SqlSugar.TDengineCore 时序数据库超级表与子表的最佳实践
2025-06-06 17:03:09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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147