时序数据库简介(时序数据库Apache-IoTDB源码解析之文件数据块)
时序数据库简介(时序数据库Apache-IoTDB源码解析之文件数据块)
2024-11-09 12:21:29  作者:心事难说破  网址:https://m.xinb2b.cn/know/tnh240113.html

上一章聊到行式存储、列式存储的基本概念,并介绍了 TsFile 是如何存储数据以及基本概念。详情请见:

时序数据库 Apache-IoTDB 源码解析之文件格式简介(三)

打一波广告,欢迎大家访问 IoTDB 仓库(https://github.com/apache/incubator-iotdb),求一波 Star 。欢迎关注头条号:列炮缓开局

这一章主要想聊一聊:

TsFile的文件概览TsFile的数据块TsFile文件概览


一个完整的 TsFile 是由图中的几大块组成,图中的数据块与索引块之间使用 1 个字节的分隔符 2 来进行分隔,这个分隔符的意义是当 TsFile 损坏的时候,顺序扫描 TsFile 时,依然可以判断下一个是 MetaData 是什么东西。

1. 识别符(Magic)

现在各种软件五花八门,很多软件都拥有自己的文件格式用来存储数据内容,但当硬盘上文件非常多的时候如何有效的识别是否为自己的文件,确认可以打开呢?经常用 windows 系统的朋友可能会想到用扩展名,但假如文件名丢失了,那我们如何知道这个文件是不是能被程序正确访问呢?

这时候通常会使用一个独有的字符填充在文件开头和结尾,这样程序只要访问 1 个固定长度的字符就知道这个文件是不是自己能正常访问的文件了,当然,TsFile 作为一个数据库文件,肯定需要在这个识别符上精心打造一番,它看起来是这样:

(decimal) 84 115 70 105 108 101 (hex) 54 73 46 69 6c 65 (ASCII) T s F i l e

非常 cool 。

2.文件版本(Version)

再精妙的设计也难免产生一些问题,那么就需要升级,那么文件内容也一样,有时候当你的改动特别大了,就会出现完全不兼容的两个版本,这个很好理解不过多解释。TsFile 中采用了 6 个字节来保存文件版本信息,当前 0.9.x 版本看起来就是这样:

(decimal) 48 48 48 48 48 50 (hex) 30 30 30 30 30 32 (ASCII) 0 0 0 0 0 2

3.数据块


3.1 ChunkGroup

文件的数据块中包含了多个 ChunkGroup ,其中 ChunkGroup 的概念已经在上一章聊过,它代表了设备(逻辑概念上的一个集合)一段时间内的数据,在 IoTDB 中称为 Device。

在实际的文件中,ChunkGroup是由多个 Chunk 和一个 ChunkGroupFooter 组成。其中最后一个 Chunk 的结尾和 ChunkGroupFooter 之间使用 1 个字节的分隔符 0 来做区分,ChunkGroupFooter 没有什么具体作用,不做详细解释。

3.2 Chunk

一个 ChunkGroup 中包含了多个 Chunk,它代表了测点数据(逻辑概念上的某一类数据的集合,如体温数据),在 IoTDB 中称为 Measurement。

在实际文件中 Chunk 是由 ChunkHeader 和多个 Page 组成,并被 1 个字节的分隔符 1 包裹。ChunkHeader中主要保存了当前 Chunk 的数据类型、压缩方式、编码方式、包含的 Pages 占用的字节数等信息。

3.3 Page

一个 Chunk 中包含多个 Page,它是一个数据组织方式,数据大小被限制在 64K 左右。

在实际文件中由 PageHeader 和 PageData 组成。其中 PageHeader 里主要保存了,当前 page 里的一些预聚合信息,包含了最大值、最小值、开始时间、结束时间等。他的存在是非常有意义的,因为当某些特定场景的读时候,不必要解开 page 的数据就能够得到结果,比如说 selece 体温 from 王五 where time > 1580950800 , 当读到 PageHeader 的时候,找到 startTime 和 endTime 就能判断是否可以使用当前 page。 这个聚合信息的结构同样出现在索引块中,下一章再具体聊这个聚合结构。

3.4 PageData

一个 Page 中包含了一个 PageData,里面有两个数组:时间数组和值数组,且这两个数组的下标是对齐的,也就是时间数组中的第一个对应值数组中的第一个。举个例子:

timeArray: [1,2,3,4]valueArray: ['a', 'b', 'c', 'd']

