TDengine的数据建模?库、表、超级表是什么？怎么用？ _生活百科

?欢迎来到物联网的数据世界
在典型的物联网场景中，一般有多种不同类型的采集设备，采集多种不同的物理量，同一种采集设备类型，往往有多个设备分布在不同的地点，系统需对各种采集的数据汇总，进行计算和分析对于同一类设备，其采集的数据都是很规则的。
本文我们以智能电表(采集量为电流、电压)为例，探讨如何在TDengine中建库、建超级表、建表。
假设每个智能电表采集电流、电压两个量，其采集的数据如下图所示。

文章插图
每一条记录都有设备ID，时间戳，采集的物理量(如上图中的电流、电压），还有与每个设备相关的静态标签（如上图中的位置Location和分组groupId）。每个设备是受外界的触发，或按照设定的周期采集数据。采集的数据点是时序的，是一个数据流。
那么TDengine如何抽象这些物联网数据呢？
这里，需要提到TDengine的关键创新点——?一个采集点一张表? 。同一类型的采集点用一个超级表来描述，也就是一个表结构Schema和静态标签Schema。就上图来说，电表ID作为子表名（d1001, d1002, d1003, d1004等），动态采集的物理量作为各字段，静态属性（Location和groupId）作为子表标签。利用超级表作为模板，生成子表 – 对应各采集点，有了超级表，极大地方便了同类采集点的数据检索、查询、聚合。
这种设计有几大优点：

能保证一个采集点的数据在存储介质上是以块为单位连续存储的。如果读取一个时间段的数据，它能大幅减少随机读取操作，成数量级的提升读取和查询速度。
由于不同采集设备产生数据的过程完全独立，每个设备的数据源是唯一的，一张表也就只有一个写入者，这样就可采用无锁方式来写，写入速度就能大幅提升。
对于一个数据采集点而言，其产生的数据是时序的，因此写的操作可用追加的方式实现，进一步大幅提高数据写入速度。

如果采用传统的方式，将多个设备的数据写入一张表，由于网络延时不可控，不同设备的数据到达服务器的时序是无法保证的，写入操作是要有锁保护的，而且一个设备的数据是难以保证连续存储在一起的。采用一个数据采集点一张表的方式，能最大程度的保证单个数据采集点的插入和查询的性能是最优的。
?数据建模的基本方法
TDengine采用关系型数据模型，需要建库、建表。因此对于一个具体的应用场景，需要考虑库的设计，超级表和普通表的设计。
CREATE DATABASE dbnameUSE dbnameCREATE TABLE stbname (ts timestamp, other fields…) tags ( tag fields)CREATE TABLE tbname using stbname tags(具体标签值)INSERT INTO tbname VALUES(now, values…)实例
INSERT INTO ${tableName} USING xm_values (groupId) TAGS (2)VALUES<foreach collection="paramList" item="param"separator=",">(#{param.time_new},#{param.stid},null,#{param.value},#{param.sblx},#{param.time},#{param.homeRoom},#{param.friendlyName})</foreach>创建库
不同类型的数据采集点往往具有不同的数据特征，包括数据采集频率的高低，数据保留时间的长短，副本的数目，数据块的大小等。为让各种场景下TDengine都能最大效率的工作，建议将不同数据特征的表创建在不同的库里，因为每个库可以配置不同的存储策略。
创建一个库时，除SQL标准的选项外，应用还可以指定保留时长、副本数、内存块个数、时间精度、文件块里最大最小记录条数、是否压缩、一个数据文件覆盖的天数等多种参数。比如建议为数据特征相同的表创建一个库，每个库可以配置不同的存储策略。