第三章 时序数据库入门

各位同学，今天我们来聊聊时序数据库。说实话，我刚接触SCADA系统那会儿，用的还是传统关系型数据库存数据。后来项目越做越大，数据量上来了，才发现——嗯，这条路走不通了。

3.1 什么是时序数据库

时序数据库，英文叫Time Series Database，简称TSDB。它专门处理带时间戳的数据。比如你工厂里的温度传感器，每秒钟上报一次温度值，这就是典型的时序数据。

我个人习惯把时序数据库想象成一个「时间轴上的记录本」。每一行数据都带着精确的时间戳，按时间顺序排列。你想想看，这和传统的关系型数据库有什么不同？

3.2 与关系型数据库的区别

关系型数据库，比如MySQL、PostgreSQL，它们擅长处理的是「实体关系」。比如用户表、订单表、商品表，这些数据之间有复杂的关联。

但时序数据不一样。它有几个特点：

• 写入量大：每秒可能成千上万条数据
• 很少更新：历史数据基本不会改
• 按时间查询：查最近一小时、最近一天的数据
• 聚合操作多：求平均值、最大值、最小值

我在项目中遇到过这样一个坑：用MySQL存传感器数据，一个月后表里就有几千万条记录。查询最近一小时的数据，居然要好几秒。后来换成InfluxDB，同样的查询，几十毫秒就搞定了。

3.3 数据模型：measurement、tag、field

时序数据库的数据模型和关系型数据库完全不同。以InfluxDB为例，它有三个核心概念：

概念	类比关系型数据库	说明
measurement	表名	表示一类数据，比如temperature、pressure
tag	索引字段	用于过滤和分组，比如设备ID、位置
field	普通字段	实际存储的数值，比如温度值、压力值

举个例子。假设你有一个温度传感器，设备ID是sensor_01，安装在车间A区。数据模型是这样的：

measurement: temperature
tag: device_id = "sensor_01", location = "车间A区"
field: value = 25.6
time: 2024-01-15T10:30:00Z

为什么要分tag和field？说白了，tag是用来「筛选」的，field是用来「计算」的。tag会被索引，查询速度快；field不会被索引，但可以存大量数值。

3.4 写入基础

写入时序数据，说白了就是往数据库里「塞」数据。以InfluxDB为例，写入格式很简单：

# 写入单条数据
INSERT temperature,device_id=sensor_01,location=车间A区 value=25.6

# 写入多条数据
INSERT temperature,device_id=sensor_01,location=车间A区 value=25.6
INSERT temperature,device_id=sensor_02,location=车间B区 value=26.1

用Python写入也很方便：

from influxdb import InfluxDBClient

client = InfluxDBClient(host='localhost', port=8086)
client.switch_database('scada_db')

json_body = [
    {
        "measurement": "temperature",
        "tags": {
            "device_id": "sensor_01",
            "location": "车间A区"
        },
        "fields": {
            "value": 25.6
        },
        "time": "2024-01-15T10:30:00Z"
    }
]

client.write_points(json_body)

3.5 查询基础

查询时序数据，最常用的就是按时间范围查。InfluxDB的查询语言叫InfluxQL，和SQL有点像，但又不完全一样。

# 查询最近一小时的数据
SELECT * FROM temperature WHERE time > now() - 1h

# 查询指定设备的数据
SELECT * FROM temperature WHERE device_id = 'sensor_01'

# 查询平均值，按5分钟分组
SELECT MEAN(value) FROM temperature WHERE time > now() - 1h GROUP BY time(5m)

用Python查询：

result = client.query('SELECT * FROM temperature WHERE time > now() - 1h')
points = list(result.get_points())

for point in points:
    print(f"时间: {point['time']}, 温度: {point['value']}")

你想想看，如果换成MySQL，同样的查询要怎么写？

SELECT * FROM temperature WHERE create_time > DATE_SUB(NOW(), INTERVAL 1 HOUR)

看起来差不多，对吧？但性能差距巨大。InfluxDB内部做了大量优化，比如时间索引、列式存储、预聚合等。这些优化让时序查询快得飞起。

3.6 避坑指南

最后，分享几个我踩过的坑：

• 不要用MySQL存时序数据：数据量一上来，查询慢得让人崩溃
• tag不要太多：每个tag值都会创建索引，太多会影响写入性能
• 时间戳要统一：建议用UTC，避免时区问题
• 定期清理旧数据：时序数据占空间，设置好保留策略

下一章，我们实战搭建InfluxDB，写一个完整的SCADA数据采集程序。到时候，你会真正感受到时序数据库的威力。