InfluxDB :单测量还是多测量

Question

我是influxDB的初学者，在阅读了图式设计文档之后，还有一个问题。

如何决定是使用多个字段的一个度量还是多个字段的多个测量？

我有多个物联网设备，每分钟发送数据(温度、湿度、压力)。所有这些数据都有完全相同的时间戳。

所以我想知道我是否更愿意像这样创建一个度量：

    timestamp,iotid,temperature,humidity,pressure
-------------------------------------------------
    1501230195,iot1,70,         45,      850

还是三个测量值(每个值一个)，标记相同，但其中只有一个字段？

timestamp,iotid,temperature
----------------------------
    1501230195,iot1,70

timestamp,iotid,humidity
-------------------------
    1501230195,iot1,45

timestamp,iotid,pressure
-------------------------
    1501230195,iot1,850

就查询而言，我只能检索一个值，但同时也可以检索3个值。

Answer 1

这是一个老问题，但这可能与任何从事TSDB工作的人有关。

当我第一次开始的时候，我的观点是，每一个数据点都会进入一个单一的测量范围。假设我会在稍后的日期将所需的数据合并到SQL语句中。但是，任何使用过TSDB的人都知道，由于在实现TSDB时所使用的设计选择，在检索数据方面有一些严重的限制。

随着我在项目中的进展，下面是我开发的经验法则：

一个度量应该包含它所需要的所有维度，以使其有意义，但没有更多。

例如:想象一个气体流量计，它发出3个信号：

• 体积流量
• 温度
• 总流量

在这种情况下，体积流量和温度应该是一个单一测量的两个领域，总流量应该是它自己的测量。

(如果读者不喜欢这个例子，可以考虑一种家用电表，它输出安培、伏特、千瓦和功率因数)。

为什么在不同的系列中存储体积和温度会很糟糕呢？

1. 时机:如果您将这两个度量存储在不同的系列中，它们将具有不同的索引值(时间戳)。除非您注意确保它们显式地指定了时间戳，否则您可能会对它们进行轻微的抽样。这很可能是一件坏事(tm)，因为你可能在你的数据中引入了一个系统性的测量偏差。即使这不是一件坏事，如果您以后想要重用这些数据(例如，将其转储到csv文件中)，这将是非常烦人的。
2. 实用工具:如果您想要推断体积流量，您必须得到constant * temp * volume才能得到一个正确的值。使用两个独立的度量来实现这一点就成了一场噩梦，因为例如，influxdb甚至不支持操作。但是，即使是这样，您也必须确保其中一个字段的缺失值不会被错误地处理，分组和聚合操作也是正确的。

为什么把这三者都存储在一个度量中会有什么不好呢？

您很可能有一个用例，在这个用例中，您希望随时审计所有三个值，但是情况可能不是这样，而且您不关心以与您想要测量流量本身相同的频率来测量总体积。

将所有字段放在一个度量中将迫使您在特定字段中放置空值，或者始终记录几乎不发生变化的变量。不管是哪种方式，都是没有效率的。

重要的洞见是，多维实体需要在同一时间内的所有维度，才有意义。

Answer 2

没有正确或错误的模式设计，但是使用一个度量，一个字段值是更合适的方法。

为什么？

将多个字段值存储到measurement中是一个非常关系的数据库问题。也就是说，measurement不应该被看作是一个database table，因为它是一个非常不同的东西。

应该为描述一种数据类型(如温度或CPU使用情况)显式保留度量。

如果我们用one field value和measurement来设计我们的模式，那么我们就可以用真实的英语来描述数据；

在一定的point时间内，温度为measured为data value=30。注意到这里使用的术语point，data和measurement。

然而，如果将多个field values放入特定的measurement中，则很难用真实的英语表示data。

influxdb是一个时间序列数据库，因此显然我们应该以time-series的方式来实现它。

此外，一些时间序列数据实际上被测量到微秒的精度水平。在如此精细的粒度定时中，即使对于milliseconds，一组数据也不太可能共享相同的时间。因此，将其设计为一个包含数据点序列的度量总是更好的选择。

Answer 3

这可能取决于您的数据，尝试两者并查看存储需求。例如，如果湿度变化不大，那么分离它是有意义的。但是，如果某些变量在相同的时间间隔内发生变化，那么将它们组合起来是有意义的。它还可能取决于您的查询模式。