IoT物联网TDengine 时序数据库实战教程

IoT物联网TDengine时序数据库实战教程适配TDengine3.0+（TDengineCloud/开源社区版/企业版）TDengine定位：物联网、设备采集、传感器、IoT监控、工控、电梯/电力设备指标时序存储；完美适配工业IoT场景。一、核心基础概念TDengine独创超级表(STable)+子表模型数据库database：设置数据保留时长、分片参数、副本数超级表STable（SuperTable）一类设备的模板（例如：device_metric所有电梯采集指标）时间戳ts：主键，时序数据必须字段采集指标列（普通列）：温度、电压、运行速度、楼层、告警状态标签tags（维度）：设备唯一编号、楼宇编号、区域、设备类型（不可频繁变更）子表SubTable每个设备一张自动生成子表，基于超级表创建；tags作为区分不同设备维度优势：按设备天然分片；按标签快速过滤；聚合查询极快；自动分区；支持数据自动删除。⚠️最佳实践：变动频繁数值→普通列设备静态属性（设备ID、站点）→标签tag数据模型示例（电梯物联网）超级表：st_elevator_data表格字段类型说明类别tsTIMESTAMP采集时间戳主键speedFLOAT电梯运行速度普通列floorINT当前楼层普通列loadFLOAT载重百分比普通列alarm_codeINT告警码普通列device_idNCHAR(32)设备编号TAGbuilding_idNCHAR(32)楼宇IDTAGcityNCHAR(16)城市TAG二、快速部署TDengine3.0方式1：Docker（推荐开发测试）bash#启动容器dockerrun-d\--nametdengine\-p6030:6030-p6041:6041-p6043:6043\-vtd-data:/var/lib/taos\tdengine/tdengine:#进入客户端dockerexec-ittdenginetaos方式2Linux二进制部署（生产）官方下载server包，systemd托管服务，端口：6030：原生TAOS连接（taosc驱动）6041：RESTAPI6043：WebSocket生产建议：优先使用原生驱动taosc，性能远高于Restful。三、TDengineSQL实战（客户端直接执行）1.创建数据库sql--数据库：保留数据90天，分片间隔1天CREATEDATABASEIFNOTEXISTSiot_elevatorKEEP90DURATION1d;USEiot_elevator;参数说明：KEEP：数据保存最大天数，超期自动删除DURATION：单个数据分片时间跨度2.创建超级表sqlCREATESTABLEIFNOTEXISTSst_elevator_data(tsTIMESTAMP,speedFLOAT,floorINT,loadFLOAT,alarm_codeINT)TAGS(device_idNCHAR(32),building_idNCHAR(16),cityNCHAR(16));3.自动创建子表并写入数据方式1：自动建子表（推荐，业务最常用）子表命名规则t_${deviceId}sqlINSERTINTOt_elev_001USINGst_elevator_dataTAGS('elev_001','building_A','Langfang')VALUES(NOW(),1.6,8,45.2,0);执行逻辑：不存在t_elev_001自动创建子表，再写入一行时序数据。4.基础查询sql--查询单设备最近100条SELECT*FROMst_elevator_dataWHEREdevice_id='elev_001'ORDERBYtsDESCLIMIT100;--指定时间范围SELECTts,floor,speedFROMst_elevator_dataWHEREdevice_id='elev_001'ANDts>'2026-08-0100:00:00'ANDts<NOW();5.降采样聚合（时序核心能力！代替代码内存聚合）场景：原始采集1Hz，前端展示需要5分钟平均值sql--每5分钟聚合：平均速度、平均载重SELECTTS,AVG(speed)avg_speed,AVG(load)avg_loadFROMst_elevator_dataWHEREdevice_id='elev_001'INTERVAL(5m)SLIDING(5m);INTERVAL采样窗口SLIDING滑动步长6.常用聚合函数AVG,SUM,MAX,MIN,COUNT,FIRST,LASTsql--时间段内最高速度、最低楼层SELECTMAX(speed),MIN(floor)FROMst_elevator_dataWHEREdevice_id='elev_001'ANDts>NOW()-24h;7.标签过滤多设备批量查询sql--查询廊坊市所有楼宇设备数据SELECT*FROMst_elevator_dataWHEREcity='Langfang'ANDts>=NOW()-1h;8.