分类：9.索引 |篇章：03 索引使用指南
适用版本：TDengine v3.x（v3.3.x / v3.4.x） | 最后更新：2026-07-13
索引设计是数据库性能的根基。本文整合 TDengine 多类索引（Tag 索引、SMA、TSMA、RSMA）的使用决策树，给出"看到查询模式立刻知道该建什么索引"的实用指导。
核心概念速查表
| 索引 | 自动/手动 | 加速对象 |
|---|---|---|
| 块 SMA | 自动 | 块级过滤/聚合 |
| 文件 SMA | 自动 | 文件级裁剪 |
| 第一 Tag 索引 | 自动 | 子表筛选 |
| 额外 Tag 索引 | 手动 | 多 Tag 筛选 |
| TSMA | 手动 | 长期范围聚合 |
| RSMA | 数据库级 | 分层存储 |
详细解析
1. 索引决策树
查询模式 → 推荐索引： ① WHERE ts > T → 块/文件 SMA（自动） ② WHERE tag = 'v' → Tag 索引 - 第一 Tag：默认有 - 其他 Tag：手动 CREATE INDEX ③ WHERE current > 100 → 块 SMA（自动） ④ AVG/SUM/MAX/MIN 简单聚合 → 块 SMA + TSMA ⑤ 大时间范围聚合（月/年）→ TSMA / RSMA ⑥ 子表筛选高基数 Tag → 重新设计 Schema（Tag 改为列） ⑦ 复杂表达式聚合 → 流计算2. 实战 1：电力监控
-- 场景：1 亿设备数据，常用查询模式：-- A. 单设备最近 1 小时数据-- B. 某城市所有设备聚合-- C. 全网日报小时聚合-- 表设计（Tag 决定子表数）CREATESTABLE meters(tsTIMESTAMP,currentFLOAT,voltageINT)TAGS(cityVARCHAR(32),-- 200 个城市（低基数）districtVARCHAR(64),-- 几万区县factory_idVARCHAR(32)-- 几十万工厂);-- 子表数 = 工厂数 × 设备/厂 ≈ 1 亿-- A 查询: WHERE tbname='d001' AND ts > now-1h-- → 自动用块 SMA 时间裁剪-- → 单子表查询，无需 Tag 索引-- B 查询: WHERE city='Beijing' AND ts > now-1h-- → 第一 Tag 索引（city）-- → 自动用块 SMA-- C 查询: SELECT _wstart, AVG(current) FROM meters-- WHERE ts > now-1y INTERVAL(1h)-- → 创建 TSMA 加速CREATETSMA meters_1hONmetersFUNCTION(AVG(current),MAX(current),MIN(current))INTERVAL(1h);3. 实战 2：IoT 网关数据
-- 场景：100 万传感器，500 种类型-- 常用查询：-- A. 单传感器历史-- B. 某类型传感器统计-- C. 异常事件检测CREATESTABLE sensors(tsTIMESTAMP,valueFLOAT,statusTINYINT)TAGS(sensor_typeVARCHAR(32),-- 500 种（高频过滤）factory_idVARCHAR(32),-- 100 个工厂zone_idVARCHAR(32)-- 几千个区域);-- 默认 sensor_type 索引（第一 Tag）-- factory_id 是常用过滤 → 显式建索引CREATEINDEXidx_factoryONsensors(factory_id);-- 异常事件流（实时）CREATESTREAM s_anomalyINTOanomaly_logASSELECT_wstart,tbname,MAX(value)FROMsensorsWHEREstatus>1PARTITIONBYtbnameINTERVAL(1m);4. 实战 3：金融行情
