭源。 | 监控、DevOps |
| TimescaleDB | 基于 PostgreSQL 的时序扩展，支持完整 SQL。 | 混合业务+时序场景 |
| OpenTSDB | 基于 HBase，适合大规模监控，但架构复杂。 | Hadoop 生态集成 |
| TDengine | 高性能、低存储成本，一体化设计。 | IoT、工业互联网、金融 |
6. 快速入门
(1) 安装
# 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# 启动服务
systemctl start taosd
(2) 基本操作
-- 创建数据库
CREATE DATABASE mydb;
USE mydb;-- 创建超级表（定义设备模板）
CREATE STABLE meters (ts TIMESTAMP, voltage FLOAT, current FLOAT)
TAGS (device_id NCHAR(50), location NCHAR(50));-- 插入数据（自动创建子表）
INSERT INTO meter_001 USING meters TAGS ('device1', 'Beijing') VALUES (now, 23.5, 0.8);-- 查询
SELECT * FROM meters WHERE location = 'Beijing';
(3) 客户端连接（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. 性能优化
(1) 写入优化
- 批量插入：单次插入多条数据（建议 100~1000 条/批）。
- 异步写入：配置客户端异步提交。
(2) 查询优化
- 使用时间分区：按时间范围查询时，避免全表扫描。
- 合理使用标签：通过
TAGS字段加速过滤。
(3) 存储优化
- 调整压缩算法：根据数据特征选择
LZ4（速度优先）或ZSTD（压缩率优先）。 - 冷热数据分离：旧数据迁移到低成本存储。
8. 局限性
- 事务支持有限：不适合强事务场景（如银行核心系统）。
- 非时序数据不适用：关系型数据建议用 MySQL/PostgreSQL。
9. 学习资源
- 官网文档: https://www.taosdata.com
- GitHub: https://github.com/taosdata/TDengine
- 社区论坛: https://community.taosdata.com
总结
TDengine 是时序数据处理领域的 高性能、低成本解决方案，特别适合 IoT、工业互联网、金融监控 等场景。其 列式存储、分布式架构、完整 SQL 支持 使其在时序数据库中脱颖而出。对于需要 高吞吐写入、低存储成本、实时分析 的场景，TDengine 是最佳选择之一。
)
的随机访问)
