时序数据库与时间窗口查询

正确答案：不是，还要有持续观测语义、序列标识和以时间为主的写入查询模式

时序专用优化来自对象指标随事件时间连续变化，而不是字段名称

正确答案：实体 Entity → 车辆 VIN123；指标 Metric → 速度、胎压或油耗；标签 Tag → 车型、车队或地区等用于筛选的相对稳定属性；序列 ID tsid → 实体、指标和必要标签共同标识的一条观测流；时间戳和值 → 某时刻记录的速度 80 km/h

序列 ID 把“谁的哪个指标”绑定为连续观测流，时间戳和值记录每次事件

正确答案：Point → 单个序列在一个时间点的一次补报；Record → 同一实体在同一时间同时上报多个指标；Tablet／批量段 → 一段时间内多行观测批量上传

写入形态影响编码、网络往返、排序和迟到处理成本

正确答案：查询过去 24 小时全部速度点 → 时间范围查询；计算过去 24 小时整体平均速度 → 整体聚合；每分钟计算一次平均速度 → 窗口聚合；把秒级数据转换为小时级代表值 → 降采样

范围、整体统计、窗口和降采样产生不同结果粒度与新鲜度要求

正确答案：使用事件时间还是处理时间、不同采样频率怎样落入同一窗口、缺失点是保留空、前值填充还是插值、迟到数据是否修正已经输出的窗口、窗口端点是否包含

对齐是业务语义与系统策略共同决定的，不能只按时间戳字符串相等处理

正确答案：Chunk → 组织某序列一段数据及其页集合；Page → 保存一批编码压缩后的时间和值；元数据索引 → 按设备、序列和时间范围定位数据块；页头统计 → 用最小值、最大值、计数等信息剪枝或支持部分聚合

文件层次和统计信息减少不必要的数据读取，但只有查询覆盖完整统计边界时才能直接利用聚合摘要