补充03：InfluxDB时序库Trace海量数据调优
一、本课学习目标
1、区分EAP双数据库分工：Oracle存业务、InfluxDB存Trace时序数据，彻底理解双库架构。
2、掌握InfluxDB写入、存储、分片、过期策略、冷热分层底层原理。
3、解决量产致命问题：Trace堆积、磁盘爆满、查询超时、工艺参数缺失、IO负载过高。
4、精通自动清理脚本、数据压缩、分片调优、索引优化、冷热数据分离实战。
5、具备大产能Fab海量Trace长期稳定运维、容量规划、故障预判能力。
二、EAP双库核心分工（必背）
Oracle：业务库
存储批次、报警、设备状态、用户权限、操作日志（低数据量、高结构化）
InfluxDB：时序Trace库
存储每一秒/每毫秒工艺参数、腔体数据、电压电流、温度压力、Step轨迹（超高数据量、高频写入）
量产核心结论：InfluxDB崩 = 所有工艺Trace丢失、工艺追溯失效、制程稽核挂起。
三、InfluxDB量产痛点现状
1、刻蚀/薄膜机台每秒数十个参数，单日数据量TB级增长
2、默认配置无过期清理，磁盘快速爆满
3、分片策略不合理导致查询极慢、IO打满
4、无冷热分层，老旧无效数据占用高性能磁盘
5、高并发写入导致写入抖动、数据断点、Trace断层
四、InfluxDB核心基础原理
1、核心概念
Measurement（测量表）、Tag（维度）、Field（参数值）、Timestamp（时间戳）
EAP场景：设备ID、Lot号、Step号作为Tag，工艺参数作为Field
2、分片机制（Shard）
InfluxDB按时间分片存储，分片周期决定查询性能：
新Fab大产能：2小时分片
中小产能：4小时分片
分片过小→分片过多索引爆炸；分片过大→单文件过大查询卡顿
五、实战1：数据保留策略配置（防止磁盘爆满核心）
Fab标准规范：
1、生产原始Trace保留7天
2、聚合统计数据保留90天
3、超期数据自动删除、自动释放磁盘
实操命令：
CREATE RETENTION POLICY "eap_7d" ON "eap_trace" DURATION 7d REPLICATION 1 DEFAULT;六、实战2：自动清理+压缩优化
InfluxDB删除数据不会立刻释放空间，必须配合Compaction压缩。
1、开启自动后台压缩
2、关闭冗余索引
3、夜间低峰自动执行碎片整理
七、实战3：冷热数据分层存储（大厂标准）
1、近7天热数据：SSD高性能盘，支撑实时查询、实时监控
2、7天~90天温数据：普通SAS盘，支撑报表统计
3、90天以上冷数据：归档压缩离线存储，用于稽核复盘
八、实战4：海量数据查询优化（解决报表超时）
1、禁止跨超大时间范围全量查询
2、使用聚合查询：mean、max、min、sum降维
3、固定Tag索引，避免全维度扫描
4、拆分大查询为分段查询
九、量产高频故障排查
1、Trace断层、参数缺失：写入抖动、分片超时、网络波动
2、磁盘爆满：Retention策略未配置、自动清理失效
3、页面加载超时：未做聚合、全量原始数据查询
4、IO负载过高：分片策略不合理、压缩任务堆积
十、本课核心总结
1、InfluxDB是EAP工艺Trace唯一存储载体，是工艺追溯、良率分析的核心。
2、时序库运维核心：过期策略、分片调优、冷热分层、压缩清理、查询降维。
3、90%时序库故障源于：未配置自动清理、查询不规范、分片参数不合理。
十一、课后作业
1、为什么时序数据库不能像Oracle一样长期保存全量原始数据？
2、简述InfluxDB磁盘爆满紧急处理步骤？
3、Trace报表查询超时，从哪三个维度优化？
