在物聯(lián)網(wǎng)（IoT）和工業(yè)互聯(lián)網(wǎng)（IIoT）大數(shù)據(jù)應(yīng)用場(chǎng)景中，實(shí)時(shí)數(shù)據(jù)庫(kù)面臨著一個(gè)普遍的需求：快速獲取設(shè)備的最新?tīng)顟B(tài)。實(shí)時(shí)數(shù)據(jù)的價(jià)值往往遠(yuǎn)超歷史數(shù)據(jù)，企業(yè)不僅需要數(shù)據(jù)處理系統(tǒng)具備高效的實(shí)時(shí)寫(xiě)入能力，更需要能在毫秒級(jí)內(nèi)返回最新讀數(shù)。本文將深入解析時(shí)序數(shù)據(jù)庫(kù)內(nèi)置的讀緩存機(jī)制，揭示它是如何在不引入外部依賴(lài)的前提下，實(shí)現(xiàn)約 8 倍性能提升的。

傳統(tǒng)緩存方案的局限性

在討論內(nèi)置緩存之前，先回顧一下業(yè)界常見(jiàn)的緩存策略及其痛點(diǎn)。

許多團(tuán)隊(duì)在時(shí)序數(shù)據(jù)場(chǎng)景中會(huì)引入 Redis 等外部緩存系統(tǒng)，將設(shè)備的最新數(shù)據(jù)寫(xiě)入緩存，查詢時(shí)優(yōu)先命中緩存。這種方案雖然可行，但帶來(lái)了一系列問(wèn)題：

• 系統(tǒng)復(fù)雜性增加：需要額外部署和維護(hù)緩存集群，涉及緩存節(jié)點(diǎn)的擴(kuò)縮容、故障恢復(fù)和數(shù)據(jù)重載
• 運(yùn)營(yíng)成本上升：緩存集群需要額外的硬件資源，包括內(nèi)存、CPU 和網(wǎng)絡(luò)帶寬
• 一致性問(wèn)題：緩存和數(shù)據(jù)庫(kù)之間的數(shù)據(jù)同步需要額外機(jī)制保障，一旦同步出現(xiàn)延遲或中斷，查詢結(jié)果可能不準(zhǔn)確

對(duì)于已經(jīng)承擔(dān)高吞吐寫(xiě)入任務(wù)的時(shí)序數(shù)據(jù)系統(tǒng)而言，再疊加一層外部緩存，整體架構(gòu)的復(fù)雜度和運(yùn)維負(fù)擔(dān)會(huì)顯著增加。

內(nèi)置讀緩存的解決思路

TDengine 采用了完全不同的思路：將緩存能力內(nèi)嵌到數(shù)據(jù)庫(kù)引擎中。其核心機(jī)制是自動(dòng)將每張表的最后一條記錄緩存到內(nèi)存中，采用時(shí)間驅(qū)動(dòng)的緩存管理策略，最新數(shù)據(jù)優(yōu)先存儲(chǔ)在緩存中。查詢時(shí)無(wú)需訪問(wèn)硬盤(pán)即可快速返回結(jié)果。

這種設(shè)計(jì)的關(guān)鍵優(yōu)勢(shì)在于：

1. 零額外部署：緩存是數(shù)據(jù)庫(kù)引擎的原生組成部分，無(wú)需引入任何外部組件
2. 自動(dòng)維護(hù)：緩存內(nèi)容隨數(shù)據(jù)寫(xiě)入自動(dòng)更新，無(wú)需應(yīng)用層編寫(xiě)同步邏輯
3. 一致性保障：緩存與存儲(chǔ)在同一進(jìn)程內(nèi)，不存在跨系統(tǒng)的數(shù)據(jù)一致性問(wèn)題

緩存模式詳解

通過(guò) cachemodel 參數(shù)，可以針對(duì)每個(gè)數(shù)據(jù)庫(kù)靈活配置緩存行為。該參數(shù)支持以下四種模式：

none 模式

不啟用任何緩存。適用于對(duì)最新數(shù)據(jù)查詢沒(méi)有性能要求的場(chǎng)景，或者數(shù)據(jù)量極大、內(nèi)存資源緊張的情況。

last_row 模式

緩存每張子表的最近一行完整數(shù)據(jù)。這種模式專(zhuān)門(mén)優(yōu)化 LAST_ROW 函數(shù)的查詢性能。當(dāng)業(yè)務(wù)頻繁需要獲取設(shè)備的最新一條完整記錄時(shí)，該模式能顯著降低查詢延遲。

last_value 模式

緩存每張子表每一列最近的非 NULL 值。與 last_row 不同，last_value 模式關(guān)注的是列級(jí)別的最新有效值，優(yōu)化 LAST 函數(shù)的性能。在某些列數(shù)據(jù)更新頻率不一致的場(chǎng)景中，該模式可以避免因某列長(zhǎng)時(shí)間未更新而導(dǎo)致返回過(guò)期的整行數(shù)據(jù)。

both 模式

同時(shí)緩存最近的行數(shù)據(jù)和列數(shù)據(jù)，兼顧 LAST_ROW 和 LAST 兩種查詢的優(yōu)化。這是性能提升最為全面的模式，適合對(duì)最新數(shù)據(jù)查詢有較高要求的業(yè)務(wù)場(chǎng)景。

