TimescaleDB 时间序列压缩与查询加速（Hypertable、Compression 与验证）

概述TimescaleDB基于Hypertable将数据按时间与空间维度分片, 配合压缩可显著降低存储与IO。通过time_bucket聚合与索引优化, 快速完成窗口查询与报表分析。关键实践与参数Hypertable创建: `create_hypertable('metrics', 'ts', chunk_time_interval=>'1d')`压缩策略: 针对历史Chunk启用压缩, 保持近期数据未压缩索引: 时间与标签字段索引提升过滤效率维护: 定期刷新统计与重建策略示例/配置/实现CREATE EXTENSION IF NOT EXISTS timescaledb; CREATE TABLE metrics ( ts TIMESTAMPTZ NOT NULL, series_id INT NOT NULL, value DOUBLE PRECISION NOT NULL ); SELECT create_hypertable('metrics', 'ts', chunk_time_interval => INTERVAL '1 day'); -- 启用压缩 ALTER TABLE metrics SET (timescaledb.compress, timescaledb.compress_segmentby = 'series_id'); SELECT add_compression_policy('metrics', INTERVAL '7 days'); -- 聚合查询加速 SELECT time_bucket('1 hour', ts) AS bucket, series_id, avg(value) AS avg FROM metrics WHERE ts >= now() - interval '24 hours' AND series_id = 42 GROUP BY bucket, series_id ORDER BY bucket; 验证存储占用: 记录压缩前后表与Chunk大小, 预期明显下降查询性能: 对比压缩与未压缩Chunk的窗口查询耗时聚合正确性: 确认time_bucket聚合结果与原始数据一致近期写入: 近期未压缩Chunk写入性能不受影响注意事项压缩策略需避开近期写入窗口, 防止写入退化根据标签基数选择 `compress_segmentby`, 提升压缩效率压缩为异步任务, 验证需留出策略生效时间关注版本兼容与扩展更新