通过构建预聚合的摘要表（summary tables）替代直接查询原始秒级数据，可显著提升图表加载性能与响应速度，避免前端崩溃和 ssl 协议错误。
通过构建预聚合的摘要表（summary tables）替代直接查询原始秒级数据，可显著提升图表加载性能与响应速度，避免前端崩溃和 ssl 协议错误。
在气象站等高频采集场景中，每秒写入一条记录意味着一年将产生超过 3100 万行数据。若前端图表（如 Chart.js 或 ECharts）直接请求全量原始数据，不仅会触发 MySQL 的内存与网络瓶颈，还极易导致 PHP 超时、JSON 序列化失败、浏览器内存溢出，甚至因响应体过大引发 ERR_SSL_PROTOCOL_ERROR（该错误常被误判为证书问题，实则多由服务端异常中断或超长响应头引起）。
核心解决方案：摘要表（Summary Tables）
摘要表是预先按时间粒度（如每小时、每天）对原始数据进行聚合的物化视图，不依赖实时计算，查询极快。例如：
-- 假设原始表 weather_raw (id, sensor_id, ts, temp_c, humidity) -- 创建每小时摘要表 CREATE TABLE weather_hourly ( sensor_id TINYINT NOT NULL, hour_start DATETIME NOT NULL, avg_temp DECIMAL(5,2), min_temp DECIMAL(5,2), max_temp DECIMAL(5,2), avg_humidity TINYINT, sample_count INT, PRIMARY KEY (sensor_id, hour_start), INDEX idx_sensor_time (sensor_id, hour_start) ) ENGINE=InnoDB;
配合定时任务（如 MySQL Event 或系统 cron），每小时执行一次聚合：
INSERT INTO weather_hourly SELECT sensor_id, DATE_FORMAT(ts, '%Y-%m-%d %H:00:00') AS hour_start, AVG(temp_c), MIN(temp_c), MAX(temp_c), AVG(humidity), COUNT(*) FROM weather_raw WHERE ts >= DATE_SUB(NOW(), INTERVAL 1 HOUR) AND ts < NOW() GROUP BY sensor_id, DATE_FORMAT(ts, '%Y-%m-%d %H:00:00');
查询优化策略：
- 前端时间范围选择 → 自动匹配摘要粒度：
- 近 24 小时 → 查
weather_hourly（最多 24 行） - 近 30 天 → 查
weather_daily（预建日汇总表） - 超过 1 年 → 查
weather_monthly（仅 12 行）
- 近 24 小时 → 查
- 始终避免
SELECT * FROM weather_raw WHERE ts BETWEEN ...类全字段扫描。
注意事项：
- 摘要表需与原始表保持事务一致性（推荐用应用层双写或 MySQL 触发器 + 错误重试机制）；
- 为防止冷启动延迟，首次建表可用
INSERT ... SELECT批量初始化历史数据； - 配合 HTTP 缓存头（如
Cache-Control: public, max-age=3600）缓存聚合结果，进一步降低数据库压力； - 前端应限制最大时间跨度（如“最多查看 5 年”），并默认启用摘要模式，仅调试时开放原始数据开关。
通过这一架构，单次图表请求的数据量可稳定控制在百行以内，响应时间从数秒降至毫秒级，彻底规避因大数据量引发的前端崩溃与协议层异常。
