1-1-田原-IoTDB 融合之路：树&表融合模型技术架构解析.pdf

1、主讲人：田原目录时序数据模型时序模型的关键概念、IoTDB 的双模型介绍、建模指导表模型分析能力介绍丰富的分析能力：子查询、窗口函数、多态表值函数、行模式匹配树表双模型融合树转表的功能定义、使用场景、转换示例融合查询展望IoTDB 作为统一入口，支持查询多种数据库（Mysql、PG、Clickhouse、doris、MongoDB等）01时序模型的关键概念、IoTDB 的双模型介绍、建模指导时序数据模型时序数据：机器设备的心电图时间值（如发电量）15:58:26180.715:58:44 189.815:59:04 190.315:59:24 202.115:59:35 204.4表格形式数据

2、点可视化（设备心电图）时间递增时序数据（时间序列数据）是反映机器设备实时运行状态的监测数据，是工业数字化、智能化升级的基础。设备（Device）对应一个实际场景中的物理设备，通常包含多个测点测点（Timeseries）是多个数据点按时间戳递增排列形成的一个时间序列。通常一个测点代表一个采集点位，能够定期采集所在环境的物理量工业测点模型（树模型）测点命名更加直观层级化方式管理测点灵活度和文件系统相同自动化同步新增、变更设备信息亿级时间序列管理规模基于PBTree的元数据管理高效元数据存储提高数据质量、降低数据冗余工厂1设备1测点1测点2时间 值时间 值集团节点工厂n设备n测点1测点2时间 值时间

3、 值测点3时间 值设备结构直观对应新增设备自动发现变更设备及时调整序列级时间序列权限控制支持任意子树的权限控制支持序列级权限设置支持5类15种权限pany_1.factory_3130.device03114567EO385HGBT.temperature集团层级工厂层级设备层级测点层级表视图（模型）关系型表结构初始状态：数据库中无任何表集团工厂设备时间测点1测点2111111写入时自动建表写入时自动扩充列集团工厂设备时间测点1测点2测点3111111null1121101010TAG、ATTRIBUTE、FIELD列均可扩充表模型基本概念l 数据库：可管理多类设备l 时序表：对应一类设备l

4、主键：所有标签列（TAG）列+时间（TIME）列l 数据筛选效率：时间列=标签列属性列测点列列类别定义时间列（TIME）每个时序表必须有一个时间列，且列名必须为 time，数据类型为 TIMESTAMP标签列（TAG）设备的唯一标识（联合主键），可以为 0 至多个标签信息不可修改和删除，但允许增加推荐按粒度由大到小进行排列测点列（FIELD）一个设备采集的测点可以有1个至多个，值随时间变化表的测点列没有数量限制，可以达到数十万以上属性（ATTRIBUTE）对设备的补充描述，不随时间变化设备属性信息可以有0个或多个，可以更新或新增少量希望修改的静态属性可以存至属性列中每个设备只会存储一次，不会每

5、行数据都重复存储，无需担心磁盘空间占用建模示例l 场景一：有多种类型的设备需要管理l 树模型：可以在数据库节点下按设备类型创建分支，每种设备下可以有不同的测点结构l 表模型：推荐为每一类型的设备建立一张表，每个表可以具有不同的标签和测点集合建模示例l 场景二：没有设备，只有测点l 如：场站的监控系统中，每个测点都有唯一编号，但无法对应到某些设备l 树模型：可以在数据库节点下直接创建测点l 表模型：没有 TAG 列，只有 TIME 列，每个测点对应一个测点列l测点列没有数量限制，可以达到数十万以上建模示例l 场景三：一个设备下，既有子设备，也有测点l 如：储能场景中，每一层结构都要监控其电压和电

6、流l 树模型：设备之间存在嵌套关系，每个设备可以有多个子设备及测点信息l 表模型：推荐建立多个表进行管理模型选择l 两种模型有各自的适用场景l 树模型采用层级式结构，适合实时监控场景，能够直观映射物理设备的层级关系l 表模型以设备为管理单位，适合大规模设备的数据管理和多属性关联分析，能够高效支持复杂的批量查询需求l 同一个集群实例中可以同时存在两种模型空间，不同模型的语法、数据库命名方式不同，不互相可见。对比维度树模型表模型适用场景测点管理，工业监控场景设备管理，分析场景典型操作指定点位路径进行读写通过标签进行数据筛选分析结构特点和文件系统一样灵活增删模板化管理，便于数据治理语法特点简洁标准表