TDengine Tag 索引 — 子表筛选的核心机制
分类：9.索引 |篇章：01 Tag 索引
适用版本：TDengine v3.x（v3.3.x / v3.4.x） | 最后更新：2026-07-10
Tag 索引是 TDengine 跨子表查询的核心。"过亿子表 Tag 等值过滤毫秒响应"靠的就是 Tag 索引。本文讲解 Tag 索引的结构、使用方式、设计原则。
核心概念速查表
| 概念 | 说明 |
|---|---|
| Tag | 超级表的标签列 |
| Tag Index | Tag 列上的索引 |
| B-Tree Index | Tag 索引常用结构 |
| Index Coverage | 索引覆盖（无需回表） |
| Tag Cardinality | Tag 列的基数 |
| CREATE INDEX | 显式创建 Tag 索引 |
详细解析
1. Tag 与子表的关系
回顾： 超级表 meters (TAGS: location, groupid) 子表创建： CREATE TABLE d001 USING meters TAGS('Beijing', 1); CREATE TABLE d002 USING meters TAGS('Beijing', 2); CREATE TABLE d003 USING meters TAGS('Shanghai', 1); Tag 存储： - 每个子表存一份 Tag 值 - 同时存在 MNode 的元数据中（用于路由） Tag 索引的作用： WHERE location='Beijing' 时 → 不需要遍历所有子表 → 用索引快速找到 Beijing 的子表列表2. 默认 Tag 索引
建超级表时： 第一个 Tag 列默认建索引 CREATE STABLE meters (...) TAGS (location VARCHAR(32), groupid INT); → location 自动有索引 → groupid 默认无索引 显式索引： CREATE INDEX idx_groupid ON meters (groupid); 索引类型： - B-Tree（默认） - 适合等值和范围查询3. Tag 索引的使用
查询自动使用 Tag 索引： SELECT * FROM meters WHERE location='Beijing' AND ts > now-1h; 执行流程： ① 用 location 索引找到所有 Beijing 的子表 ② 对每个子表做时间裁剪扫描 ③ 汇总结果 → 不需要扫描非 Beijing 的子表 支持的查询模式： ✓ WHERE tag = 'value' ✓ WHERE tag IN ('v1', 'v2') ✓ WHERE tag LIKE 'prefix%' (前缀匹配) ✓ WHERE tag1 = 'v1' AND tag2 = 'v2' (多列) ✓ WHERE tag BETWEEN x AND y4. 索引覆盖
当 SELECT 只涉及 Tag 列： SELECT DISTINCT location FROM meters; → 仅扫描索引，无需读数据 SELECT location, groupid, COUNT(DISTINCT tbname) FROM meters GROUP BY location, groupid; → Tag 聚合，仅索引扫描 性能特点： - 不读 .data 文件 - 仅查询 META（元数据） - 毫秒返回（即使千万子表）5. Tag 索引的存储
存储位置： - MNode 维护全局 Tag 索引 - 各 VNode 维护本地 Tag 索引 数据结构： - B+Tree - Key: (super_table_id, tag_value) - Value: 子表 ID 列表 更新时机： - 创建子表：插入索引 - DROP TABLE：删除索引项 - ALTER TAG：更新索引 查询路由： ① 客户端 Catalog 查询： 用 location='Beijing' 查 MNode 索引 得到匹配子表列表 + 对应 VGroup ② 客户端按 VGroup 分发查询 ③ 各 VNode 处理本地子表6. Tag 设计原则
高效 Tag 设计： ① 高频过滤维度做 Tag： - 地域、设备类型、用户ID（中等基数） - 状态、分类、标签 ② 高基数 Tag 慎用： - 用户ID 1 亿 → 子表 1 亿，元数据爆炸 - 改用 Tag 值组合（如部门+用户） ③ Tag 数量适中： - 通常 < 20 个 - 过多 Tag 增加元数据开销 ④ Tag 值长度适中： - 短字符串高效 - 长 JSON Tag 慎用 反例： Tag (device_id) = 设备唯一 ID → 每个设备一个子表 → 1 亿设备 = 1 亿子表 → 元数据查询慢 改进： Tag (factory, line) = (工厂, 产线) → 子表数 = 工厂数 × 产线数 → 设备号作为普通列7. 多 Tag 索引
