在“量化投资分析”场景中，系统需要从数据接口、网络上等各个地方获取证券的信息，其中往往以“实时的价格变动信息”为主要数据，然后再对这些数据进行实时的分析与存储，供盘中和盘后使用。某企业遇到的问题如下：“我们要对 500 个证券品种进行监控，在开盘时，每 5 秒会更新一次价格数据。这样算下来的话，每个证券品种一天就会产生 2880 条记录，如果是 500 个的话，就会有 144 万条数据。而这，还仅仅是一天中产生的数据。如果使用 MySQL 数据库，我们该如何设计数据库和表，来承载这样的数据量呢？”

　　从上述场景及问题出发，我们邀请到 TDengine 解决方案架构师进行回复，并产出本篇文章。

　　144 万条的数据量对于关系型数据库来说，确实是个有一定规模的日增量。但从场景上看，上述问题场景还算不上「量化分析投资」的核心，只能称之为数据抓取的场景。其中抓取对象为「证券」，规模 N = 500， 抓取时间间隔 T = 5s。我们可以假设每次抓取的数据有：

　　{scrawlTime: '2023-01-01 00:00:00'stock_code: 12345,price: 12.00,volumn: 134,bid_price_1: 12.01,bid_pridce_2: 12.02}

　　如果要与常见的场景进行类比，可以使用 IT 服务器的运维监控对比。数据如下：

　　{timestamp: '2023-01-01 00:00:00'ip: '172.16.8.1',cpu_usage: 0.81,memory_usage: 0.23}

　　通过上述对比我们可以看到，两种场景很相似。因此，从概念上讲，上述问题场景下的监控数据可以归纳为 metric —— 测量值，并且是随时间变化的。这是很典型的时序数据，问题场景就是一种经典的时序数据存储场景。

　　基于 MySQL 的建模

　　如果企业要用 MySQL 的话，其实核心要考虑的问题应该是

　　如何保证能够及时写入：500 rows/5s = 100 rows/s（但这个基本不是问题）。

　　如何保证能够快速查出？从 IT 运维看，常见的查询包括：

　　滑动窗口：如 5 日均线图

　　状态窗口：根据成交量分段统计

　　。。。

　　基于时间范围查询：ts in [startTs, endTs)

　　基于监控值的过滤：WHERE bid_price_1 >= 10.00;

　　最新值查询：ORDER BY ts DESC LIMIT 1

　　查询单个证券：

　　查询多个证券：在单个证券相同的情况下，只需要更快地返回，能在 1 个查询里返回更好。

　　基于时间的计算：

　　基于以上的查询场景，我们可以选择两大路线：

　　N 个证券，每 K 个证券，放在 1 个 table 中

　　K = 1 时，相当于 1 个证券 1 个 table

　　K = N 时，相当于用 1 个 table 存放所有数据

　　假设你使用 InnoDB 引擎（innodb_百度百科），不管怎么选，为了性能你都会建索引。而 InnoDB 的索引使用 B-Tree 结构，这个数据结构在 Rows > 2000w （经验值）时，数据写入会因为索引的维护成本上升而下降，查询性能也一样。只是 K = 1 的时候，这个问题才没那么明显：

　　2000w / 2880/day = 6944 days = 19 years

　　也就是说 1 个证券 1 个 table 的时候，存放 19 个自然年数据时，才会明显感知到。

　　当然，我们对这个问题有另外一种处理方法：按照时间（一般以天为单位）在进行分表（或分库）：

　　N 个 证券，每 K 个证券，每 D 天 放在 1 个 table

　　D = 1，相当于所有证券 1 天 1 个 table。1 年下来 365 个 table。

　　D = 30， 相当于 30 天 1 个 table。 1 年下来 12 个 table。

　　D = INF，相当于 1 个 table。

　　D = 1，相当于 1 个证券 1 天 1 个 table。1 年下来有 N/K x 365 = 182,500 个 table。

　　D = 30， 相当于 1 个证券 30 天 1 个 table。1 年下来 有 6083 个 table。

　　D = INF，相当于 1 个证券 1 个 table。

　　当 K = 1 时

　　K = N 时，相当于用 1 个 table 存放所有数据

　　这种方式在一定程度上也能有效避免问题，但是分库分表还会引来查询侧改造的工作量，仍然无法彻底解决问题。但是如果我们换用专用的时序数据库，就能更好地解决这个问题。

　　基于 TDengine 建模

　　TDengine 作为国内 Top 的开源时序数据库，产品定位为「分布式时序数据库」，产品功能专门针对时序数据场景设计和优化，已经被广泛运用于金融、车联网、工业互联网等时序数据场景中。已经落地的「量化投资分析」场景方案有《TDengine在同花顺组合管理业务中的优化实践》、《TDengine 在弘源泰平量化投资中的实践》等。

　　回到上面基于 MySQL 的建模思路，TDengine 的设计里面，也是 1 个证券 1 个 table 的理念，通过超级表（stable）的语法糖，快速并行查询多个证券的数据；同时针对常见的业务查询场景做了定向的性能优化，从而保证在「海量」数据的情况下，性能依旧表现坚挺；而且还设置了很多有趣的特性，助力时序处理更加简单。

　　标准 SQL 语法

　　TDengine 支持标准 SQL 语法，比老一代的时序数据库，具备更好的上手体验。

　　动态与静态数据分离

　　在 TDengine 当中，超级表（stable）结构引入了标签（tag）的概念，这样一来，我们可以把证券的维度信息放在标签当中，减少数据存储空间，提升查询性能。同时，在建模上采用 1 个证券 1 张表的方式，以此保证高性能读写。

　　通过超级表语法糖，TDengine 实现了并行查询的能力，大大减少 SQL 的复杂度：

　　以上便是两种数据库对于上述问题场景的具体解决思路，你觉得如果是你会选择哪一种呢？可以在评论区进行留言，一起讨论。

　　总而言之，不管是传统的关系型数据库，还是 NoSQL 数据库，如果我们没有针对性地去对应时序数据特点，在性能提升上极为有限，只能依靠集群技术，投入更多的计算资源和存储资源来处理，系统的运营维护成本也会因此急剧上升。