在page中就是这样保存的数据,其中 1 代表了时间 1970-01-01 08:00:00 后的 1 毫秒,对应的值就是 'a'。

数据块展示

我们继续使用上一章聊到的示例数据来展示真正的TsFile中是如何保存的。


当数据被写入 TsFile 中,大概就是下面一个展示的情况,这里省略了索引部分。

POSITION|CONTENT -------- ------- 0|[magic head] TsFile 6|[version number] 000002 // 因为 6个字节的magic 6个字节的 version 所以 chunkGroup 从 12 开始|||||||||||||||||||||[Chunk Group] of wangwu begins at pos 12, ends at pos 253, version:0, num of Chunks:2 // 这里展示的是 ChunkHeader 中保存的信息 12|[Chunk] of xinlv, numOfPoints:1, time range:[1580950800,1580950800], tsDataType:INT32, [minValue:100,maxValue:100,firstValue:100,lastValue:100,sumValue:100.0]|[marker] 1 // chunk 的真正开始是从这个分隔符 1 开始的|[ChunkHeader] // header 的数据在上面展示了|1 pages //这里保存的具体数据|time:1580950800; value:100 // 下一个 chunk 121|[Chunk] of tiwen, numOfPoints:1, time range:[1580950800,1580950800], tsDataType:float, [minValue:36.7,maxValue:36.7,firstValue:36.7,lastValue:36.7,sumValue:36.70000076293945]|[marker] 1|[ChunkHeader]|1 pages|time:1580950800; value:36.7 230|[Chunk Group Footer]|[marker] 0 // chunkFooter 和 chunk 使用 0 作为分隔|[deviceID] wangwu|[dataSize] 218|[num of chunks] 2|||||||||||||||||||||[Chunk Group] of wangwu ends

回想我们的查询语句 select 体温 from 王五 , 当经历过索引之后会得到 offset 的值等于 121 ,这时候我们只需要调用reader.seek(121),从这里开始就是所有体温数据的开始点,从这里一直读到 230 的 ChunkGroupFooter 结构的时候,就可以返回给用户数据了。

有兴趣自己实验的朋友可以,引入 TsFile 的包,自行实验,下面给出测试代码:

<dependency> <groupId>org.apache.iotdb</groupId> <artifactId>tsfile</artifactId> <version>0.9.1</version></dependency>

public static void main(String[] args) throws IOException, WriteProcessException { MeasurementSchema chunk1 = new MeasurementSchema("tiwen", TSDataType.FLOAT, TSEncoding.PLAIN); MeasurementSchema chunk2 = new MeasurementSchema("xinlv", TSDataType.INT32, TSEncoding.PLAIN); Schema chunks = new Schema(); chunks.registerMeasurement(chunk1); chunks.registerMeasurement(chunk2); TsFileWriter writer = new TsFileWriter(new File("test"), chunks); RowBatch chunkGroup = chunks.createRowBatch("wangwu"); long[] timestamps = chunkGroup.timestamps; Object[] values = chunkGroup.values; timestamps[0] = 1580950800; float[] tiwen = (float[]) values[0]; int[] xinlv = (int[]) values[1]; // 写入王五的体温 tiwen[0] = 36.7f; //写入王五的心率 xinlv[0] = 100; chunkGroup.batchSize ; timestamps[1] = 1580950800; // 写入第二条王五的体温 tiwen[1] = 36.6f; //写入第二条王五的心率 xinlv[1] = 90; chunkGroup.batchSize ; writer.write(chunkGroup); writer.close(); }

执行完成之后你可以使用 IoTDB 中的 TsFileSketchTool 来查看文件结构,得到文中示例的展示结果;或者使用 od 等工具查看,祝玩儿的开心。IoTDB 0.9.1 版本可以从官方网站(http://iotdb.apache.com)下载

这一章聊到了 TsFile 分为了 数据块 和 索引块,并且介绍了数据块的具体组成部分和查询逻辑。那么索引块是什么结构,怎样完成了在大量混杂的数据中搜索到的想要的数据,请持续关注。