-- 多列各自建索引CREATEINDEXidx_locONmeters(location);CREATEINDEXidx_grpONmeters(groupid);-- 查询能用多个索引SELECT*FROMmetersWHERElocation='Beijing'ANDgroupid=1;-- → 引擎选择性最高的索引或多索引交集-- 查看索引SHOWINDEXESFROMmeters;-- 删除索引DROPINDEXidx_grp;8. Tag 索引限制
限制： ① 不支持组合索引（多列单一索引） - 只能各列分别索引 ② 不支持函数索引： - CREATE INDEX ON (UPPER(tag)) 不支持 ③ JSON Tag 索引有限： - 顶层 Tag 索引 OK - JSON 内部字段索引视版本 ④ 字符串 Tag 长度限制 最佳实践： - 第一个 Tag 是最常用的过滤维度 - 其他需要过滤的 Tag 显式建索引 - 不要把 Tag 当作通用属性存储代码示例
索引设计示例
-- 电力监控场景CREATESTABLE meters(tsTIMESTAMP,currentFLOAT,voltageINT)TAGS(locationVARCHAR(32),-- 高频过滤 → 默认索引line_idVARCHAR(32),-- 中频过滤device_modelVARCHAR(64)-- 偶尔过滤);-- 增加 line_id 索引（高频）CREATEINDEXidx_lineONmeters(line_id);-- device_model 不建索引（偶尔用）-- 验证索引SHOWINDEXESFROMmeters;高效查询
-- ✓ 利用第一 Tag 索引SELECT*FROMmetersWHERElocation='Beijing'ANDts>now-1h;-- ✓ 利用 line_id 索引SELECT*FROMmetersWHEREline_id='LINE_A'ANDts>now-1h;-- ✓ 多 Tag 组合SELECT*FROMmetersWHERElocation='Beijing'ANDline_id='LINE_A'ANDts>now-1h;-- ✓ Tag 聚合（仅索引扫描）SELECTlocation,COUNT(DISTINCTtbname)FROMmetersGROUPBYlocation;低效模式
-- ✗ 无 Tag 索引列 + 大范围SELECT*FROMmetersWHEREdevice_model='M1'ANDts>now-1y;-- 改进：device_model 建索引CREATEINDEXidx_modelONmeters(device_model);性能考量
Tag 索引性能
| 场景 | 性能 |
|---|---|
| 第一 Tag 等值 | 微秒级 |
| 多 Tag AND | 毫秒级 |
| Tag IN 列表 | 毫秒级（按列表大小线性） |
| Tag 范围 | 与子表数成正比 |
| 无 Tag 过滤（全扫） | 秒~分钟 |
子表数与查询性能
| 子表数 | Tag 等值查询延迟 |
|---|---|
| 1000 | < 1ms |
| 10万 | < 10ms |
| 100万 | < 100ms |
| 1000万 | < 1s |
FAQ
Q1: Tag 索引能加速哪些查询？
凡是 WHERE 含 Tag 等值/IN/范围/前缀模糊的查询都受益。Tag 聚合（仅 Tag 列）只读索引最快。
Q2: 不建索引能否过滤 Tag？
可以，但变为线性扫描所有子表元数据。子表多时慢。
Q3: 修改 Tag 值会影响索引吗？
会自动更新。ALTER TABLE d001 SET TAG location='Shanghai'会更新索引。
Q4: 索引占用多少存储？
每个子表的 Tag 值 + 几十字节索引开销。100 万子表约几十 MB。
Q5: JSON Tag 怎么索引？
CREATESTABLE m(...)TAGS(info JSON);-- 通常用 info.field 访问，索引能力视版本-- 复杂 JSON 查询不如普通 Tag 高效参考
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》
关于 TDengine
TDengine 专为物联网IoT平台、工业大数据平台设计。其中，TDengine TSDB 是一款高性能、分布式的时序数据库（Time Series Database），同时它还带有内建的缓存、流式计算、数据订阅等系统功能；TDengine IDMP 是一款AI原生工业数据管理平台，它通过树状层次结构建立数据目录，对数据进行标准化、情景化，并通过 AI 提供实时分析、可视化、事件管理与报警等功能。