TDengine加持，一周时间上线环保监测平台

程序设计

整个数据采集服务基于MQTT协议开发，通过阿里巴巴的nacos集群实现配置和服务发现，通过feign模式调用其他微服务模块的业务数据，来对上报的数据进行业务解析，并将解析的结果存入对应监控指标对应的点位表中。采集服务采用mybatis-plus的多数据源配置，使用的是目前性能佳的HikariCP数据连接池，分别配置MySQL和TDengine两个数据库连接，实现了多数据源的无缝切换。整个采集服务基于容器化部署，采用Kubernetes进行容器编排，通过分布式锁方式避免了数据重复入库，提高了数据的解析速度，实现MQTT的分布式分组采集。

数据库选型

我们公司对比了阿里的时序时空数据库TSDB、传统的 MySQL 以及 TDengine。

与传统数据库对比

• MySQL ：查询效率低，需要按数据时间分库分表，应用场景不合适，没有基于采集频率周期的高效查询。
• TDengine ：查询效率高，不需要分表，具备时间维度聚合、流式计算、缓存等特性。

与其他时序库对比

• 阿里TSDB ：闭源，私有化落地比较难
• TDengine ：性价比高，开源，支持云端和本地部署

尤其是TDengine一张设备一张表的建表思路，和我们的程序设计方式非常契合。同时TDengine还有一个超级表的设计，可以给不同的设备打上标签，比如客户ID、设备ID、指标名称等等，管理多条时间线变得非常方便。整个数据库也是SQL交互方式，支持标准JDBC接口，可以无缝对接MyBastis ORM框架，开发起来非常方便。因此我们终选用了TDengine云服务作为各项监控指标的存储数据库，并且花了大概一周时间就上线了系统。

建表思路

我们目前是通过超级表的模式来进行数据建表，我们子表是point_#{采集点编码} 。标签对应为客户标识、设备标识、采集指标编号、指标名称、计量单位名称。

建立超级表

create table point(ts timestamp,val float,flag bool) tags(cusid bigint, devid bigint, code bigint, pointname binary(20),unitname binary(20));