在物联网和工业场景中，采集的数据往往是结构化的，如何高效存储、快速写入并便捷查询，成为时序数据库面临的核心挑战。TDengine 创新性地采用“一个数据采集点一张表”的设计策略，在保留关系型数据库易用性的同时，充分发挥了时序数据的特性。
关系型模型，降低学习门槛
TDengine 沿用传统关系型数据库的数据模型来管理结构化数据，用户无需重新学习新的数据组织方式，即可轻松上手。这种设计既满足了工业与物联网用户的数据结构需求，也保障了与主流分析工具的兼容性。
一个数据采集点一张表
每个数据采集点在 TDengine 中对应一张独立的表。例如，如果系统中部署了一千万块智能电表，则需在 TDengine 中创建一千万张表，每张表只记录一块电表的全部时序数据。表名通常以采集点 ID 命名（如 d1001），采集的各项指标（如电流、电压、相位等）在表中以列形式存在。
这种设计方式带来了显著优势：
- 无锁写入，极致性能：每个采集点是独立的数据源，只有一个写入者，天然避免了并发写入冲突，TDengine 可采用无锁机制，显著提升写入速度。
- 追加写入，顺序优化：时序数据按时间递增产生，可顺序追加写入，有效降低系统开销，加快处理效率。
- 块状存储，高效查询：单个采集点的数据在存储上是连续的、以块为单位组织，读取特定时间段数据时，几乎无需随机 I/O，查询性能提升数量级。
- 列式压缩，节省空间：数据块内部采用列式存储，不同数据类型匹配不同压缩算法，结合采集量变化的低频特性，压缩率远高于传统方式。
如果采用传统方式将多个数据采集点的数据写入同一张表，由于网络延迟不可控，各采集点数据到达服务器的顺序无法保障，系统必须引入锁机制来确保写入一致性。同时，不同采集点的数据难以实现连续存储，影响后续查询效率与压缩效果。相比之下，采用“一个数据采集点一张表”的方式，可最大程度保障每个采集点的数据写入和查询性能，同时实现更优的数据压缩率。
在 TDengine 中，通常以数据采集点的名称（如 d1001）作为表名。每个采集点可对应多个采集量（如电流、电压、相位等），每个采集量在表中占据一列，数据类型可以为整数、浮点数、字符串等。每张表的首列必须为时间戳（Timestamp 类型），TDengine 会基于该时间戳建立索引，并采用列式存储方式进行数据组织。对于结构复杂的设备（如汽车），由于存在多个数据采集点，通常需要为同一设备创建多张表分别管理。
搭配“超级表”，实现统一建模与灵活查询
为了解决大规模数据管理中的结构统一性问题，TDengine 进一步引入了“超级表”机制。在保留“一个数据采集点一张表”的基础上，用户只需定义一次表结构，即可通过超级表模板批量创建同类采集点的子表。同时，每个子表可通过标签（如地理位置、设备型号、安装时间等）区分，实现灵活筛选与聚合分析。
这一设计充分结合了“结构统一 + 存储独立”的优势，使 TDengine 在管理千万级、甚至十亿级设备时，仍然能够保持高性能写入、低成本存储与灵活查询分析的能力。
