3、核心概念解析：时间戳、度量、标签、字段、数据精度与保留策略
各位同学，欢迎来到第三章。这一章我们不讲安装，也不讲配置。咱们先聊聊那些最基础、但最容易搞混的概念。
我见过不少团队，时序数据库用了一年多，数据也存了几个TB，结果一问「时间戳和字段有什么区别？」—— 答不上来。嗯，这其实挺危险的。概念不清，后面做查询优化、做数据建模，全都会踩坑。
今天我们就把这六个核心概念彻底掰扯清楚。你想想看，搞懂了它们，后面学什么都会顺很多。
3.1 时间戳（Timestamp）—— 数据的灵魂
时序数据，说白了就是「带时间标签的数据」。这个时间标签，就是时间戳。
我个人习惯把时间戳比作数据的「出生证明」。没有它，数据就只是一堆孤立的数字，毫无意义。
时间戳的格式，常见的有两种：
- Unix 时间戳（整数型）：比如
1712563200，表示从1970年1月1日到现在的秒数。机器喜欢这种，计算快。 - 字符串时间格式：比如
2025-04-08T10:00:00Z，人类看着舒服，但解析慢一些。
我在项目中遇到过一个问题：某团队把时间戳存成了字符串，结果查询时做范围过滤，性能惨不忍睹。后来改成整数型纳秒时间戳，查询速度提升了近10倍。所以我的建议是 —— 能用整数就别用字符串。
3.2 度量（Metric）—— 你在测量什么？
度量，就是你想要监控或分析的「指标名称」。比如 CPU 使用率、股票收盘价、传感器温度。
说白了，度量就是数据的「主语」。你问「今天大盘涨了多少？」—— 这个「大盘指数」就是一个度量。
在时序数据库中，度量通常对应一张逻辑表。比如：
-- 创建一个度量（以 InfluxDB 为例）
CREATE MEASUREMENT stock_price
-- 或者用 Prometheus 的写法
metric_name: stock_price注意，度量名不要起得太随意。我见过有人用 m1、m2 这种名字，三个月后自己都看不懂了。建议用有意义的英文单词，下划线分隔。
3.3 标签（Tag）—— 给数据打上「属性标签」
标签是用来描述度量「是谁的」、「从哪里来的」。比如同样是「CPU使用率」这个度量，标签可以是 host=web-server-01、region=us-east。
标签有两个重要特性：
- 会被索引：查询时按标签过滤，速度极快。
- 值通常是离散的：比如主机名、机房、股票代码。不会频繁变化。
举个反例：
-- 错误做法：把标签信息放到了字段里
stock_price,value=150.25,host=web-01,region=us-east
-- 正确做法：标签单独列出来
stock_price,host=web-01,region=us-east value=150.253.4 字段（Field）—— 真正的数值
字段，就是度量对应的具体数值。比如股票价格 150.25、CPU使用率 87.5。
字段不会被索引，所以不要用字段来做过滤条件。你想想看，如果每条数据的数值都不一样，建索引也没意义，反而浪费空间。
字段可以包含多个值。比如一条数据同时记录「最高价」和「最低价」：
stock_price,code=000001 high=152.30,low=148.75这里 high 和 low 就是两个字段。
3.5 数据精度（毫秒/微秒/纳秒）—— 时间颗粒度
数据精度，指的是时间戳的「最小刻度」。毫秒、微秒、纳秒，一个比一个精细。
| 精度 | 单位 | 1秒内刻度数 | 适用场景 |
|---|---|---|---|
| 毫秒 (ms) | 10⁻³ 秒 | 1,000 | 普通监控、股票分钟级数据 |
| 微秒 (μs) | 10⁻⁶ 秒 | 1,000,000 | 高频交易、传感器高速采集 |
| 纳秒 (ns) | 10⁻⁹ 秒 | 1,000,000,000 | 极高频交易、科学实验 |
精度越高，存储空间越大，查询也越慢。所以不要盲目追求高精度。我见过有人把普通物联网数据存成纳秒级，结果磁盘空间一个月就爆了。
我的建议是：够用就好。股票交易数据，毫秒级足够了；高频量化交易，微秒级也够了。纳秒级？除非你在做光速级别的交易。
3.6 数据保留策略（Retention Policy）—— 自动清理过期数据
时序数据有个特点：越老的数据，价值越低。你很少会去查三年前的 CPU 使用率，对吧？
保留策略就是用来「自动删除旧数据」的。它包含三个要素：
- 数据保留时长：比如 30 天、90 天、1 年。
- 数据分片规则：按时间分片，方便删除和归档。
- 副本数：保留几份数据副本，防止丢失。
举个例子，在 InfluxDB 中：
-- 创建一个保留策略：数据保留 30 天，副本 1 份
CREATE RETENTION POLICY "30_days" ON "mydb" DURATION 30d REPLICATION 1 DEFAULT设置好之后，数据库会自动把超过 30 天的数据清理掉。你完全不用操心。
另外，有些场景下，你不想删数据，而是想「降采样」。比如把秒级数据聚合成分钟级数据，然后删除原始秒级数据。这属于保留策略的进阶用法，我们后面会专门讲。
3.7 知识体系总览
说了这么多，我画了一张图，帮你把六个概念串起来：
你看，一条时序数据，本质上就是「在某个时间点，某个度量下，带有一组标签和字段的数值记录」。数据精度决定了时间戳的刻度粗细，保留策略决定了这条数据能活多久。
这六个概念，就像盖房子的六根柱子。搞懂了它们，后面学查询、学聚合、学数据建模，都会轻松很多。
好了，这一章就到这里。记住我今天说的这些坑，后面写代码的时候能少走不少弯路。