压缩效率是衡量时序数据库存储能力的关键指标。关系型数据库存储1TB的工业时序数据，时序数据库在同等数据量下通常只需100-150GB。10倍压缩比不是营销数字，而是由时序数据的内在特征和专用压缩算法共同决定的工程结果。理解这10倍压缩比从何而来，需要从数据特征、压缩算法、存储格式三个层面逐层拆解。
时序数据的三个压缩前提
压缩算法的效率取决于数据的冗余度。时序数据在三个维度上天然具有高冗余性，这是专用压缩算法发挥作用的前提。
时间戳单调递增。时序数据按时间顺序写入，每条数据的时间戳严格递增（或递减）。相邻数据的时间戳差异通常在一个固定范围内——如果采样周期是1秒，相邻时间戳差值为1000毫秒。这种规律性使得时间戳可以被极高比例压缩。
相邻值变化小。工业物理量具有连续性——温度不会在1秒内从25°C跳到200°C再回到25°C。相邻采样点的数值差异通常远小于数值本身。一个反应釜温度从75.3°C变化到75.4°C，绝对值差异0.1，相对变化仅0.13%。这种小变化特性使得差值编码极为高效。
状态量重复多。工业设备的状态参数（开关状态、运行/停机、故障标志）在长时间区间内保持不变。一个断路器一天分合2次，但每秒采样一次状态值，86400条数据中只有2条真正变化，其余86398条完全重复。Run-Length Encoding（RLE）对这种数据可实现1000:1以上的压缩。
通用压缩算法的局限
通用压缩算法（LZ4、Snappy、Zstd、Gzip）设计目标是处理任意类型数据，对时序数据的特定冗余模式不够敏感。
LZ4和Snappy追求速度而非压缩比。它们的算法基础是LZ77滑动窗口——查找重复字节序列并替换为指针。对时序数据中的浮点数序列，字节层面的重复模式不明显（75.3和75.4在IEEE 754浮点表示中字节差异可能很大），LZ77难以捕获。实际测试中，LZ4对时序数据的压缩比通常在1.5-3倍。
Zstd在通用压缩中表现较好，压缩比可达3-5倍。但Zstd的核心算法仍然是LZ77+Huffman/ANS编码，对时序数据的时间戳规律性和浮点数趋势性没有专门优化。更关键的是，通用压缩以数据块为单位处理，无法利用列式存储中同列数据的连续性。
通用压缩算法在时序场景的根本局限在于：它们不理解数据的语义。时间戳列、浮点数列、整数状态列有完全不同的冗余模式，通用算法一视同仁地处理，无法发挥列级压缩的优势。
时序专用压缩算法
时序数据存储系统采用了多种面向特定数据类型的专用压缩算法，这些算法针对时序数据的冗余特征量身设计。
Delta-of-Delta编码 用于时间戳列。算法步骤：第一步，计算相邻时间戳的差值（Delta）——如果采样周期1秒，差值为1000ms。第二步，计算差值的变化量（Delta-of-Delta）——如果采样周期稳定，变化量为0。编码规则：Delta-of-Delta为0时用1个bit编码；在[-63,63]范围内用2个bit+7个bit编码；在[-255,255]范围内用3个bit+9个bit编码；以此类推。稳定采样的时间戳序列，绝大多数Delta-of-Delta为0，编码后每条数据的时间戳仅占1个bit，压缩效率极高。
Run-Length Encoding（RLE） 用于状态量列。连续相同的值编码为（值,重复次数）。断路器状态序列[CLOSED, CLOSED, …, CLOSED(86398次), OPEN, OPEN, OPEN, CLOSED, …, CLOSED]编码为[(CLOSED, 86398), (OPEN, 3), (CLOSED, …)]。完全重复的序列压缩比可达数千倍。
XOR编码 用于浮点数列。相邻浮点数的IEEE 754表示中，高位字节通常相同（符号位、指数位、尾数高位），只有低位字节变化。XOR编码计算相邻值的异或，然后对异或结果的前导零和尾随零进行紧凑编码。75.3和75.4的IEEE 754双精度浮点异或结果可能只有低8位非零，编码后从64bit压缩到约10-12bit。
Swinging Door算法 用于浮点数趋势压缩。该算法由 OSIsoft PI System提出，核心思想是：在一个数据窗口内，如果第一个点和最后一个点确定的线性趋势能够代表窗口内所有点（偏差在容差范围内），则只保留首尾两点，丢弃中间所有点。对于缓慢变化的温度数据（如环境温度从22.0°C用1小时升到24.0°C，每秒采样一次共3600个点），Swinging Door可能只保留20-30个趋势代表点，压缩比超过100:1。
压缩算法 | 适用数据类型 | 压缩比范围 | CPU开销 | 算法复杂度 |