-- 场景：5000 只股票，秒级行情-- 查询：-- A. 单股票日 K-- B. 板块/行业聚合-- C. 全市场指数CREATESTABLE quotes(tsTIMESTAMP,priceFLOAT,volumeBIGINT,...)TAGS(symbolVARCHAR(16),-- 5000 个股票代码（一对一子表）sectorVARCHAR(32),-- 30 个行业exchangeVARCHAR(16)-- 几个交易所);-- 默认 symbol 索引-- sector 是常用聚合维度CREATEINDEXidx_sectorONquotes(sector);-- 日 K 用 TSMACREATETSMA quotes_1dONquotesFUNCTION(FIRST(price)ASopen,MAX(price)AShigh,MIN(price)ASlow,LAST(price)ASclose,SUM(volume)ASvolume)INTERVAL(1d);-- 历史归档用 RSMA（建库时）CREATEDATABASEquotes_db RETENTIONS'1s:7d,1m:90d,1h:5y';5. 反模式与改进
反模式 1: 高基数 Tag CREATE STABLE orders (...) TAGS (user_id BIGINT); -- 1 亿用户 = 1 亿子表 = 元数据爆炸 改进： CREATE STABLE orders (...) TAGS (region VARCHAR(32), shard INT); -- user_id 作为普通列 -- shard = user_id % 1000 控制子表数 反模式 2: 全字段 Tag CREATE STABLE t (...) TAGS (a, b, c, d, e, f, g, h); -- 过多 Tag 增加元数据 改进： 保留 3~5 个常用过滤 Tag，其他作普通列 反模式 3: 长字符串 Tag TAGS (description VARCHAR(1024)) -- Tag 值过大，索引膨胀 改进： Tag 仅存类别/ID，详情存普通列 反模式 4: 复杂查询不命中索引 SELECT * FROM meters WHERE UPPER(location) = 'BEIJING'; -- 函数包裹 → Tag 索引失效 改进： SELECT * FROM meters WHERE location = 'beijing'; -- 或建表时统一大小写6. 索引维护操作
-- 查看索引SHOWINDEXESFROMmeters;SHOWTSMAS;-- 创建索引CREATEINDEXidx_nameONmeters(column);CREATETSMA tsma_nameONmetersFUNCTION(...)INTERVAL(...);-- 删除索引DROPINDEXidx_name;DROPTSMA tsma_name;-- 修改不支持，需 DROP 再 CREATE7. 索引性能验证
验证流程： ① 准备测试数据 ② EXPLAIN 看计划 ③ EXPLAIN ANALYZE 看实际 ④ 验证关键指标： - blocks_skipped 高 → SMA 生效 - 子表 scan 数量小 → Tag 索引生效 - rows_examined 小 → 索引覆盖好 ⑤ 基准测试对比延迟8. 索引升级策略
随业务变化调整： ① 监控慢查询日志 ② 识别高频查询模式 ③ 评估是否缺索引 ④ 在业务低峰创建索引（建索引本身耗时） ⑤ 验证查询加速效果 ⑥ 持续观察 何时考虑重构： - 子表数失控（亿级以上） - Tag 设计不合理 - 查询模式发生根本变化 重构方案： - 新建表迁移数据 - 或重新 ALTER TABLE 修改 Tag（视支持情况）代码示例
综合应用：智慧城市
-- 数据库：分层存储CREATEDATABASEcity_dbPRECISION'ms'KEEP1825RETENTIONS'1s:30d,1m:1y,1h:5y';USEcity_db;-- 超级表CREATESTABLE devices(tsTIMESTAMP,valueFLOAT,statusTINYINT)TAGS(districtVARCHAR(32),-- 区device_typeVARCHAR(32),-- 类型vendorVARCHAR(32)-- 厂商)ROLLUP(AVG,MAX,MIN);-- → 自动 RSMA-- 显式索引CREATEINDEXidx_dtypeONdevices(device_type);CREATEINDEXidx_vendorONdevices(vendor);-- TSMA 加速 5 分钟报表CREATETSMA devices_5mONdevicesFUNCTION(AVG(value),COUNT(*))INTERVAL(5m);-- 流计算异常检测CREATESTREAM s_alarmINTOalarm_logASSELECT_wstart,tbname,MAX(value)FROMdevicesWHEREstatus>1PARTITIONBYtbnameINTERVAL(10s);性能考量
