SqlSugar.TDengineCore 时序数据库超级表与子表的最佳实践
2025-06-06 10:00:17作者:董斯意
时序数据库中的超级表概念
在TDengine时序数据库中,超级表(Super Table)是一种特殊的数据结构,它本身不存储实际数据,而是作为子表的模板存在。超级表定义了数据的结构和标签(Tags),而真正的数据存储在基于超级表创建的子表中。这种设计非常适合物联网(IoT)场景,其中大量设备产生相似结构的数据。
传统实现方式的局限性
在早期版本中,开发者需要手动处理超级表和子表的创建:
- 首先通过SQL语句创建超级表
- 然后为每个设备创建对应的子表
- 最后将数据插入到特定子表中
这种方式存在几个问题:
- 代码冗余,需要大量手动SQL
- 批量插入性能不佳
- 缺乏面向对象的优雅封装
SqlSugar.TDengineCore的优雅解决方案
最新版本的SqlSugar.TDengineCore(4.18.2+)提供了更优雅的Code First方式来处理超级表和子表:
1. 定义超级表模型
通过[STable]特性标记超级表,[SugarColumn]定义列属性:
[STable(STableName = "SUsingTagModel", Tag1 = nameof(Tag1))]
public class SUsingTagModel
{
[SugarColumn(IsPrimaryKey = true)]
public DateTime Ts { get; set; }
public bool Boolean { get; set; }
public string Tag1 { get; set; }
}
2. 初始化超级表
在应用启动时初始化超级表结构:
db.CodeFirst.InitTables<SUsingTagModel>();
3. 智能子表处理与数据插入
新版本提供了自动创建子表并插入数据的能力:
db.Insertable(new List<SUsingTagModel>(){
new SUsingTagModel() { Boolean = true, Tag1 = "a", Ts = DateTime.Now.AddMilliseconds(1) },
new SUsingTagModel() { Boolean = false, Tag1 = "a", Ts = DateTime.Now.AddMilliseconds(2) },
new SUsingTagModel() { Boolean = true, Tag1 = "b", Ts = DateTime.Now.AddMilliseconds(3) }
})
.SetTDengineChildTableName((stableName, it) => $"{stableName}_{it.Tag1}")
.ExecuteCommand();
4. 查询数据
可以像普通表一样查询数据:
// 查询所有数据
var list1 = db.Queryable<SUsingTagModel>().ToList();
// 按Tag查询特定子表数据
var tagA = db.Queryable<SUsingTagModel>().Where(it => it.Tag1 == "a").ToList();
性能优化
SqlSugar.TDengineCore在底层实现了多项性能优化:
- 批量插入分页处理:自动将大数据集分页处理,提高插入效率
- 智能SQL生成:优化SQL生成逻辑,减少不必要的参数化处理开销
- 子表自动管理:自动处理子表创建,避免重复操作
实际应用建议
- 固定字段设计:建议将设备公共属性作为超级表字段,特殊属性存储在关系型数据库
- 时间戳处理:确保时间戳(Ts)字段唯一,避免重复
- 命名规范:建立清晰的子表命名规则,便于维护
总结
SqlSugar.TDengineCore的最新改进使得TDengine的超级表功能更加易用,开发者可以用面向对象的方式处理时序数据,同时享受ORM带来的便利性和性能优化。这种设计特别适合物联网应用场景,能够有效管理海量设备产生的时序数据。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
537
3.75 K
暂无简介
Dart
773
191
Ascend Extension for PyTorch
Python
343
406
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.34 K
755
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.07 K
97
React Native鸿蒙化仓库
JavaScript
303
355
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
337
179
AscendNPU-IR
C++
86
141
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
248