TDengine 過期數據清理全鏈路實戰：車聯網軌跡平臺的零干擾瘦身術問題原文：如何安全地清理過期數據而不影響在線服務？在構建一個支撐百萬級車輛實時追蹤的車聯網平臺時，數據的生命周期管理是成本與性能平衡的關鍵。想象這樣一個場景：平臺每天接收來自車輛 OBU（車載單元）的數十億條 GPS 軌跡點，存儲在 TDengine 的vehicle_trajectory超級表中。根據業務 SLA，只需保留最近 180 天的詳細軌跡用于實時查詢和歷史回放，更早的數據則需被安全、徹底地清理，以釋放寶貴的 SSD 存儲空間并維持查詢性能。然而，直接對海量時間序列數據執行DELETE操作無異于一場災難。它不僅會瞬間耗盡 I/O 帶寬，導致在線查詢延遲飆升至秒級甚至超時，還可能因長時間持有鎖而阻塞新數據的寫入，引發上游 Kafka 管道的堆積。對于一個要求 7x24 小時高可用的車聯網服務而言，這種“停服瘦身”的方式是絕對不可接受的。本文將深入 TDengine 3.4.x 的存儲引擎內核，系統性地剖析其為解決此問題而設計的自動數據過期（Data Retention）機制和手動按塊刪除（DROP TABLE/DATABASE）策略。我們將結合車聯網軌跡分析這一典型場景，詳細闡述每種方案的工作原理、適用邊界、配置方法，并提供一套完整的、生產可落地的數據清理方案。我們的目標是讓你不僅能刪除數據，更能理解其背后的存儲格式和 Compaction 機制