TDengine常用语句与特性

一、TDengine常用语句与特性

1、创建数据库：CREATE DATABASE IF NOT EXISTS;

2、显示数据库中超级表：show stables;

3、创建超级表：CREATE STABLE(ts timestamp, longitude double, latitude double, tgtheight float, course float, speed float, fusiontype int, fusionsrccnt tinyint, fusionsrcs nchar(200)) TAGS(starttime timestamp);

4、删除超级表：DROP STABLE IF EXISTS;

5、查询是否存在某张表：select count(*) from information_schema.ins_tables where db_name='' and table_name='';

6、查询超级表下所有子表表名：select table_name from information_schema.ins_tables where db_name='' and stable_name='';

7、查询数据库超表：select stable_name from information_schema.ins_stables where db_name='';

8、超级表新增Tag：ALTER TABLE add tag;

9、删除超级表Tag：ALTER TABLE DROP TAG;

10、查询Tag与count(*)：select,count(*) from group by;

11、查询表最后一条数据：select* from order by ts desc limit 1;

12、查看数据库表数量（不含超表）：select count(*) from information_schema.ins_tables where db_name='';

13、查看超级表下子表数量：select count(*) from information_schema.ins_tables where db_name='' and stable_name='';

14、查看超级表下子表数量（2）：select count() from(select from group by);

15、使用order by、group by与limit：select* from(select* from where> 220822999000804 group by) order by limit 10;

16、相同时间戳数据插入：在TDengine中，如果同一张表内插入相同时间戳数据，且未设置UPDATE=1选项，则会直接抛弃新数据。当创建Database时使用UPDATE=1，新数据会覆盖原有同时间戳数据，最终保留一条。

17、插入数据时间戳不按顺序：TDengine会自动排序插入数据的时间戳。

18、提升数据插入效率：一次SQL语句写入多条记录，插入效率更高，推荐同时写入多个表。

19、提升数据查询效率：使用union或union all合并查询语句，一次查询提高效率。注意使用order by或order by limit时，需用括号括起来，避免语法错误。

二、浅谈时序数据库TDengine

1、近期，时序数据库TDengine备受瞩目，尽管官方测试表现优异，但在使用过程中，我发现存在一些挑战。首要问题在于写入策略，设计中要求用户为每个Tag组合自定义表名，虽然初衷是将同类数据聚合，但这种操作实际上增加了用户的负担。如果系统内部能自动处理Tag唯一性，通过内部隐藏的表名，用户只需操作一个超级表STable，将简化操作，提升写入性能。

2、不支持乱序写入是TDengine的一个局限，它牺牲了一定的灵活性，以保证写入性能。例如，数据写入时需要保持时间顺序，否则可能导致复杂的数据调整。这不仅影响了写入效率，还省去了类似RocksDB的compact操作，减少了查询时的数据量。因此，用户在使用时需要遵循特定的写入规则，以保证性能。

3、查询方面，对于常见的需求如topN group，例如查询CPU利用率最高的三台机器，TDengine目前无法满足。此外，对于每个appId的总连接数曲线，通过downsampling和aggregation来聚合数据时，TDengine的SQL功能受限，无法处理复杂的函数嵌套，这也成为了一个痛点。

4、在group by操作中，比如依据host和disk进行分组，当数据量庞大，如30万个表时，TDengine的性能将大打折扣。查询过程需先获取大量表的meta信息，然后逐个表查询，这在数据节点众多时会成为瓶颈。

5、查询聚合架构方面，两阶段查询方式可能导致效率问题，尤其是当满足条件的表超过百万时。这促使我们考虑使用分布式查询方案，如Presto或Impala，以解决客户端聚合的性能瓶颈。

三、数据库-涛思-TDengine

数据库-涛思-TDengine的直观概述

在探索时序数据库领域时，我曾接触过Influxdb和OpenTSDB，而现在又遇到了一个新兴平台——涛思数据的开源大数据处理平台TDengine。专为物联网、车联网等场景设计，TDengine以其出色的高效性能和全面的功能脱颖而出。它不仅拥有核心的时序数据库功能，速度比传统数据库快10倍以上，还提供了缓存、数据订阅和流式计算等功能，旨在简化研发和运维工作，且所有核心代码和集群功能均开源。

官网的介绍中，包含了一系列关键特性，值得深入研究。首先，从容器化部署开始，包括下载镜像、运行容器、输入初始样例数据，如在35.68秒内成功插入1亿条数据，每秒处理速度达到280万条，显示出其高效性能。接着，通过查询数据和访问REST接口，体验了其数据库操作的便捷性。

在初步体验中，我观察到TDengine的操作模式与MySQL类似，但后续仍需深入研究其时序数据库、缓存、数据订阅和流式计算等功能，以全面了解其优势。毕竟，周五到了，是时候享受一下其他兴趣爱好，比如玩一局太华。不过，周末我将继续研究，期待发现更多亮点。