随着物联网技术的发展,大量传感器设备接入互联网中,这些物联网设备采集的海量时序数据对于生产设备的故障预警和运行状态分析起着关键的作用。时序数据库作为专为时序数据优化的数据库管理系统,能够高效应对时间序列数据的查询分析任务。然而,在大型的物联网系统中通常会产生高维度的时序数据。例如,在电力系统中,输电线路和发电厂的监控设备每天将产生大量的时间序列,每秒钟也会产生大批量的数据点,并且随着业务的扩张,时间序列的数量也呈现逐年递增的趋势。现有的时序数据库在应对海量时间序列的分析型查询任务时,存在着查询时延高、不能提供实时的时序数据查询分析能力的缺陷,使得时序数据库不能很好的服务于低时延的业务需求。例如,在电力系统的监控服务中,需要及时对大量时间序列进行复杂的函数计算来及时发现运行状态异常的设备。为了解决时序数据库在海量时间序列分析查询场景下时延高的问题,本文基于InfluxDB重新设计了时序数据库的查询引擎,设计并实现了并行时序数据库查询引擎InfluxDB-PP（Parallel Processing）。InfluxDB-PP通过其并行执行框架提升了大批量时间序列数据查询处理的并行能力,通过充分利用系统的计算资源,使得不同时间序列的数据能够并行处理。此外,时序数据库作为一个用来分析时序数据的数据库系统,常会涉及大量的表达式计算。因此,为了消除传统数据库表达式计算中大量函数调用带来的开销,InfluxDB-PP也设计并实现了表达式查询编译。本文的主要贡献如下:（1）基于InfluxDB设计并实现了并行执行引擎InfluxDB-PP。InfluxDB-PP整体设计并实现了流水线查询处理方式,在其并行执行框架中,每个查询算子拥有多个实例。为了均衡各个算子实例的工作负载,在查询执行前通过多数据源数据调度器将不同时间序列调度到不同的算子实例中,利用多核处理器的优势并行处理不同的时间序列数据。此外,为了提高时序场景下常见的窗口聚合类型查询的执行效率,InfluxDB-PP也细化了算子间数据传输的粒度,通过设计批次数据块的数据处理策略提高时序数据的处理效率。（2）在InfluxDB-PP中设计并实现了表达式查询编译。为了解决时序场景下大量表达式计算带来的函数调用问题,本文在时序数据库中首次尝试了表达式查询编译技术,通过设计并实现表达式算子的查询编译接口,在查询执行前利用动态编译技术将表达式编译为紧凑的代码片段,算子在执行时通过调用相应的代码片段来达到消除大量函数调用的目的。（3）搭建了一套以电力系统为场景的监控系统。以电力数据为场景,本文搭建了一套以InfluxDB-PP为核心的监控系统,监控系统主要由三部分组成:ETL组件、InfluxDB-PP和用户界面。本文基于上述技术,设计了InfluxDB-PP,利用模拟的电力数据与开源InfluxDB进行对比,验证了上述方法在海量时间序列分析查询场景下的有效性。