云原生多模数据库 Lindorm：如何设计时序数据表

时序数据示例

时序数据建模至关重要，需要仔细分析数据来源的特性和查询的场景，建立合理的数据表，以便达到最佳的存储和查询性能。以下图的空气检测数据为例：

每个时间点对应的数据记录可以详细分为几个部分：

• 表（Table）：代表一系列同类时序数据的集合。

• 标签（Tags）：表明指标项监测针对的具体对象属性。其中一个标签（Tag）由一个标签键（Key）和一个对应的标签值（Value）组成。时序引擎默认会为每一个标签的键-值对都建立标签与时间序列之间的索引。在特定场合下，标签也可能会有不同的叫法，例如可能被称为Labels或者Dimensions。

• 时间戳（Timestamp）：表示该数据记录对应的生成时间。

• 字段（Field）：一条数据记录可以有多个字段值，表示指标的不同方面。时序引擎不会为字段建立索引。

表设计的最佳实践

基于以上的数据模型，我们便可以将同一类时序数据的度量（如上图中的AQM）设计为表名，并按照SQL的CREATE TABLE语法进行表设计。

以上文的空气质量监测的时序模型为例，可以采用的表定义如下所示。

CREATE TABLE aqm (
    city        VARCHAR TAG,
    district    VARCHAR TAG,
    id          VARCHAR TAG,
    time        TIMESTAMP,
    pm2_5       DOUBLE,
    pm10        DOUBLE,
    so2         DOUBLE,
    no2         DOUBLE,
    PRIMARY KEY(id)  ////单机版实例不支持PRIMARY KEY，如果使用的是单机版实例，请删除此行
);

在此定义基础上，随后向表中写数据便可通过INSERT语句来进行：

INSERT INTO aqm (city, district, id, time, pm2_5, pm10, so2, no2) 
VALUES ('hangzhou', 'yuhang', 'HY00001', '2019-04-18 10:00:00', 31.0, 66.0, 10.0, 43.0);

INSERT INTO aqm (city, district, id, time, pm2_5, pm10, so2, no2) 
VALUES ('hangzhou', 'yuhang', 'HY00001', '2019-04-18 10:01:00', 31.2, 66.0, 10.5, 43.1);

也可以通过下述INSERT语句实现批量写入数据。

INSERT INTO aqm (city, district, id, time, pm2_5, pm10, so2, no2) 
VALUES ('hangzhou', 'yuhang', 'HY00001', '2019-04-18 10:02:00', 31.3, 66.0, 10.0, 42.9),  
('hangzhou', 'yuhang', 'HY00001', '2019-04-18 10:03:00', 31.2, 66.4, 10.3, 43.0);

CREATE TABLE aqm (
    city        VARCHAR TAG,
    district    VARCHAR TAG,
    id          VARCHAR TAG,
    time        TIMESTAMP,
    pm2_5       DOUBLE,
    pm10        DOUBLE,
    so2         DOUBLE,
    no2         DOUBLE,
    PRIMARY KEY (id)   //单机版实例不支持PRIMARY KEY，如果使用的是单机版实例，请删除此行
);