SmartEDT/DB_PERFORMANCE_ANALYSIS.md

TimescaleDB 性能测试分析报告

基于 test_db.py 对 30 万条车辆仿真数据的写入与查询测试，本次性能评估结论如下：

1. 核心结论

TimescaleDB 完全满足智能电动车数字孪生系统（SmartEDT）的实时采集与回放需求。

• 写入能力：单线程下 3,500+ TPS 的写入速度远超单车采集需求（通常单车高频信号仅需 50-100Hz，即 50-100 TPS）。即使并发接入 10-20 台车，当前配置也绰绰有余。
• 查询响应：毫秒级（30ms） 的时间切片查询能力，保证了“前端实时回放”与“大屏曲线刷新”的流畅度，不会出现卡顿。
• 存储架构：JSONB 混合存储方案在保持了极高灵活性的同时（0.2s 过滤查询），依然维持了优秀的查询性能，验证了“结构化字段（索引）+ 半结构化 Payload（JSONB）”建模方案的正确性。

2. 详细指标分析

2.1 写入性能 (Insertion)

• 指标：3,547.78 条/秒 (TPS)
• 场景：单连接、Batch=1000、Python asyncpg 驱动。
• 分析：
  • 满足度：假设单车采集频率为 50Hz（即每秒 50 个数据包），当前性能理论上可支持 70 台车同时在线采集。
  • 瓶颈推测：当前瓶颈主要在 Python 端的序列化与网络 IO 往返（RTT）。
  • 优化空间：如果未来需要支持上千台车，改用 COPY 协议或增加并发写入 worker，吞吐量可轻松提升至 5-10 万 TPS 以上。

2.2 查询性能 (Query)

查询类型	耗时	业务场景	评价
最新数据 (Latest 1000)	0.0301s	实时大屏监控、轨迹回放	极优。利用 TimescaleDB 的时间分区索引，无论历史数据多大，提取“最新 N 条”永远是毫秒级。
全量计数 (Count)	0.0845s	报表统计、数据完整性校验	优秀。30万数据秒出，说明元数据管理高效。
JSONB 内容过滤	0.2137s	复杂故障诊断、特定工况筛选	良好。在没有对 JSON 内部字段建索引的情况下，0.2s 扫描 30 万条 JSON 数据属于高性能表现。

3. 架构建议

基于测试结果，对后续开发提出以下建议：

1. 保持 JSONB 方案：当前的表结构（ts, simulation_id, signals(JSONB)）在性能与灵活性之间取得了完美平衡，无需拆分更多列。
2. 索引优化：目前 ts 和 simulation_id 已有索引。如果未来经常需要按“车速”或“故障码”过滤，建议对 JSONB 内部高频查询字段建立 GIN 索引。
   • 示例 SQL：CREATE INDEX idx_speed ON vehicle_signals USING gin ((signals->'vehicle_speed_kmh'));
3. 保留策略：建议配置 TimescaleDB 的 retention_policy，例如自动删除 30 天前的原始高频数据，只保留降采样后的聚合数据，以节省磁盘空间。