时序数据库高基数问题（一）：当数据标签太多时会发生什么

时序数据库高基数问题通俗解读 — 当数据标签太多时会发生什么？

物联网时代，数据量爆炸式增长。当你的时序数据库开始变慢，甚至崩溃时，很可能遇到了"高基数问题"。这个看似技术性的名词，背后隐藏着什么样的技术陷阱？

1. 物联网时代的数据挑战

想象一下，你家里有智能温度计、湿度计、空气质量检测器等各种传感器，每隔几秒钟就会上报一次数据。现在把这个场景放大到整个城市：10万个物联网设备，每5秒发送一次数据，一年下来就是6307亿个数据点！

这些数据有个特点：按时间顺序产生、格式统一、只需要写入，不需要修改或删除。

为了处理这类数据，时序数据库应运而生。但随着应用场景越来越复杂，一个被称为"高基数问题"（也叫"时间线膨胀"）的技术难题开始困扰着工程师们。

1.1 核心概念解释

1.1.1 什么是时序数据？

时序数据就像是给每个数据点贴上了"身份证"，包含三个要素：

指标名称{标签1=值1,标签2=值2} 时间戳 数值

实际例子：

CPU使用率{服务器=server01,核心=cpu0,模式=空闲} @2024-01-15T10:30:00 70%
CPU使用率{服务器=server01,核心=cpu0,模式=系统} @2024-01-15T10:30:00 5%
CP