1. TDengine时序数据库基础操作入门
时序数据库是处理时间序列数据的专业工具，而TDengine作为国产开源时序数据库，其操作方式与传统关系型数据库既有相似又有独特之处。我们先从最基础的单条数据写入开始。
假设你正在开发一个智能电表监控系统，需要记录电表的实时数据。首先创建一个名为power的数据库和对应的超级表meters：
CREATE DATABASE power; USE power; CREATE STABLE meters ( ts TIMESTAMP, current FLOAT, voltage INT, phase FLOAT ) TAGS ( location BINARY(50), group_id INT );超级表相当于一个模板，实际数据存储在子表中。为设备d1001创建子表并插入第一条数据：
CREATE TABLE d1001 USING meters TAGS ("北京朝阳区", 1); INSERT INTO d1001 VALUES ("2023-08-01 10:00:00", 10.3, 220, 0.31);这里有几个关键点需要注意：
- 时间戳列必须放在第一列
- 数值类型要根据实际场景选择（电流用FLOAT，电压用INT）
- 标签列用于存储设备的元数据
2. 高效批量写入实战技巧
实际项目中单条写入效率太低，TDengine提供了多种批量写入方案。假设每10秒采集一次数据，每30秒批量上报3条记录：
INSERT INTO d1001 VALUES ("2023-08-01 10:00:00", 10.2, 220, 0.23), ("2023-08-01 10:00:10", 12.6, 218, 0.33), ("2023-08-01 10:00:20", 12.3, 221, 0.31);更强大的跨设备批量写入，可以同时向多个设备写入数据：
INSERT INTO d1001 USING meters TAGS ("北京朝阳区", 1) VALUES ("2023-08-01 10:00:00", 10.2, 220, 0.23), ("2023-08-01 10:00:10", 12.6, 218, 0.33) d1002 USING meters TAGS ("北京海淀区", 1) VALUES ("2023-08-01 10:00:05", 11.5, 219, 0.25);批量写入时要注意：
- 单条SQL建议不超过16MB
- 批量写入性能是单条写入的10倍以上
- 可以使用预处理语句进一步优化
3. 自动建表与动态写入策略
在设备动态接入的场景下，自动建表功能特别实用。当写入不存在的子表时自动创建：
INSERT INTO d1005 USING meters (location) TAGS ("上海浦东新区") VALUES ("2023-08-01 10:00:00", 10.15, 217, 0.33);这个语句会在d1005不存在时自动创建，未指定的标签(group_id)会设为NULL。我在实际项目中用这个特性实现了设备即插即用，新设备首次上报数据时自动注册。
自动建表也支持批量操作：
INSERT INTO d1001 USING meters TAGS ("北京朝阳区", 1) VALUES ("2023-08-01 10:00:00", 10.2, 220, 0.23) d1002 USING meters TAGS ("北京海淀区", 2) VALUES ("2023-08-01 10:00:05", 11.5, 219, 0.25);4. 数据更新与删除的注意事项
TDengine的数据更新与传统数据库不同，是通过写入相同时间戳的新数据实现的：
-- 原始数据 INSERT INTO d1001 VALUES ("2023-08-01 10:00:00", 10.2, 220, 0.23); -- 更新电流值 INSERT INTO d1001 VALUES ("2023-08-01 10:00:00", 15.7, 220, 0.23);数据删除需要谨慎操作，因为删除后无法恢复。按时间范围删除：
-- 删除2023年7月之前的所有数据 DELETE FROM meters WHERE ts < '2023-07-01 00:00:00';特别注意：
- 删除操作需要超级表权限
- 建议先SELECT确认要删除的数据
- 大量删除可能影响查询性能
5. 基础查询与条件过滤
TDengine支持标准SQL查询语法。查询电压超过230V的记录：
SELECT * FROM meters WHERE voltage > 230 ORDER BY ts DESC LIMIT 5;时间范围查询要注意时区问题：
SELECT * FROM d1001 WHERE ts >= '2023-08-01 08:00:00' AND ts < '2023-08-01 09:00:00';对于标签查询，需要使用超级表：
SELECT * FROM meters WHERE location = '北京朝阳区' AND ts > NOW() - 1h;6. 强大的聚合查询功能
按设备分组计算平均电压：
SELECT TBNAME AS device_id, AVG(voltage) AS avg_voltage, MAX(current) AS max_current FROM meters WHERE ts >= '2023-08-01' AND ts < '2023-08-02' GROUP BY TBNAME;多维度聚合分析：
SELECT GROUP_ID AS area, COUNT(*) AS samples, AVG(voltage) AS avg_voltage, STDDEV(current) AS current_stdev FROM meters GROUP BY GROUP_ID;TDengine提供丰富的聚合函数：
- 常规函数：COUNT, SUM, AVG
- 统计函数：STDDEV, SPREAD
- 时序特有：DERIVATIVE, IRATE
- 近似计算：APERCENTILE
7. 时间窗口分析实战
按1分钟窗口分析用电量：
SELECT _WSTART AS window_start, _WEND AS window_end, SUM(current * voltage * phase) AS power FROM meters PARTITION BY TBNAME INTERVAL(1m) SLIDING(30s);这种滑动窗口查询特别适合实时监控场景。我在一个能源项目中用这个功能实现了用电负荷预测。
状态窗口可以识别异常状态持续时间：
SELECT _WSTART, _WEND, _WDURATION/1000 AS duration_sec FROM meters STATE_WINDOW(CASE WHEN voltage < 210 THEN 1 ELSE 0 END) WHERE TBNAME = 'd1001';8. 高级查询技巧与应用
8.1 数据切分查询
按地区切分后计算统计指标：
SELECT location, AVG(voltage) AS avg_voltage, PERCENTILE(current, 90) AS p90_current FROM meters PARTITION BY location;8.2 嵌套查询优化
先筛选异常设备再分析：
SELECT * FROM ( SELECT TBNAME, MAX(voltage) AS max_v FROM meters GROUP BY TBNAME HAVING MAX(voltage) > 250 ) t1 JOIN meters t2 ON t1.TBNAME = t2.TBNAME;8.3 最新数据查询
获取每个设备最新状态：
SELECT * FROM meters WHERE ts IN ( SELECT LAST(ts) FROM meters GROUP BY TBNAME );9. 性能优化建议
- 索引策略：对常用过滤条件创建标签索引
CREATE INDEX idx_location ON meters(location);- 分区设计：根据数据量调整vgroups数量
CREATE DATABASE power VGROUPS 10;- 缓存配置：优化内存使用
ALTER DATABASE power CACHEMODEL 'last_row';查询优化：避免全表扫描，合理使用时间范围
硬件配置：SSD硬盘能显著提升IO性能
10. 常见问题解决方案
问题1：写入速度突然变慢
- 检查wal_level设置
- 增加bufferPool配置
- 考虑批量写入替代单条写入
问题2：查询超时
- 添加时间范围限制
- 减少返回数据量
- 检查是否有全表扫描
问题3：磁盘空间不足
- 调整keep参数自动清理旧数据
- 考虑冷热数据分离存储
问题4：子表数量过多
- 合并同类设备到同一子表
- 使用标签进行区分
在实际项目中，我遇到一个典型场景：某工厂部署了5000个传感器，初期为每个传感器创建独立子表导致元数据膨胀。后来改用按传感器类型分组，用标签区分具体设备，子表数量减少到20个，查询性能提升5倍以上。
