数据建模 - 云原生多模数据库 Lindorm

创建时序数据库

Lindorm实例创建成功后，系统会默认创建default数据库，将数据默认写入该数据库，您无法删除default数据库。时序引擎也支持创建多个数据库，不同的数据库在存储层面进行物理隔离，支持设置不同的数据有效期（TTL）、时间分区和冷热存储分界线。创建数据库的具体操作，请参见CREATE DATABASE。

示例

创建一个名为DB1的数据库，设置数据为不过期。
```
CREATE DATABASE DB1;
```
创建一个名为DB2的数据库，设置TTL为60天。
```
CREATE DATABASE DB2 WITH (ttl=60);
```
创建一个名为DB3的数据库，设置TTL为60天，冷存周期为30天。
```
CREATE DATABASE DB3 WITH (cold_boundary=30, ttl=60);
```

时间分区

时间分区会按照时间维度进行数据分区存储，存储底层会将不同时间分区内的数据进行分段存储，一个时间分区内的数据包含时间线索引和时序数据。时序引擎支持在数据库设置时间分区，一般情况下，如果创建周期性时间线导致了时间线膨胀，建议您开启时间分区来避免同一个分区出现大量索引膨胀。时间分区不建议设置的过小，默认时长为30天。具体操作，请参见CREATE DATABASE。

示例

创建一个名为DB4的数据库，设置时间分区为60天。
```
CREATE DATABASE DB4 WITH (partition_interval=60);
```
对于已经创建的数据库，可以通过修改数据库参数partition_interval的方式设置时间分区。但是目前需要等到下次分区自动切换时，修改后的时间分区才会生效，对于已经创建的分区无法生效。
```
ALTER DATABASE DB4 WITH (partition_interval=60);
```

冷热存储分界线

Lindorm时序引擎支持数据的冷热分层存储，但需要先开通冷存储，具体操作，请参见开通冷存储。时序引擎支持在数据库设置冷热分层分界线，分界线设置完成后，分界线之前的数据会异步转移到更低成本的存储介质，需要等待数据转移完成后冷存空间才会发生变化。

重要已经转移至冷存储的数据无法再转移至热存储。

示例

创建一个名为DB5的数据库，设置冷热存储分界线为30天，即30天之前的数据会被转移到冷存储。
```
CREATE DATABASE DB5 WITH (cold_boundary=30);
```
对于已经创建的数据库，可以通过修改数据库参数cold_boundary的方式设置冷热存储分界线。
```
ALTER DATABASE DB5 WITH (cold_boundary=30);
```

自动建表

Lindorm时序引擎提供三种Schema约束策略，分别是强约束、弱约束、无约束。通过Java Native SDK写入数据和通过行协议写入数据时可以指定Schema约束策略，更多信息，请参见关于时序数据的Schema约束。在弱约束条件下，写入数据的表或者列不存在时，时序引擎会自动创建，并对已经存在的列进行数据类型校验。

创建时序数据表

创建时序数据表之前，需要先根据业务场景构建数据模型，相关内容，请参见数据模型和如何设计时序数据表。

时序引擎会创建倒排索引，在查询数据时，tag用来快速匹配时间线。除此以外，可以使用PRIMARY KEY来标识分片键，通常建议选择数据源的唯一标识作为PRIMARY KEY，例如物联网场景设备ID。时序引擎会根据分片键对数据进行分片，然后路由到不同的后端节点进行存储，查询时如果查询条件命中分片键，则直接查询指定节点。

示例

创建传感器表。

CREATE TABLE sensor (
    device_id VARCHAR TAG,
    region VARCHAR TAG,
    time   TIMESTAMP,
    temperature DOUBLE,
    humidity DOUBLE);

创建传感器表，并指定device_id作为分片键。

CREATE TABLE sensor (
    device_id VARCHAR TAG,
    region VARCHAR TAG,
    time   TIMESTAMP,
    temperature DOUBLE,
    humidity DOUBLE,
    PRIMARY KEY(device_id));

单值模型与多值模型

使用OpenTSDB协议或时间序列数据库TSDB接口单值写入的数据为单值模型，目前不支持建表和SQL访问。时序引擎底层数据存储实现了对多值模型数据的存储优化，建议您将单值模型更改为多值模型，让数据读取更加高效。