  • 梦三国中最容易挂的英雄(纠结症都快犯了)
  • 2024-11-09纠结症都快犯了既然是团队竞技游戏,那么自然也就离不开团战了作为梦三国单局游戏中最重要的元素,如果能快速有效地打赢团战,那么离胜利也就不远了今天小编就想和大家聊一聊,团战时遇到的那些想打又不敢打,不打又不行的英雄这些。
  • 杜兰特受伤后多大可能被抛弃(受伤折断了希望)
  • 2024-11-09受伤折断了希望自从疫情席卷全球后,美国也是岌岌可危,而地处美国的NBA联盟也难逃停赛厄运,凯文·杜兰特刚开始被检测感染了病毒之后,让人感到非常害怕与恐慌,数日已过,杜兰特始终没有出现症状,目前也已经痊愈,不再携带病。
  • 鹅蛋能吃吗怎么吃(鹅蛋为什么吃的人不多)
  • 2024-11-09鹅蛋为什么吃的人不多鹅蛋确实是不好吃,有一些腥味,好多人吃不惯,鹅是一种喜欢在水边生活的动物,另一个鹅喜欢食用水中的一些杂草、鱼、虾等等小动物和一些水边生物,这就会导致鹅蛋带有一些难闻的腥臭味道再一个鹅蛋做起来去除腥味比。
  • 年轻人一定要去大城市才有出路吗(越来越多的年轻人选择)
  • 2024-11-09越来越多的年轻人选择推荐语:在城市化发展不断加速的今天,越来越多的农村年轻人涌入大城市,他们渴望通过努力,在大城市拥有一席之地毕竟,大城市有更多的工作机会,城市间交通便捷,生活气息更加浓厚,符合年轻人对未来的向往根据国家。
  • 同样是00后偏爱的情侣头像(同样是00后偏爱的情侣头像)
  • 2024-11-09同样是00后偏爱的情侣头像小伙伴们晚上好啊,六月中旬的天气确实要比五月份炎热了很多,但是学生党喜欢情侣头像的热情一点也没有下去,不管是不是学生情侣,都很喜欢收藏一些好看的情侣头像,尤其是一些动漫风格的头像是二次元学生党的最爱,。
  • 山水观音牌子什么寓意(山水观音牌子寓意是什么)
  • 2024-11-09山水观音牌子寓意是什么翡翠山水观音牌的寓意可以分两点来理解,一是观音,观音又称为观世音菩萨,由于观世音菩萨曾经发愿,任何人在遇到任何灾难时,只要一心虔诚的诵念观世音菩萨的圣号,就能得到观世音菩萨的救渡,因此,观音的寓意是消。
  • 漂泊的人经典句子(关于漂泊的人经典句子)
  • 2024-11-09关于漂泊的人经典句子遥想当日送君走,万种风情逐水流;江i湖多年来漂泊,蓦然回版首不胜愁;真想此刻权牵你手,让爱泛舟在心头;人生携手江湖游,一生付出到永久泛萍浮梗:浮动在水面的萍草和树根比喻踪迹漂泊不定叮咛是一世漂泊中的风。
  • 莱卡面料是什么(莱卡面料介绍)
  • 2024-11-09莱卡面料介绍莱卡面料是由氨纶纤维(Spandex聚氨基甲酸酯纤维的简称)制成的面料,在粤语地区也称“拉架”(莱卡的粤语发音),在内地,有时直接称呼“氨纶布”“莱卡”是英文单词LYCRA的译音,它1937年由德国拜。
  • 庞统和诸葛亮为什么没得天下(庞统为什么自杀)
  • 2024-11-09庞统为什么自杀先主领荆州,统以从事守耒阳令,在县不治,免官吴将鲁肃遣先主书曰:“庞士元非百里才也,使处治中、别驾之任,始当展其骥足耳”诸葛亮亦言之于先主,先主见与善谭,大器之,以为治中从事亲待亚于诸葛亮,遂与亮并为。
  • 一个女人在婚姻里特别能隐忍(女人不想被欺负)
  • 2024-11-09女人不想被欺负我是东林夕亭,你有故事,就来找我点击上面“关注”,你就是我的人了女人想要嫁给一个好丈夫,男人想要娶到一个好妻子,这都是人之常情但是,婚姻需要面对现实,那就是:好的婚姻,不管是想嫁个好丈夫,还是想娶个好。
  • 怪物猎人最新预告 怪物猎人真人电影发布两张新海报
  • 2024-11-09怪物猎人最新预告 怪物猎人真人电影发布两张新海报如果要评选今年来销量最高的游戏,那么《怪物猎人:世界》一定榜上有名,截止今年1月,游戏本体加上超大型扩展资料片“冰原”全球总销量已累计突破了1500万套,远远超出了Capcom的预期(Capcom最初。