TDengine 是一个专为物联网、车联网、运维监测等场景设计的时序数据库（Time Series Database，TSDB），它具有高性能、高可靠、高可用、低成本等特点。本文将简单介绍 TDengine 的存储模型，为什么要按块存储，为什么块内采用列式存储，这种存储模型带来的好处是什么？
TDengine 存储的数据包括采集的时序数据以及库、表相关的元数据、标签数据等。
TDengine 的存储模型是基于以下几个假设设计的：
- 时序数据具有高度结构化、极少更新或删除、写多读少、流量平稳、关注趋势而非细节、有保留期限等特征。
- 同一类型的数据采集点（如智能电表）具有相同的表结构和标签 schema，但每个采集点（表）的标签值是不同的。
- 用户对时序数据的查询分析一定是基于时间段和空间区域（如某个位置或分组）的。
- 用户除了需要存储和查询时序数据外，还需要进行各种统计和实时计算操作。
基于这些假设，TDengine 采用了以下几个设计原则：
- 按块存储：一个数据采集点的数据是以块为单位连续存储的。如果读取一个时间段的数据，它能大幅减少随机读取操作，成数量级的提升读取和查询速度。
- 块内列式存储：一个数据块内部，采用列式存储，对于不同数据类型，采用不同压缩算法，而且由于一个数据采集点的采集量的变化是缓慢的，压缩率更高。
- 超级表：由于一个数据采集点一张表，导致表的数量巨增，难以管理，而且应用经常需要做采集点之间的聚合操作，聚合的操作也变得复杂起来。为解决这个问题，TDengine 引入超级表（Super Table，简称为 STable）的概念。在 TDengine 的设计里，表用来代表一个具体的数据采集点，超级表用来代表一组相同类型的数据采集点集合。
综上所述，TDengine 的存储模型是针对物联网等场景下的时序数据特点而设计的，它利用了按块存储、列式存储、超级表等技术，实现了高效的存储和查询能力，同时也保证了数据的可靠性和可用性。TDengine 的存储模型为用户提供了一个简单、灵活、强大的方式来管理和分析海量的时序数据。
