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)
2024-11-08 02:59:07  作者:心事难说破  网址:https://m.xinb2b.cn/tech/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。

  • 三里清风三里路全诗(三里清风三里路的意思)
  • 2024-11-08三里清风三里路的意思“三里清风三里路”全诗为:三里清风三里路,步步风里步步你,三里清风三里路,步步清风再无你这句诗的意思是:走了三里的路程,伴随着三里路的清风,每走的一步路都有清风相随,但是没有你的陪伴表达了“曾经有你陪。
  • 粥用英文怎么写(喝粥用英语怎么说)
  • 2024-11-08喝粥用英语怎么说文/英语老师刘江华我们一日三餐都可以选择喝粥,尤其是早上早上起来胃口没那么好,喝碗粥容易消化既然在我们生活中这么重要,那喝粥用英语怎么说?喝粥用英语是不是直接说成drinkporridge咧?drin。
  • 新基建和智能网联风口(哪些智能化主线值得关注)
  • 2024-11-08哪些智能化主线值得关注8月底,以“碳中和愿景下的全面电动化与全球合作”为主题的2022世界新能源汽车大会在京落下帷幕,大会以“线下线上”的形式展开,来自14个国家的1500余名国内外嘉宾代表出席大会并参与演讲,共同探讨全面。
  • 真正好命的女人的特点(真正好命的女人)
  • 2024-11-08真正好命的女人常言道:“命里有时终须有,命里无时莫强求”命运一词,玄之又玄在现实生活中,许多人认为一个人的命运,从他出生的那一刻就已经决定更有甚者,将女人命运的好坏和婚姻挂钩,以嫁人来衡量女人是否幸福殊不知,人的出。
  • 女高音技巧步骤(女高音发声练习方法技巧)
  • 2024-11-08女高音发声练习方法技巧腹式呼吸这是唱歌最基础的部份,也是一般人所说的用丹田唱歌一般人呼吸多用胸腔,呼吸时,会看到胸腔的起伏如果有机会观察婴儿呼吸的样子,会发现,婴儿呼吸多是腹部起伏,这就是(腹式呼吸)婴儿的哭声很宏亮,为何。
  • 木兰诗主旨(木兰诗主旨是什么)
  • 2024-11-08木兰诗主旨是什么讲述了一个叫木兰的女孩,女扮男装,替父从军,在战场上建立功勋,回朝后不愿作官,只求回家团聚的故事,热情赞扬了这位女子勇敢善良的品质、保家卫国的热情和英勇无畏的精神《木兰诗》是一首北朝民歌,宋郭茂倩《乐。
  • (专访流浪方舟余田)
  • 2024-11-08专访流浪方舟余田前言:本文为游戏日报【对话制作人】系列文章,如果你对该栏目感兴趣,愿意分享自己的游戏制作历程,欢迎联系我们2022年CiGAGameJam即将在6月24日-6月26日举办,作为国内顶级的独立游戏开发大。
  • 水泉坪乡村振兴示范建设(以特色田园乡村增加农民)
  • 2024-11-08以特色田园乡村增加农民近日,区委常委、丹徒经济开发区、高资街道党工委书记洪伟一行5人莅临高资街道水台村,对水台村特色田园乡村建设进行调研洪伟一行先是对水台村今年以来开展的重点工作:道路提档升级、六大工程及高标准农田进行现场。
  • 谈谈对未来航空发动机的看法(我们用了一百年)
  • 2024-11-08我们用了一百年来源:钧正平工作室·解放军新闻传播中心融媒体作者:熊爸你知道一个国家失去天空后所要承受的屈辱么?——题记12018年11月初的一天,珠海的天空风和日丽一架标准涂装的歼10B单发战斗机从远处翩翩而至与刚。
  • 爆炒三菌菇详细做法(大厨分享饭店蚝油烧三菌)
  • 2024-11-08大厨分享饭店蚝油烧三菌今天和大家分享一道“蚝油烧菌菇”家常菜,菌菇的种类繁多,大家可以根据自己喜欢的菌菇进行搭配,菌菇热量低,有维生素、蛋白质等营养成分,热量也很底,也是减肥的最好蔬菜下面为大家介绍详细步骤,有喜欢的朋友们。
  • 英语单词怎么背才容易记住(英语单词太难记)
  • 2024-11-08英语单词太难记英语是很多人的薄弱学科,对于这门外国语言,看着别人次次考试考高分,自己只能在那干瞪眼考得好的同学都说英语是多么多么的简单,考得差的就完全跟看天书一样,学英语的时候就只能茫然地盯着那些单词发呆其实,在学。