Delta-of-Delta | 时间戳列 | 10-50倍 | 极低 | O(n) |
RLE | 整数状态列 | 50-1000倍 | 极低 | O(n) |
XOR | 浮点数列 | 3-8倍 | 低 | O(n) |
Swinging Door | 浮点趋势列 | 10-100倍 | 中 | O(n) |
LZ4 | 通用数据块 | 1.5-3倍 | 极低 | O(n) |
Zstd | 通用数据块 | 3-5倍 | 中 | O(n) |
列式存储的压缩乘数效应
专用压缩算法在列式存储格式下产生乘数效应。行式存储中，一条记录的所有字段连续排列——时间戳、温度值、压力值、状态值交错存储。LZ77类算法在交错数据中难以发现同类型数据的重复模式。列式存储将同列数据连续排列——所有时间戳在一起、所有温度值在一起、所有压力值在一起。每列数据类型一致，冗余模式一致，专用压缩算法的效率最大化。
列式存储还带来另一个压缩优势：同列数据的取值范围通常远小于全表所有字段的取值范围。温度列取值范围-50到200，用8位整数或16位浮点即可表示，不需要64位双精度浮点的完整范围。列级类型推断可以进一步压缩存储——如果一列的所有值都是整数，即使定义为浮点类型，存储时也可以用整数格式编码。
多级压缩是时序数据库的常见策略。第一级，列级专用压缩：时间戳用Delta-of-Delta，状态量用RLE，浮点数用XOR。第二级，块级通用压缩：对列级压缩后的数据块用Zstd或LZ4再做一次通用压缩，消除残余冗余。第三级，文件级压缩：对存储文件整体做压缩。TDengine默认采用列级压缩+块级压缩的两级策略，综合压缩比7-10倍。
工业场景的压缩效果差异
不同工业数据类型的压缩效果差异显著，取决于数据的物理特征。
温度数据是压缩效果最好的类型。反应釜温度采样周期1秒，数值从75.0°C缓慢变化到76.0°C用10分钟，每秒0.0017°C变化。Delta编码后差值序列中大量重复的小值，XOR编码进一步压缩，Swinging Door在趋势层面再砍一个数量级。综合压缩比可达15-20倍。
振动数据压缩效果最差。振动信号（加速度、速度）频率高、幅值变化大，相邻采样点可能从+5g跳到-5g。XOR编码后异或结果非零位多，压缩效率低。振动数据的压缩主要依赖列式存储的同类型连续性，压缩比通常3-5倍。这也是振动数据存储成本高的技术原因——压缩不掉就得硬存。
状态量压缩比最高。开关状态、运行/停机标志、故障代码等离散量，RLE编码后压缩比可达50-100倍。一个10000条全为"CLOSED"的状态序列，RLE编码后仅占几十字节。
电流/电压等电气量居中。正常运行时三相电流幅值稳定，变化小，XOR编码压缩比8-12倍。故障期间电流剧烈波动，压缩比降到2-3倍。整体压缩比6-8倍。
压缩对系统性能的双向影响
压缩不是免费的。压缩比越高，CPU开销越大，查询时需要解压的代价也越大。
写入路径上，压缩CPU开销增加写入延迟。Delta-of-Delta和RLE算法本身简单（位运算为主），CPU开销可忽略。XOR编码稍重但仍是O(n)复杂度。Swinging Door算法需要维护趋势窗口状态，CPU开销中等。整体而言，写入路径的压缩CPU开销在可接受范围内，不会成为写入瓶颈。
查询路径上，解压开销可能成为瓶颈。范围查询需要读取并解压大量数据块。如果查询涉及大时间范围的全量数据，解压CPU时间和I/O时间的比值需要平衡。TDengine的处理策略是：标签列和索引列不压缩或轻度压缩（保证过滤速度），数据列重度压缩（节省存储）。查询时先通过标签过滤和时间分区裁剪减少需要解压的数据量，再对剩余数据块解压。
写入吞吐↑、存储成本↓、CPU开销↑、查询延迟可能↑——压缩在这四个维度上的权衡是存储引擎工程调优的核心决策点。大多数工业场景中，存储成本和写入吞吐是主要矛盾，重度压缩的收益大于CPU开销的代价。但实时性要求极高的场景（如电力保护动作分析，需要毫秒级查询响应），可能需要降低压缩级别或对热数据不压缩。
结语
时序数据库的高压缩比不是单一算法的功劳，而是数据特征、专用算法、列式存储三者协同的结果。时间戳的规律性使Delta-of-Delta成为可能，状态量的重复性使RLE大放异彩，浮点数的小变化特性使XOR编码有效，列式存储将这些算法的效率叠加放大。理解压缩机制的价值不仅在于解释存储成本，更在于指导工程决策——数据类型决定压缩策略，压缩策略影响写入和查询性能调优方向。未来方向在于自适应压缩：根据数据特征动态选择压缩算法，对缓慢变化数据用Swinging Door，对剧烈变化数据用XOR，对完全重复数据用RLE，实现每列数据的最优压缩。
