DolphinDB IOTDB 引擎新发布，一表管理所有点位数据！

What this page covers

• 物联网点位的定义与点位数据管理挑战。
• 宽表、窄表及字符串存储等建模方式的对比与局限。
• IOTDB 引擎发布要点与相关直播活动信息。
• IOTDB 引擎架构组成与最新值查询相关机制。
• IOTDB 与传统 TSDB 的查询性能对比描述。
• 自来水管道点位数据的创建、写入与查询示例步骤。

技能认证特训营第二期报名信息

页面顶部提供限时报名入口，并提示福利优惠信息。

• 提供“技能认证特训营第二期”的报名链接入口。
• 报名信息被标注为限时相关提示。

新闻栏目与文章标题/发布日期

页面标识为新闻内容，并展示文章标题与发布时间。

• 页面内容归属新闻栏目。
• 文章标题为“DolphinDB IOTDB 引擎新发布，一表管理所有点位数据！”。
• 页面给出文章发布日期信息。

物联网点位数据管理背景与挑战

本节定义物联网场景中的点位，并指出点位数量与数据类型多样化带来的管理难题。

• 点位可指设备上的传感器与执行器等采集与控制对象。
• 点位数据管理与分析被描述为对监控预警与决策重要。
• 点位数量增加与数据类型多样化会提升管理难度。

宽表建模与窄表建模对比

本节用车联网传感器示例对比宽表、窄表与字符串统一存储的利弊，并引出 IOTDB 引擎的动机。

• 车联网示例包含电池电量、车速、发动机状态等点位数据。
• 示例数据被描述为类型、采样频率与生成时间存在差异。
• 宽表模式可能导致数据稀疏，点位越多稀疏越明显。
• 窄表模式可按不同数据类型分别维护数据表。
• 统一转字符串可实现单表管理，但会增加存储并降低查询与计算效率。

IOTDB 引擎发布与直播活动信息

本节提出 IOTDB 引擎用 IOTANY 支持单表管理点位数据，并给出直播讲解、嘉宾分享与报名提示。

• IOTDB 引擎被描述为面向稀疏、多表管理不便与存算效率等局限。
• IOTDB 引擎支持可变类型 IOTANY，用于单表管理多类型点位数据。
• 直播时间信息包含“1月9日（本周四）19:30”。
• 直播内容包括对 IOTDB 引擎核心技术、特性与应用优势的解析。
• 直播包含圆桌讨论与抽奖互动，并提示扫描海报二维码报名。
• 嘉宾信息包含林亮与朱晓鹏及其职务介绍。

DolphinDB IOTDB 引擎介绍（架构与机制）

本节概述 IOTDB 引擎的组成，并说明 TSDB、最新值缓存表、静态信息表的职责与最新值查询机制。

• IOTDB 引擎由 TSDB 引擎、点位最新值缓存表、点位静态信息表构成。
• 点位静态信息表记录点位真实类型，并在写入时做一致性检查。
• TSDB 引擎负责存储点位历史数据。
• 最新值缓存表缓存点位在时间戳上的最新数据，每点位缓存一条。
• 查询最新值时优先从缓存读取，以减少磁盘访问并提升速度。
• 存储引擎层实现“context by 最新值算法”以支持缓存未命中情况。

IOTDB 与传统 TSDB 查询性能对比

本节给出 IOTDB 相对 TSDB 的查询时延优势描述，并提及点位规模增大时性能差异更明显。

• 页面描述 IOTDB 引擎查询时延优于 TSDB。
• 页面描述点位数增加时性能优势更明显。
• 页面给出“性能比最高达 15,000 倍”的对比表述。

IOTDB 引擎应用典例（自来水管道点位数据）

本节以自来水管道采集为例，说明创建 IOTDB 数据库与点位表、写入不同类型数据、查询最新状态的步骤，并提供链接与后续预告。

• 示例点位类型包括压力、流速、浊氯等级、阀门开关与状态。
• 创建 IOTDB 引擎数据库时通过参数 engine 指定为 “IOTDB”。
• 示例数据库路径为 dfs://IOTDB。
• latestKeyCache 设为 true 可开启最新值缓存功能。
• 表中设置 IOTANY 类型列后，可通过 Value 列存储所有点位采样数据。
• 写入示例将不同类型数据分别组装在不同内存表中，再调用 append! 写入。
• 最新状态查询使用 context by + csort + limit -1 的组合方式。
• 提供完整信息链接，并预告更复杂应用场景将被探讨。

Facts Index