1. 课程导入与物联网时序数据平台全景

物联网时序数据平台，是专门用来接收、存储、查询和分析“带时间戳的传感器/设备数据”的一类数据基础设施。它要解决的核心问题不是“存一条记录”，而是“在设备数量多、上报频率高、数据只增不改、查询以时间范围为主”的条件下，仍然能稳定写入、快速检索、长期留存并支撑分析。典型数据形如：设备编号 dev-1024、测点 temp、时间 2025-03-01T08:00:00Z、数值 23.6、质量码 0。一条数据本身很小，但每秒百万条持续写入时，平台的设计重点就从“表结构”转向“写入路径、分区策略、压缩编码与查询裁剪”。

本课程的学习目标可以归纳为四层能力：第一，能说清时序数据平台与通用关系库、缓存、消息队列的边界与协作关系；第二，能根据设备规模、采样频率、保留周期估算写入吞吐与存储容量；第三，能设计出从设备接入、消息缓冲、时序存储、查询服务到可视化与告警的整体分层架构；第四，能针对乱序、重复、断点续传、降采样等真实问题给出可落地的处理方案。学完后，你应当能独立画出一张平台架构图，并为每一层标注关键组件、接口协议与容量参数。

核心概念与平台边界

时序数据有五个区别于普通业务数据的特征：时间主键性（时间戳是查询与分区的第一维度）、写多读少且追加写（几乎不更新历史值）、高基数（设备×测点组合可能达千万级）、冷热分层明显（近 7 天高频查，半年前多为归档）、允许近似（监控场景常接受降采样与插值）。理解这五点，才能判断哪些组件适合放在哪一层。

平台边界要划清：设备侧网关负责协议转换与本地缓存，不属于平台内部；消息队列负责削峰与解耦，是平台的“入口缓冲”；时序数据库负责持久化与时间范围检索；查询/计算层负责聚合、降采样与告警判定；应用层负责看板、报表与开放 API。边界之外的系统（如 ERP、工单）通过 API 或数据订阅与平台交互，不直接写时序库。

典型应用场景

• 工业设备监控：采集振动、温度、电流，采样周期 100ms～1s，用于故障预警与能效分析。
• 车联网：车辆位置、车速、电池状态，上报频率 1～10s，需支持轨迹回放与地理围栏。
• 能源电力：电表、光伏逆变器数据，15 分钟一个点，强调长期留存与结算级准确性。
• 智慧楼宇：温湿度、空调能耗，分钟级采集，侧重看板与阈值告警。

这些场景的共同点是：设备多、点位多、写入持续、查询按时间切片。差异在于采样频率、乱序程度、保留年限与一致性要求，这些差异会直接改变存储引擎选型和分区粒度。

整体架构分层

一个可落地的物联网时序数据平台通常分为六层，数据自下而上流动，控制与查询自上而下下发。下图给出分层结构与关键组件、协议及数据形态，便于建立全局视图。

图中六层并非必须全部自建：小规模场景可把消息缓冲与时序库合并，用数据库自带写入队列；大规模场景则需在接入层与缓冲层之间增加协议适配集群。但无论规模如何，“接入—缓冲—存储—计算—服务—应用”这条数据主链不能缺环，否则会出现写入丢数、查询拖垮写入、告警延迟等问题。

容量估算示例

假设某工厂有 2000 台设备，每台 20 个测点，采样周期 1 秒，每条记录约 40 字节（含时间戳、标签、值、质量码）。写入速率约为 2000×20÷1 = 40000 点/秒，原始带宽约 40000×40 = 1.6 MB/s。若保留 1 年，原始数据量约 1.6 MB/s×86400×365 ≈ 50 TB。采用列式压缩（典型压缩比 8:1～15:1）后，实际占用约 3.3～6.3 TB。这个估算决定了分区粒度（建议按天分区，单分区约 138 GB 原始、压缩后 9～17 GB）和冷热分层策略（近 7 天 SSD，其余 HDD 或对象存储）。