对于这种涉及大数据量和实时性要求的物联网(IoT)业务场景，选择合适的数据库系统至关重要。以下是针对你提出的问题的一些建议：

1. **数据库选择**：
- **时序数据库 (Time-Series Database)**：考虑到你的数据是连续的时间序列数据，时序数据库（如 InfluxDB, OpenTSDB, TimescaleDB 等）是非常适合的选择。它们专门设计用于高效存储和查询时间戳相关的数据，并且可以处理大规模的数据写入。
- **分布式数据库**：为了处理10万个设备的数据，你需要一个能够水平扩展的数据库，如 Apache Cassandra 或 Amazon DynamoDB，这些数据库在分布式环境下性能出色，能应对高并发写入。
- **NoSQL 数据库**：MongoDB 或 Cassandra 也能提供很好的性能，特别是对于非结构化或半结构化数据。

2. **物联网公司的数据库架构**：
- 通常，物联网公司的大数据架构会包含多个层次：
- **边缘计算层**：在设备端或附近的网关进行数据预处理和过滤，减少发送到云端的数据量。
- **数据摄入层**：使用消息队列（如 Apache Kafka 或 RabbitMQ）接收并缓冲来自设备的数据，确保高可用性和容错性。
- **存储层**：采用上述提到的时序数据库或分布式数据库，存储大量实时数据。
- **处理和分析层**：利用批处理工具（如 Apache Spark）和流处理工具（如 Apache Flink 或 Apache Storm）进行实时分析和聚合。
- **服务层**：提供 API 接口，让其他系统可以访问和使用这些数据。
- **可视化层**：通过 BI 工具（如 Tableau 或 Grafana）展示数据。

3. **查询和展示**：
- 对于查询最近几天的数据，你需要确保数据库支持高效的范围查询。时序数据库通常具备这种能力，可以快速返回一定时间范围内的数据。
- 使用缓存（如 Redis 或 Memcached）来存储最近查询的结果，提高查询性能。
- 分布式数据库的查询通常需要考虑分区策略，确保数据的合理分布以加速查询。

总体而言，选择数据库时应综合考虑数据类型、写入和查询模式、可扩展性、成本等因素。在实施时，也需要关注数据安全、备份和恢复策略。随着业务的发展，可能需要不断调整和优化数据库架构。

TDengine时序数据库，很符合你的需求

1. 对于 10 万个设备每天产生如此大量数据的场景，可以考虑使用一些分布式数据库，如 HBase、Cassandra 等。这些数据库能够处理大规模的分布式数据存储和高并发读写操作。

2. 物联网公司的数据库架构通常是一个复杂的体系，一般包括以下几个主要部分：

   • 数据采集层：负责从各种设备收集数据。
   • 数据存储层：可能包括多种数据库，如用于实时处理的内存数据库、用于大规模数据存储的分布式数据库等。
   • 数据处理层：如流处理引擎、数据仓库等，用于对数据进行清洗、转换、分析等操作。
   • 数据应用层：用于将处理后的数据提供给各种应用和展示。

3. 对于大量数据存储后的查询需求，可以采取以下措施：

   • 合理设计索引：根据查询条件设计合适的索引，提高查询效率。
   • 数据分区：可以按时间或其他维度进行分区，便于快速定位和查询特定时间段的数据。
   • 使用缓存：将常用查询结果缓存起来，减少对数据库的查询压力。
   • 采用分布式查询框架：能够并行处理查询请求，提高查询速度。

此外，还需要考虑数据备份与恢复策略、数据安全、系统扩展性等方面的问题，以确保整个系统的稳定和高效运行。同时，不同的业务场景和需求可能需要针对性地调整和优化架构设计。