利用可排序Key-Value DB构建时间序列数据库（简论）

为了防止无良网站的爬虫抓取文章，特此标识，转载请注明文章出处。LaplaceDemon/ShiJiaqi。

http://www.cnblogs.com/shijiaqi1066/p/5855064.html

本文使用LevelDB，HBase这类列式存KV储数据来构建时间序列数据库。

时间序列数据的特征

经典物理世界，若需要进行测量，则首先需要标注出来。所以首先物体需要有一个ObjectName。

物体有一些静态属性。静态属性不随时间发送变化。时间序列数据一般不关注静态属性。

还有一些动态属性。动态属性的值会随时间发送变化，一般的动态属性被称为指标。指标的名称即metricName。

基础表

Meta

物体与指标都具有名称。而名称字符串应该与一个无符号整数映射起来。即存储ObjectName与ObjectId的对应关系。

Data

使用SSTable存储KV型数据。支持Scan查询。存储Key与Value的关系。

时间序列数据库的查询需求

在不考虑聚合问题的前提下，一般的时间序列数据的查询有以下需求：

查询一段时间([timestamp0,timestam1])内某个object的所有metric的值。 ==> 抽象成函数即 query( objectId , timestamp0 , timestamp1 )

查询一段时间([timestamp0,timestam1])内某个object的某个metric的值。 ==> 抽象成函数即 query( objectId , metricId , timestamp0 , timestamp1 )

查询一段时间内所有object的某个metric的值。 == > 抽象成函数即 query( metricId , timestamp0 , timestamp1 )

查询一段时间内所有object的所有metric的值。 == > 抽象成函数即 query( timestamp0 , timestamp1 )

一般的 query( objectId , metricId , timestamp0 , timestamp1 ) 这种查询更为常见。

Key的构造

方法1：

timestamp | objectId | metricId

数据按时间顺序排序。是一种比较合理的构造方法，适合object较少的情况。

方法2：

timestamp | metricId | objectId

与方法1的应用场景一致。适合object较少的情况。且适合指定metricId的查询。

方法3：

objectId | timestamp | metricId

可以方便的查询，查询一段时间([timestamp0,timestam1])内某个object的所有指标值。即：query( objectId , timestamp0 , timestam1 )

但对一段时间([timestamp0,timestam1])内某个object的某个metric值，性能会稍显不足。这是因为在查询过程中需要过滤掉非指定metricId的指标。

比如一个object有30个metric，当前只需要查询object的metric1。则需要跳过{metric2 , metric3 , ...... , metric30 }的值。效率明显降低了。

方法4：

objectId | metricId | timestamp

可以方便查询一段时间([timestamp0,timestam1])内某个object的某个metric值。

但是如果需要查询一段时间([timestamp0,timestam1])内某个object的所有指标值，就会有所困难。

方法5：

改进方法4：在Meta中记录每个objectId与metricId的映射关系。即需要增加一张Mapping表。

查询一段时间([timestamp0,timestam1])内某个object的所有指标值，需要先从Mapping表中查询objectId具有的metricIds集合：

objectId ==> {metric1,metric2,metric3,metric4,...metricN}

然后按照对每一个metricId进行查询：

query( objectId , metric1 , [timestamp0,timestam1] )

query( objectId , metric2 , [timestamp0,timestam1] )

query( objectId , metric3 , [timestamp0,timestam1] )

......

query( objectId , metricN , [timestamp0,timestam1] )

查询后，把各个merge起来。

数值存储

数据存储于磁盘上都是以字节数组存储的。当读出来时需要知道存储时的数据格式。所以，需要把存储时的值格式记录下来。

静态数值类型

存储前，定义存储格式，并记录下来。存储时按照定义的存储格式进行序列化。类似于MySQL的使用方式。

动态数值类型

在数值序列化成byte[]后，用1个byte标记数值类型。并将整个byte添加到byte[]之前。合一起后存储下来。

即： typeByte | valueBytes

读取数值时，按照第一个typeByte的值来解析后面的byte[]。

动态数值类型更加灵活，但每一条数据都需要多存储1个byte的额外信息。对于静态数值类型，会造成存储空间的浪费。

设计一个完整的时间序列数据库

元信息层

ObjectMeta表

objectName-objectId

MetricMeta表

metricName-metricId

ObjectMetricMeta表

objectId-metricId

静态层存储

业务层存储（不存在于时间序列数据库中）

staitcData

objectId-metricId-value

动态属性值存储

objectId|metricId|timestamp <--> (valueType) value

为了防止无良网站的爬虫抓取文章，特此标识，转载请注明文章出处。LaplaceDemon/ShiJiaqi。

http://www.cnblogs.com/shijiaqi1066/p/5855064.html