緩存大小配置

除了緩存模式，cachesize 參數(shù)控制著每個(gè) vnode 中用于緩存子表最近數(shù)據(jù)的內(nèi)存大小。其默認(rèn)值為 1MB，取值范圍為 [1, 65536] MB。

在實(shí)際應(yīng)用中，緩存大小的設(shè)置需要綜合考慮以下因素：

• 子表數(shù)量：子表越多，需要的緩存空間越大
• 每行數(shù)據(jù)寬度：列數(shù)多、數(shù)據(jù)類(lèi)型占空間大的表需要更多緩存
• 可用內(nèi)存資源：需要在緩存收益和整體內(nèi)存預(yù)算之間取得平衡

性能測(cè)試：8 倍提升的數(shù)據(jù)支撐

為了量化緩存機(jī)制的實(shí)際效果，以下是一組基于智能電表場(chǎng)景的性能測(cè)試數(shù)據(jù)。

測(cè)試環(huán)境與數(shù)據(jù)準(zhǔn)備

使用 taosBenchmark 工具生成測(cè)試數(shù)據(jù)，具體參數(shù)如下：

• 數(shù)據(jù)總量：10 億條時(shí)序數(shù)據(jù)
• 設(shè)備數(shù)量：10,000 個(gè)
• 每設(shè)備數(shù)據(jù)量：10,000 條記錄

測(cè)試結(jié)果對(duì)比

查詢類(lèi)型	未啟用緩存	啟用緩存（both 模式）	性能提升倍數(shù)
LAST 查詢	353ms	44ms	約 8 倍
LAST_ROW 查詢	344ms	46ms	約 7.5 倍

啟用緩存后，通過(guò)以下命令將數(shù)據(jù)庫(kù)的緩存模式設(shè)置為 both：

ALTER DATABASE power CACHEMODEL 'both';

從測(cè)試數(shù)據(jù)可以看出，啟用內(nèi)置緩存后，兩種最新數(shù)據(jù)查詢的性能均從 300ms 以上降低到 50ms 以內(nèi)，提升幅度約為 8 倍。這對(duì)于需要頻繁查詢?cè)O(shè)備最新?tīng)顟B(tài)的實(shí)時(shí)監(jiān)控場(chǎng)景而言，是質(zhì)的飛躍。

實(shí)際應(yīng)用場(chǎng)景

內(nèi)置讀緩存機(jī)制在以下業(yè)務(wù)場(chǎng)景中能夠發(fā)揮顯著作用：

1. 實(shí)時(shí)監(jiān)控大屏

工業(yè)監(jiān)控大屏通常需要展示成千上萬(wàn)臺(tái)設(shè)備的實(shí)時(shí)狀態(tài)。如果每次刷新都從磁盤(pán)讀取最新數(shù)據(jù)，在大規(guī)模設(shè)備場(chǎng)景下響應(yīng)時(shí)間難以保證。啟用緩存后，所有最新?tīng)顟B(tài)查詢直接命中內(nèi)存，大屏刷新流暢無(wú)卡頓。

2. 設(shè)備異常檢測(cè)

異常檢測(cè)算法需要頻繁獲取設(shè)備的當(dāng)前讀數(shù)，與歷史基線或閾值進(jìn)行比對(duì)。緩存機(jī)制確保每次獲取最新值都在毫秒級(jí)完成，支撐高頻率的異常巡檢。

3. 實(shí)時(shí)報(bào)表與儀表盤(pán)

運(yùn)營(yíng)管理平臺(tái)中的實(shí)時(shí)報(bào)表需要聚合展示各設(shè)備的最新運(yùn)行參數(shù)。內(nèi)置緩存使得這類(lèi)查詢無(wú)需額外的加速手段，直接從數(shù)據(jù)庫(kù)即可獲得亞秒級(jí)響應(yīng)。

配置建議

在實(shí)際部署中，建議根據(jù)業(yè)務(wù)特征選擇合適的緩存策略：

• 如果業(yè)務(wù)只使用 LAST_ROW 查詢，選擇 last_row 模式即可，內(nèi)存占用更少
• 如果業(yè)務(wù)同時(shí)使用 LAST 和 LAST_ROW 查詢，選擇 both 模式以獲得最佳性能
• 對(duì)于內(nèi)存資源充裕且對(duì)最新數(shù)據(jù)查詢要求較高的場(chǎng)景，可以適當(dāng)增大 cachesize 參數(shù)
• 如果業(yè)務(wù)完全不涉及最新數(shù)據(jù)查詢，使用 none 模式以節(jié)省內(nèi)存資源

結(jié)語(yǔ)

讀緩存是時(shí)序數(shù)據(jù)庫(kù)在物聯(lián)網(wǎng)和工業(yè)互聯(lián)網(wǎng)場(chǎng)景中不可或缺的性能優(yōu)化手段。TDengine 通過(guò)將緩存能力內(nèi)嵌到存儲(chǔ)引擎中，在零外部依賴(lài)的前提下實(shí)現(xiàn)了約 8 倍的最新數(shù)據(jù)查詢性能提升。無(wú)論是實(shí)時(shí)監(jiān)控大屏、異常檢測(cè)還是實(shí)時(shí)報(bào)表，內(nèi)置讀緩存都能提供毫秒級(jí)的響應(yīng)能力，讓企業(yè)專(zhuān)注于業(yè)務(wù)邏輯本身，而非基礎(chǔ)設(shè)施的運(yùn)維與調(diào)優(yōu)。