云原生多模数据库 Lindorm：数据模型

元素

描述

表名（Table）

时序表代表一系列同类时序数据的集合，例如为空气质量传感器建立一个Table，存储所有传感器的监测数据。

标签（Tag）

Tag描述数据源的特征，通常不随时间变化，例如传感器设备，包含设备DeviceId、设备所在的Region等Tag信息，数据库内部会自动为Tag建立索引，支持根据Tag来进行多维检索查询。Tag由Tag Key、Tag Value组成，两者均为String类型。

在定义时序数据表时，还可以指定特定标签列作为分区键来显式指定数据在多个节点上分片（Data Sharding）时的分片规则，从而实现贴合业务场景的性能提升。

时间戳（Timestamp）

Timestamp代表数据产生的时间点，可以写入时指定，也可由系统自动生成。

量测值（Field）

Field描述数据源的量测指标，通常随着时间不断变化，例如传感器设备包含温度、湿度等Field，Field列无需提前创建固定的Schema，可以在运行过程中动态增减；Field由Field名和Field值组成，Field名为字符串类型，Field值支持多种数据类型。

数据点（Data Point）

数据源在某个时间产生的某个量测指标值（Field值）称为一个数据点，数据库查询、写入时按数据点数来作为统计指标。

时间线（Time Series）

数据源的某一个指标随时间变化，形成时间线，Tag的组合确定一条时间线。针对时序数据的计算包括降采样、聚合（sum、count、max、min等）、插值等都基于时间线维度进行；数据库在存储数据时，会将同一条时间线的数据尽量聚类存储，提升时间线数据访问效率，同时更好的支持时序数据压缩。

在时序表中，Tag列的值都相同的一系列数据行构成了一条时间线。

元素

描述

聚合（Aggregation）

对同一时间线、或不同时间线上的数据点进行分组、求和、计数等计算操作。

降采样（Downsample）

查询时间区间跨度较长，且原始数据采样频率较高时，可通过降采样降低数据的查询展现精度，例如按秒采集的数据，查询时按小时级别采样，减少结果集的数据点数。

插值（Interpolation）

时间线中间缺失部分数据点时，可通过插值算法进行数据点自动填充。

数据时效（TTL）

数据时效是指数据保存有效期，超过有效期的数据会被自动清理，默认数据有效期为永久保存。