删除过期数据无需手动删除，数据库KEEP参数自动清理；如需手动清理某设备历史：sqlDELETEFROMst_elevator_dataWHEREdevice_id='elev_001'ANDts<'2026-01-01';四、多语言驱动实战代码4.1SpringBootJava（taos-jdbcdriver3.0，物联网项目主流）maven依赖xml<dependency><groupId>com.taosdata.jdbc</groupId><artifactId>taos-jdbcdriver</artifactId><version></version></dependency>application.ymlyamlspring:datasource:driver-class-name:com.taosdata.jdbc.TSDBDriverurl:jdbc:TAOS://:6030/iot_elevatorusername:rootpassword:taosdata写入工具示例java运行importjava.sql.*;publicclassTDWriteDemo{publicstaticvoidmain(String[]args)throwsSQLException{Stringurl="jdbc:TAOS://:6030/iot_elevator";Connectionconn=DriverManager.getConnection(url,"root","taosdata");Stringsql="INSERTINTOt_elev_001USINGst_elevator_dataTAGS(?,?,?)VALUES(?,?,?,?,?)";PreparedStatementpstmt=conn.prepareStatement(sql);//参数：tags(device_id,building_id,city)+ts,speed,floor,load,alarm_codepstmt.setString(1,"elev_001");pstmt.setString(2,"building_A");pstmt.setString(3,"Langfang");pstmt.setTimestamp(4,newTimestamp(System.currentTimeMillis()));pstmt.setFloat(5,1.5f);pstmt.setInt(6,10);pstmt.setFloat(7,30.0f);pstmt.setInt(8,0);pstmt.execute();pstmt.close();conn.close();}}生产批量写入：使用SQL批量values、或者stmt批量写入API（非PreparedStatement），千万不要循环单行insert，吞吐量极低。4.2Go语言驱动（边缘网关优选）go运行packagemainimport( "database/sql" "fmt" "time" _"/taosdata/driver-go/v3/taosSql")funcmain(){ db,err:=sql.Open("taosSql","root:taosdata@tcp(:6030)/iot_elevator") iferr!=nil{ panic(err) } deferdb.Close() now:=time.Now() sqlStr:=`INSERTINTOt_elev_001USINGst_elevator_dataTAGS('elev_001','building_A','Langfang')VALUES(?,?,?,?,?)` _,err=db.Exec(sqlStr,now,1.2,5,22.5,0) iferr!=nil{ fmt.Println(err) }}五、工业IoT落地最佳实践1.数据流架构plaintext电梯终端采集→MQTT(Kafka)→Java服务→TDengine存储前端可视化查询（实时曲线/历史趋势/5min聚合报表）告警系统：查询时序数据识别异常指标2.写入规范（避坑重点）时间戳统一使用毫秒时间戳，全部服务UTC或者统一东八区，避免时区错乱高频采集（1~5Hz）禁止单条循环插入；批量攒包写入（攒200~500条一次提交）TAG不要频繁更新！TD标签不适合经常修改；经常变化字段放普通列超级表不要建太多，同类设备尽量复用一张STable3.查询规范查询必须携带时间范围！禁止不带ts条件全表扫描，时序数据库巨量数据会直接卡死✅good:wherets>now-24handdevice_id='xxx'❌bad:select*fromst_elevator_datawheredevice_id='xxx'历史报表尽量使用INTERVAL服务端降采样，不要原始数据全部拉到内存聚合六、性能优化清单开启批量写入：StmtAPI/多行VALUES合并合理设置DURATION分片，采集频率1Hz级别建议DURATION1天磁盘：使用SSD；关闭磁盘同步刷盘参数（根据业务可靠性权衡）分库规划：设备量几十万以上，可以按城市分多个database冷热分离：TD企业版支持冷热分层；社区版只能依靠KEEP自动清理+定期导出冷数据至对象存储索引：标签自带索引，无需额外建立索引；普通列不要随意创建索引七、高频问题&踩坑记录Q：标签可以update修改吗？A：TDengine3.0支持ALTERTABLE修改tags，但是性能差，设计阶段尽量避免动态标签。Q：写入很慢，吞吐量上不去？A：99%原因：循环单行Insert，没有批量攒包。Q：时间查询结果错乱？时区问题A：所有服务统一时区；客户端连接指定时区timezone=Asia/S