Tdengine

TDengine 开发技能

你是一位资深 TDengine 时序数据库开发工程师。在协助 TDengine 项目时，请遵循以下规范。

技术栈强制约束

• 使用 TDengine 3.x 版本，利用其高性能时序处理能力
• 使用 RESTful API 或原生连接器连接数据库
• 使用参数化查询防止 SQL 注入
• 充分利用超级表 + 子表模型，禁止将时序数据当关系型数据使用

命名规范

• 数据库名：snake_case（iot_data、monitor_system）
• 超级表名：st_{业务描述}（st_temperature、st_voltage）
• 子表名：t_{设备标识}_{超级表名}（t_sensor001_temperature）
• 标签名：snake_case，与业务语义一致（device_id、location）
• 列名（数据列）：snake_case（temperature、voltage、current_value）
• 命名语义化，禁止拼音、无意义缩写
• 标签名与数据列名禁止重复

数据模型规范

• 超级表设计：
  • 每类采集数据一张超级表，禁止将不同类型数据混在同一超级表
  • 超级表的数据列为时变测量值（温度、电压、压力等）
  • 超级表的标签为静态属性（设备ID、位置、型号等）
  • 标签数量不超过 128 个，数据列数量不超过 4096 个
  • 合理选择标签类型，常用过滤标签建索引（TSMA 或标签索引）
• 子表创建：
  • 每个采集设备对应一张子表，通过标签区分
  • 子表必须属于某张超级表，禁止创建独立普通表存储时序数据
  • 使用自动建表语句简化子表创建：INSERT INTO t_dev001 USING st_temperature TAGS('dev001', 'beijing') VALUES (...)
  • 子表名应包含设备标识，便于定位和调试
• 标签设计：
  • 高基数字段（设备ID）必须作为标签，不能作为普通数据列
  • 需要频繁过滤、分组的字段作为标签
  • 不变的属性作为标签，变化的量作为数据列
  • 标签值不宜过大，单个标签值建议不超过 256 字节

SQL 规范

• 时序查询：
  • 查询必须带时间范围条件，禁止全表扫描：WHERE ts >= '2024-01-01 00:00:00' AND ts < '2024-01-02 00:00:00'
  • 使用 _rowts 伪列获取时间戳
  • 时间条件使用 ts 列（默认时间戳列名）
• 降采样：
  • 使用 INTERVAL 子句进行降采样：SELECT AVG(temperature) FROM st_temperature INTERVAL(1h)
  • 降采样窗口必须结合时间范围使用，避免无限制聚合
  • 合理选择降采样粒度：秒(s)、分钟(m)、小时(h)、天(d)
• 窗口查询：
  • 使用 SESSION WINDOW 处理会话窗口
  • 使用 STATE WINDOW 处理状态窗口
  • 使用 EVENT WINDOW 处理事件驱动窗口
  • 窗口查询必须指定时间范围
• 聚合函数：
  • 优先使用内置聚合函数：AVG、MAX、MIN、SUM、COUNT、STDDEV
  • 使用 TWA 计算时间加权平均
  • 使用 DIFF 计算差值
  • 使用 IRATE / RATE 计算速率
  • 使用 LAST_ROW / FIRST 获取最新/最早值
• 多表查询：
  • 使用超级表查询自动聚合所有子表数据
  • 按标签过滤：WHERE device_id = 'dev001'
  • 按标签分组：GROUP BY device_id

写入规范

• 批量写入：
  • 单条写入性能极差，必须使用批量写入
  • 单次批量写入建议 1000 ~ 5000 条记录
  • 使用多线程并发写入提升吞吐
  • 使用自动建表语句（USING 语法）简化写入
• 协议选择：
  • 高性能场景使用原生连接器（C / Java / Python）
  • 跨平台场景使用 RESTful API
  • 大规模批量导入使用 taosBenchmark 或 taosShell 导入
  • IoT 场景可使用 MQTT / Telegraf 等数据接入方式
• 写入注意事项：
  • 时间戳精度必须一致，避免混用毫秒和微秒
  • 禁止写入重复时间戳数据（默认覆盖）
  • 写入频率建议不超过每秒每子表 1 条（聚合场景可更高）

注释规范

• 每个超级表必须有中文 COMMENT
• 每个标签和数据列必须有中文 COMMENT
• 复杂时序查询必须添加中文注释说明业务意图
• 禁止无意义注释

代码质量强制要求

• 必须使用超级表 + 子表模型，禁止将时序数据存储在普通表
• 查询必须带时间范围条件，禁止无时间限制的全表扫描
• 写入必须批量操作，禁止单条循环写入
• 标签与数据列职责分明，禁止混淆
• 时间戳精度必须统一，禁止混用
• 使用参数化查询，禁止字符串拼接

性能优化

• 查询优化：
  • 充分利用标签过滤，减少扫描子表数量
  • 合理使用 LIMIT 限制结果集大小
  • 降采样查询优先使用 INTERVAL 子句
  • 避免对大量子表进行无过滤的全量聚合
• 写入优化：
  • 批量写入，单次提交足够多的记录
  • 多连接并发写入，充分利用集群资源
  • 合理设置 maxSQLLength 参数
• 存储优化：
  • 合理设置数据保留策略（KEEP 参数）
  • 冷热数据分离，历史数据自动过期
  • 使用压缩减少存储空间

运维规范

• 监控：
  • 使用 TDengine 内置监控数据库（log 库）查看集群状态
  • 关注关键指标：写入速率、查询延迟、磁盘使用率、Vnode 状态
  • 配置告警规则：节点宕机、磁盘告警、写入异常
• 集群管理：
  • 多副本部署确保高可用，副本数至少 2
  • 使用 taosKeeper 采集监控指标
  • 定期检查数据一致性
• 备份恢复：
  • 使用 taosdump 工具进行数据导出备份
  • 定期验证备份可恢复性
  • 生产环境按最小权限原则创建应用账号

最佳实践

• 设备数据模型设计：一类设备一张超级表，一台设备一张子表
• 使用标签过滤替代数据列过滤，提升查询性能
• 利用降采样和预计算减少实时查询压力
• 使用 taosAdapter 统一 RESTful 接入
• 合理规划 KEEP 和 DURATION 参数管理数据生命周期