時(shí)序數(shù)據(jù)庫價(jià)格-時(shí)序數(shù)據(jù)庫-美信科技(查看)

時(shí)序數(shù)據(jù)庫時(shí)序業(yè)務(wù)有哪些特點(diǎn)？

時(shí)序業(yè)務(wù)和普通業(yè)務(wù)在很多方面都有巨大的區(qū)別，歸納起來主要有如下幾個(gè)方面：持續(xù)產(chǎn)生海量數(shù)據(jù)，沒有波峰波谷。舉幾個(gè)簡單的例子，比如類似哨兵的監(jiān)控系統(tǒng)，假如現(xiàn)在系統(tǒng)監(jiān)控1w臺(tái)服務(wù)器的各類指標(biāo)，每臺(tái)服務(wù)器每秒100種metrics，這樣每秒鐘將會(huì)有100w的TPS。再比如說，現(xiàn)在比較流行的運(yùn)動(dòng)手環(huán)，假如當(dāng)前有100w人佩戴，每個(gè)手環(huán)一秒只3種metrcis（心跳、脈搏、步數(shù)），這樣每秒鐘也會(huì)產(chǎn)生300w的TPS。數(shù)據(jù)都是插入操作，基本沒有更新操作。時(shí)序業(yè)務(wù)產(chǎn)生的數(shù)據(jù)很少有更新的操作，基于這樣的事實(shí)，在時(shí)序數(shù)據(jù)庫架構(gòu)設(shè)計(jì)上會(huì)有很大的簡化。近期數(shù)據(jù)關(guān)注度更高，時(shí)序數(shù)據(jù)庫解決方案，未來會(huì)更關(guān)注流式處理這個(gè)環(huán)節(jié)，時(shí)間久遠(yuǎn)的數(shù)據(jù)被訪問，甚至可以丟棄。這個(gè)很容易理解，哨兵系統(tǒng)我們通常關(guān)心近一小時(shí)的數(shù)據(jù)，很多看看近3天的數(shù)據(jù)，很少去看3天以前的數(shù)據(jù)。隨著流式計(jì)算的到來，時(shí)序數(shù)據(jù)在以后的發(fā)展中必然會(huì)更關(guān)注即時(shí)數(shù)據(jù)的價(jià)值，這部分?jǐn)?shù)據(jù)的價(jià)值毫無疑問也是很大的。數(shù)據(jù)產(chǎn)生之后就可以根據(jù)某些規(guī)則進(jìn)行報(bào)警是一個(gè)非常常見并重要的場景，時(shí)序數(shù)據(jù)庫多少錢，報(bào)警時(shí)效性越高，對(duì)業(yè)務(wù)越有利。數(shù)據(jù)存在多個(gè)維度的標(biāo)簽，往往需要多維度聯(lián)合查詢以及統(tǒng)計(jì)查詢。時(shí)序數(shù)據(jù)另一個(gè)非常重要的功能是多維度聚合統(tǒng)計(jì)查詢，時(shí)序數(shù)據(jù)庫，比如業(yè)務(wù)需要統(tǒng)計(jì)近一小時(shí)廣告主發(fā)布在USA地區(qū)的廣告點(diǎn)擊率和總收入分別是多少，這是一個(gè)典型的多維度聚合統(tǒng)計(jì)查詢需求。這個(gè)需求通常對(duì)實(shí)效性要求不高，但對(duì)查詢聚合性能有比較高的要求。

時(shí)序場景需要關(guān)系型數(shù)據(jù)庫

很多人認(rèn)為時(shí)序場景只需要時(shí)序數(shù)據(jù)庫，實(shí)際上很少有場景只需要時(shí)序數(shù)據(jù)庫。絕大多數(shù)情況下，時(shí)序數(shù)據(jù)庫需要關(guān)系數(shù)據(jù)庫配合，以解決實(shí)際業(yè)務(wù)問題，時(shí)序數(shù)據(jù)庫價(jià)格，因?yàn)闀r(shí)序數(shù)據(jù)庫本質(zhì)只能表達(dá)時(shí)間序列數(shù)據(jù)以及和時(shí)間序列數(shù)據(jù)緊密相關(guān)的元信息，譬如數(shù)據(jù)源id，位置，供應(yīng)商等額外信息。而實(shí)際場景中，需要更多信息才能發(fā)揮時(shí)序數(shù)據(jù)的價(jià)值，譬如工業(yè)設(shè)備監(jiān)控、智能制造、柔性制造、個(gè)性化定義等等。傳統(tǒng)的時(shí)序數(shù)據(jù)庫如InfluxDB、OpenTSDB無法解決這種場景，而必須配之以關(guān)系型數(shù)據(jù)庫，以獲得時(shí)序數(shù)據(jù)更多的上下文信息。

時(shí)序數(shù)據(jù)庫分片方法：

哈希分片： 均衡性較好，但集群不易擴(kuò)展執(zhí)行哈希：均衡性好，集群擴(kuò)展易，但實(shí)現(xiàn)復(fù)雜范圍劃分：復(fù)雜度在于合并和分裂，全局有序分片設(shè)計(jì)

分片的會(huì)直接影響到寫入的性能，結(jié)合時(shí)序數(shù)據(jù)庫的特點(diǎn)，根據(jù) metric + tags 分片是比較好的方式，查詢大都是按照一個(gè)時(shí)間范圍進(jìn)行的，這樣形同的 metric + tags 數(shù)據(jù)會(huì)被分配到一臺(tái)機(jī)器上連續(xù)存放，順序的磁盤讀取是很快的。

在時(shí)間范圍很長的情況下，可以根據(jù)時(shí)間訪問再進(jìn)行分段，分別存儲(chǔ)到不同的機(jī)器上，這樣大范圍的數(shù)據(jù)就可以支持并發(fā)查詢，優(yōu)化查詢速度。

如下圖，行和第三行都是同樣的tag（sensor=95D8-7913;city=上海），所以分配到同樣的分片，而第五行雖然也是同樣的tag，但是根據(jù)時(shí)間范圍再分段，被分到了不同的分片。第二、四、六行屬于同樣的tag（sensor=F3CC-20F3;city=北京）也是一樣的道理。