我正在开发一个项目，涉及在 GridDB 中管理大型时间序列数据集。目前，随着数据集大小的增长，我遇到了严重的查询延迟问题。虽然 GridDB 在较小的数据集上表现良好，但随着数据集大小的增加，某些查询变得比预期慢。
有关问题的详细信息
以下是一些有助于了解问题背景的具体细节：
数据集大小：5000万条记录（约200GB数据）。
查询性能：在过滤 1 个月范围内的数据时，我当前的查询需要 10 秒才能执行。理想情况下，我希望在 2 秒内完成。
硬件：运行在16核CPU上，具有32GB RAM和SSD存储。
示例查询
这是我正在使用的查询的示例：
选择AVG（温度），MAX（湿度）
来自传感器数据
“2023-01-01”和“2023-01-31”之间的时间戳
AND 位置 = '仓库-1';
我尝试过的
为了解决性能问题，我尝试了以下步骤：
索引：在时间戳和位置列上创建索引。
分区：使用GridDB的容器分区功能按月划分数据。
资源分配：调整了 GridDB 中查询引擎的内存设置。 尽管做出了这些努力，我还没有看到查询性能有明显的改善。
问题
是否可以对 GridDB 中的查询或容器配置应用其他优化，以更有效地处理这种规模？
对于这种大小的数据集，10 秒的查询时间是否正常，还是我在 GridDB 设置中遗漏了某些内容？
任何见解或建议将不胜感激！
您需要在两列上建立基于树的索引，首先是
locationtimestampcontainer.create_index(["location", "timestamp"])