#时序数据库原理（TSDB）

时序数据库（Time Series Database，TSDB）是专门存储和时间相关数据的数据库系统。Prometheus、InfluxDB、TimescaleDB、Kdb+ 等都属于 TSDB 范畴。与传统关系型数据库相比，TSDB 针对时序数据的特性进行了专门优化，在写入吞吐、存储压缩、查询性能上都有数量级的优势。

理解 TSDB 的底层原理，有助于你在选型时做出正确判断，在使用时避免常见陷阱。

#时序数据的特性

时序数据与普通业务数据有三个显著区别：

写入模式：高并发顺序写入，持续写入远多于随机写入和更新。传统数据库的 B+Tree 索引在高频写入场景下会产生大量随机 I/O，而 TSDB 采用 LSM-Tree 或专属的写入结构优化这一特性。

查询模式：范围查询为主，且通常是聚合查询（如「过去 1 小时的平均值」）。传统数据库的行式存储不适合这种「宽时间范围、窄返回结果」的查询模式，TSDB 采用列式存储或专属的时间分块索引。

数据生命周期：存在明显的「冷热」特性。最近的数据访问频繁，历史数据访问稀少但必须保留。TSDB 的数据分级存储和自动降采样，是针对这一特性的设计。

#核心存储机制

Prometheus 采用的是基于内存的 Head Block + 基于磁盘的 mmap 混合存储。最新写入的数据先写入内存的 Head Block，当达到一定大小或时间阈值后，转换成 mmap 文件块（称为 Compacted Block）。磁盘上的 Block 是不可变的，这简化了并发控制。

Block 内部采用分段的内存映射文件（TSM，Time Structured Merge Tree）格式存储。每个 Block 的索引结构包含：Series 索引（标签 → 数据文件位置）、时间范围索引（时间 → 数据文件位置）、Bloom Filter（快速判断某个 Series 是否存在）。这种多级索引设计，使得即使数据量达到数 TB，查询仍然能在毫秒级完成。

#查询执行优化

TSDB 的查询优化围绕「如何快速定位和读取数据」展开：

时间范围裁剪：查询时首先通过时间范围索引，只读取包含目标时间范围的数据块，避免全表扫描。

标签索引加速：通过倒排索引，根据标签条件快速找到匹配的 Series ID，再根据 Series ID 定位数据位置。

Streaming Aggregation：对于聚合查询（如 sum(rate(...))），采用流式计算模式，边读取数据边计算，无需将所有数据加载到内存。这对于大时间范围查询至关重要。