用途：为带时间戳的数据（指标、IoT 传感器、金融逐笔、日志）实现高效存储与查询，并支撑实时仪表盘与监控系统。
主要能力：
- 数据库选型。TimescaleDB（PostgreSQL 扩展，适合已有 PG、需 SQL 与 JOIN 的混合负载，标准 SQL，约 100K-1M 插入/秒）；InfluxDB（专用 TSDB，适合 DevOps 指标、Prometheus 与 Telegraf 生态，InfluxQL 或 Flux，约 500K-1M 点/秒）；ClickHouse（列式分析，适合最快聚合、分析看板与日志分析，SQL，约 1M-10M 插入/秒）；QuestDB（高吞吐 IoT 与金融逐笔，SQL + Line Protocol，约 4M+ 插入/秒）。
- 核心模式。TimescaleDB 超表（create_hypertable）实现按时间自动分区，便于过期、并行查询与压缩；连续聚合（continuous aggregates）预计算小时级汇总并配置自动刷新策略；保留策略（add_retention_policy）自动过期数据；用 LTTB 算法降采样以适配图表渲染。
- 仪表盘集成。按组件给出查询模式：KPI 卡取最新值、趋势图按时间桶求均值、热力图多指标窗口、告警阈值检查；数据流为采集→存储与连续聚合→保留策略→查询层降采样→前端渲染。自动刷新间隔建议：关键告警 1-5 秒（WebSocket）、运维看板 10-30 秒（轮询）、分析看板 1-5 分钟（缓存）、历史报告按需。
- 性能优化。写入按库给出批量大小与吞吐参考；查询规则：先按时间过滤（走索引）、看板查询用连续聚合、可视化前降采样。
使用方式：资料提供 references 下的 timescaledb.md、influxdb.md、clickhouse.md、questdb.md、downsampling-strategies.md，examples 下的 metrics-dashboard-backend（TimescaleDB + FastAPI）与 iot-data-pipeline（InfluxDB + Go），以及 scripts/setup_hypertable.py、scripts/generate_retention_policy.py。
适用场景：DevOps 监控、IoT 传感器数据、金融逐笔、用户分析、实时仪表盘。
限制：具体安装命令、版本要求、收费与部署细节暂未提供；上述吞吐为资料给出的参考值，实际表现取决于环境。