4. 数据库选型与配置优化（PostgreSQL）：连接池配置、索引优化、查询计划分析、自动清理与维护策略

在 ThingsBoard 高并发场景下，PostgreSQL 作为核心元数据与关系型数据存储，其配置直接决定平台吞吐量与响应延迟。本章聚焦连接池、索引、查询计划及自动清理四大维度，提供可落地的优化方案。

4.1 连接池配置：从默认到高并发

ThingsBoard 默认使用 HikariCP 连接池，但默认参数（如 maximumPoolSize=10）在千级设备接入时极易成为瓶颈。连接池配置需平衡线程并发数与数据库资源。

4.2 索引优化：覆盖高频查询路径

ThingsBoard 核心表（如 ts_kv、device、alarm）在高并发写入与查询时，索引设计直接影响性能。以下为关键索引策略：

• 时序数据表（ts_kv）： 复合索引 (entity_id, key, ts DESC) 覆盖最新值查询；避免单列索引导致回表。
• 设备表（device）： 索引 (tenant_id, type) 加速租户级设备列表查询。
• 告警表（alarm）： 索引 (tenant_id, status, created_ts DESC) 支持活跃告警排序。
• 关系表（relation）： 索引 (from_id, relation_type_group) 与 (to_id, relation_type_group) 覆盖双向查询。

-- 示例：为 ts_kv 表创建覆盖最新值查询的复合索引
CREATE INDEX idx_ts_kv_entity_key_ts
ON ts_kv (entity_id, key, ts DESC);

-- 示例：为告警表创建活跃告警查询索引
CREATE INDEX idx_alarm_tenant_status_ts
ON alarm (tenant_id, status, created_ts DESC)
WHERE status = 'ACTIVE';

4.3 查询计划分析：定位慢查询根因

使用 EXPLAIN ANALYZE 分析 ThingsBoard 高频查询的执行计划，重点关注顺序扫描（Seq Scan）与嵌套循环（Nested Loop）。

-- 分析设备最新遥测查询
EXPLAIN ANALYZE
SELECT key, long_v, double_v, str_v, ts
FROM ts_kv
WHERE entity_id = 'abc-123'
  AND key = 'temperature'
ORDER BY ts DESC
LIMIT 1;

优化目标：

• 避免 Seq Scan： 若出现顺序扫描，检查是否缺少索引或查询条件未使用索引列。
• 减少 Nested Loop： 多表关联时，确保关联列有索引，或调整 enable_nestloop 参数。
• 关注 Bitmap Heap Scan： 当返回行数较多时，Bitmap 扫描通常优于 Index Scan。

4.4 自动清理与维护策略

PostgreSQL 的 MVCC 机制导致死元组累积，若不及时清理，会引发表膨胀、索引效率下降。ThingsBoard 高写入场景下，需定制 autovacuum 参数。

定期维护任务建议：

• 每周： 对核心表执行 VACUUM ANALYZE，更新统计信息并回收空间。
• 每月： 在低峰期对 ts_kv 等大表执行 REINDEX，重建索引消除碎片。
• 持续监控： 使用 pg_stat_user_tables 观察 n_dead_tup 与 last_autovacuum，确保清理及时。

4.5 综合配置清单

以下为 ThingsBoard 高并发场景下 PostgreSQL 配置的快速参考清单：

1. 连接池： maximumPoolSize=80，connectionTimeout=10000，maxLifetime=1200000。
2. 索引： 为 ts_kv 创建复合索引 (entity_id, key, ts DESC)，为 alarm 创建条件索引。
3. 查询计划： 每周使用 EXPLAIN ANALYZE 检查 TOP 5 慢查询，针对性优化。
4. 自动清理： 全局 scale_factor=0.01，ts_kv 表级 scale_factor=0.005。
5. 维护窗口： 每周 VACUUM ANALYZE，每月 REINDEX，避开业务高峰。