跟着物联网范畴的快速发展，时序数据的发生和处理需求不断增长。为了满意实时性、高效性和准确性的要求，数据库需求进行时序功能优化，以提供快速的数据写入、实时查询和高效的数据存储与处理才能。

本期直播介绍了时序数据和时序数据库特征以及根据 TSBS 时序测验规范分析，并根据此解析了 KaiwuDB 的时序模型架构和优化设计。

一、时序根底概念

1. 时序根底概念

时刻序列数据是指带时刻标签的数据，首要由电力、化工、气候、地理信息等职业的各类实时监测、查看与分析设备所收集、发生的数据。

为了便于解释基本概念，以微电网的太阳能发电板作为典型时序数据场景。假设每个发电板收集电流、电压、温度三个量，有多个太阳能板。

• Measurement：一类设备的调集；
• Data source：一个具体的设备；
• Tags：一个设备的描述标签；
• Timestamp：本条时序数据的收集时刻。

2.时序数据库的特色

时序数据库全称为时刻序列数据库。时刻序列数据库指首要用于处理带时刻标签（依照时刻的顺序改变，即时刻序列化）的数据。

基本特色：

• 大数据量的处理；
• 高压缩比；
• 冗余重复数据的一份存储；
• 时刻序列分区处理；
• 一般没有事务相关处理。

二、TSBS 测验规范阐明

1. TSBS 测验规范

TimeScale 开源项目：

• 时序数据的生成和写入；
• 时序场景的典型查询。

两个典型的使用场景：

• DevOps – 服务器 CPU 监控场景有序的时刻序列数据；
• IoT – 物联网卡车车队场景存在无序和缺失的时刻序列数据。

2.DevOps 场景（CPU-only）

CPU-only 场景特色：

• 数据距离均为 10 秒；
• 场景五数据量最大 1.8 亿条记载，场景四数据量最小 1800 万条记载；
• 场景四和场景五设备数量较多，仅覆盖 3 分钟时刻跨度。

3.不同分类的 TSBS 句子分析

三、KaiwuDB 多模数据库时序引擎

1. 基本履行架构

• 使用层；
• SQL Engine；
• 分布式层；
• Storage Engine。

一般没有事务相关处理。

2.时序优化改造

2.1 存储结构优化

针对时序数据的量大、递加、且部分数据为静态值的特色，存储结构做了如下演进：

• 大表，一切设备写入到一张表；
• 分表，一个设备一张表；
• 分区，依照时刻区分数据区域；
• 合表，部分设备一组，静态特色合并存储，同时时刻分区

2.2KaiwuDB履行核算架构优化

针对时序模型，KaiwuDB 做了一系列履行架构调整：

• 履行器下放；
• 采用 mmap 技术，削减数据复制；
• 分区并行；
• 数据裁剪；

• 定制履行计划；
• Timebucket 等特别时序算子；
• 多级动态并行。

2.3KaiwuDB时序核算信息

KaiwuDB 的针对时序查询的特征，定制和完成了一套时序预核算核算信息。其特色如下：

• 时序表是一种特别的复合表；
• 模板表对应 tag 表；
• 实例表仅仅对应 tag 表中的一条索引，而非完整表；
• 数据写入时可以动态创建 tag 项并写入数据；
• tag 表支撑基本的核算信息，例如包含 TSBS；
• 查询支撑通用数据读取；
• 特别查询可以下推，例如多 tag 查询下推，单个 tag 特定聚合数据；
• 数据块依照时刻分区，添加块的核算信息。