我们在32 GB(内存)服务器上的InfluxDB实例中存储了大量的分分钟股价波动数据，具有充足的存储空间。不幸的是，我们的记忆力有问题。已完成以下调整：
cache_snapshot_memory_size => 6553600,
cache_snapshot_write_cold_duration => '1m',
max_series_per_database => 10000000,
cluster_write_timeout => '10s',
系列的数量约为65万，而且几乎没有增长。
简化后，我们的模式目前将出价和要价存储在单个测量值orderbook中，除了一些(索引的)标签外，还包含(非索引的)字段，如bid、ask、bid_volume、ask_volume等。除了ticker标签之外，所有标签的基数都很小。
如果每个股票行情器有一个订单簿测量值，我们会看到内存占用减少吗？orderbook.aapl、orderbook.googl、orderbook.abc等
目前，我们有大约300个股票行情，但几年后可能会增长到10000个。
在检索数据时，我们总是在股票代码上使用过滤器。
参考文献：
- 争论不将数据存储在度量中，而是因为编写查询有多难。记忆表现对我们来说至关重要：https://docs.influxdata.com/influxdb/v1.1/concepts/schema_and_data_layout/
- 由于内存问题，在"帐户"上拆分，但这是一个旧的博客条目：http://www.ryandaigle.com/a/time-series-db-design-with-influx
gophers.slak.com上#influxdb的答案：
-
您提议的方法是无效的。我们强烈建议使用标签。这就是数据库假设用户将对其数据建模的方式。向测量添加元数据是一种反模式
-
将独特的标签拆分为独特的测量值不会显著帮助您的内存消耗