不同索引的成本与收益
| 索引 | 创建成本 | 维护成本 | 查询收益 |
|---|---|---|---|
| 默认 Tag 索引 | 0 | 极低 | 高 |
| 额外 Tag 索引 | 中 | 低 | 高 |
| 块 SMA | 0 | 0 | 高 |
| TSMA | 中（回填） | 低 | 极高 |
| RSMA | 中 | 低 | 极高 |
| 流计算（替代） | 高 | 中 | 极高 |
索引设计原则
| 原则 | 说明 |
|---|---|
| 第一 Tag 最重要 | 默认有索引，放最常用过滤列 |
| 额外索引按需 | 不要预先加所有索引 |
| TSMA 针对慢查询 | 仅为已知慢查询模式建 |
| 避免高基数 Tag | 优先考虑普通列 |
FAQ
Q1: 索引创建慢怎么办？
大表新建索引耗时长。建议低峰期执行；可考虑表/数据库重建。
Q2: 索引和数据存储分离吗？
Tag 索引在 MNode/VNode 元数据中。SMA 在 .data 文件 Header。TSMA 单独文件。
Q3: 每个查询都需要索引吗？
不需要。简单时间范围查询有自动 SMA 即可。仅在 EXPLAIN 表明扫描过多时才加索引。
Q4: 索引数量上限？
无明确硬上限，但过多索引：
- 增加写入开销
- 元数据膨胀
- 查询优化器选择慢
建议每表 < 5 个手动索引。
Q5: 怎么知道一个查询用了哪个索引？
EXPLAIN VERBOSE 显示选择的索引和扫描方式。
参考
系统构架篇
- 01-《TDengine 整体架构全景》
- 02-《集群拓扑深度解析》
- 03-《MNode 内部机制深度解析》
- 04-《RPC 通信层深度解析》
- 05-《VNode 生命周期》
- 06-《RAFT 共识协议》
- 07-《端到端的消息流》
数据模型
- 01-《数据库创建与参数详解》
- 02-《超级表/子表/普通表》
- 03-《支持数据类型深度解析》
- 04-《TDengine Tag 设计哲学与 Schema 变更机制》
- 05-《TDengine 虚拟表实现原理》
存储引擎
- 01-《TDengine 存储引擎概览》
- 02-《TDengine MemTable 深度解析》
- 03-《TDengine WAL 预写日志机制》
- 04-《TDengine 数据文件格式》
- 05-《TDengine Commit 与 Flush 机制 》
- 06-《TDengine Compaction 合并策略 》
- 07-《TDengine 数据保留与 TTL》
- 08-《TDengine 压缩编码机制》
- 09-《TDengine Cache 与 Last 查询加速》
- 10-《TDengine 逻辑计划生成》
查询引擎
- 01-《TDengine 查询引擎概览》
- 02-《TDengine SQL 解析与词法分析》
- 03-《TDengine 语义分析与 AST 重写》
- 04-《TDengine 逻辑计划生成》
- 05-《TDengine 物理计划生成》
- 06-《TDengine 扫描算子》
- 07-《TDengine 聚合算子》
- 08-《TDengine 聚合算子》
- 09-《TDengine 连接算子》
- 10-《TDengine 排序、填充与投影》
- 11-《TDengine 分布式查询执行》
- 12-《TDengine EXPLAIN 与查询优化》
数据写入
- 01-《TDengine SQL INSERT》
- 02-《TDengine 无模式写入》
- 03-《TDengine STMT 写入》
- 04-《TDengine 写入内部流程》
- 05-《TDengine 数据更新删除》
数据订阅
- 01-《TDengine 数据订阅》
- 02-《TDengine 订阅 vs Kafka》
- 03-《TDengine TMQ 消费流程》
- 04-《TDengine 内部机制》
- 05-《TDengine TMQ 最佳实践》
预聚合
- 01-《TDengine RSMA》
- 02-《TDengine TSMA — 时间维度的物化聚合视图》
- 03-《TDengine SMA 内部实现》
索引
- 01-《TDengine Tag 索引》
- 02-《TDengine SMA 索引》