【TDengine】如何安全地清理过期数据而不影响在线服务？

TDengine 过期数据清理全链路实战：车联网轨迹平台的零干扰瘦身术问题原文：如何安全地清理过期数据而不影响在线服务？在构建一个支撑百万级车辆实时追踪的车联网平台时，数据的生命周期管理是成本与性能平衡的关键。想象这样一个场景：平台每天接收来自车辆 OBU（车载单元）的数十亿条 GPS 轨迹点，存储在 TDengine 的vehicle_trajectory超级表中。根据业务 SLA，只需保留最近 180 天的详细轨迹用于实时查询和历史回放，更早的数据则需被安全、彻底地清理，以释放宝贵的 SSD 存储空间并维持查询性能。然而，直接对海量时间序列数据执行DELETE操作无异于一场灾难。它不仅会瞬间耗尽 I/O 带宽，导致在线查询延迟飙升至秒级甚至超时，还可能因长时间持有锁而阻塞新数据的写入，引发上游 Kafka 管道的堆积。对于一个要求 7x24 小时高可用的车联网服务而言，这种“停服瘦身”的方式是绝对不可接受的。本文将深入 TDengine 3.4.x 的存储引擎内核，系统性地剖析其为解决此问题而设计的自动数据过期（Data Retention）机制和手动按块删除（DROP TABLE/DATABASE）策略。我们将结合车联网轨迹分析这一典型场景，详细阐述每种方案的工作原理、适用边界、配置方法，并提供一套完整的、生产可落地的数据清理方案。我们的目标是让你不仅能删除数据，更能理解其背后的存储格式和 Compaction 机制