BlueSky高性能時序數(shù)據(jù)庫分片方法：

哈希分片： 均衡性較好，但集群不易擴展執(zhí)行哈希：均衡性好，集群擴展易，但實現(xiàn)復(fù)雜范圍劃分：復(fù)雜度在于合并和分裂，全局有序分片設(shè)計

分片的會直接影響到寫入的性能，結(jié)合時序數(shù)據(jù)庫的特點，根據(jù) metric tags 分片是比較好的方式，查詢大都是按照一個時間范圍進行的，這樣形同的 metric tags 數(shù)據(jù)會被分配到一臺機器上連續(xù)存放，順序的磁盤讀取是很快的。

在時間范圍很長的情況下，可以根據(jù)時間訪問再進行分段，分別存儲到不同的機器上，這樣大范圍的數(shù)據(jù)就可以支持并發(fā)查詢，優(yōu)化查詢速度。

如下圖，行和第三行都是同樣的tag（sensor=95D8-7913;city=上海），所以分配到同樣的分片，而第五行雖然也是同樣的tag，但是根據(jù)時間范圍再分段，被分到了不同的分片。第二、四、六行屬于同樣的tag（sensor=F3CC-20F3;city=北京）也是一樣的道理。

BlueSky時間序列化數(shù)據(jù)庫如何聯(lián)合索引查詢？

所以給定查詢過濾條件 age=18 的過程就是先從 term index 找到 18 在 term dictionary 的大概位置，然后再從 term dictionary 里地找到 18 這個 term，然后得到一個 ting list 或者一個指向 ting list 位置的指針。然后再查詢 gender= 女 的過程也是類似的。得出 age=18 AND gender= 女 就是把兩個 ting list 做一個“與”的合并。

這個理論上的“與”合并的操作可不容易。對于 mysql 來說，如果你給 age 和 gender 兩個字段都建立了索引，查詢的時候只會選擇其中 selective 的來用，然后另外一個條件是在遍歷行的過程中在內(nèi)存中計算之后過濾掉。那么要如何才能聯(lián)合使用兩個索引呢？有兩種辦法：使用 skip list 數(shù)據(jù)結(jié)構(gòu)。同時遍歷 gender 和 age 的 ting list，互相 skip；使用 bitset 數(shù)據(jù)結(jié)構(gòu)，對 gender 和 age 兩個 filter 分別求出 bitset，對兩個 bitset 做 AN 操作。

BlueSky高性能時序數(shù)據(jù)庫

非關(guān)系型數(shù)據(jù)庫會超過關(guān)系型數(shù)據(jù)庫，NoSQL會超過SQL。因為從社會構(gòu)建的方式、交付的語言表述體系、視頻采集的方式、工業(yè)生產(chǎn)IoT時序性數(shù)據(jù)大量產(chǎn)生等多個角度看，大部分新生成的數(shù)據(jù)都將是非關(guān)系型數(shù)據(jù)。而據(jù)IDC預(yù)測，到2023年，產(chǎn)生的非關(guān)系型數(shù)據(jù)的量會超過關(guān)系型數(shù)據(jù)。

BlueSky時序數(shù)據(jù)庫怎么分

關(guān)系型數(shù)據(jù)庫本身比較容易成為系統(tǒng)瓶頸，單機存儲容量、連接數(shù)、處理能力都有限。當單表的數(shù)據(jù)量達到1000W或100G以后，由于查詢維度較多，即使添加從庫、優(yōu)化索引，做很多操作時性能仍下降嚴重。此時就要考慮對其進行切分了，切分的目的就在于減少數(shù)據(jù)庫的負擔，縮短查詢時間。

數(shù)據(jù)庫分布式內(nèi)容無非就是數(shù)據(jù)切分（Sharding），以及切分后對數(shù)據(jù)的定位、整合。數(shù)據(jù)切分就是將數(shù)據(jù)分散存儲到多個數(shù)據(jù)庫中，使得單一數(shù)據(jù)庫中的數(shù)據(jù)量變小，通過擴充主機的數(shù)量緩解單一數(shù)據(jù)庫的性能問題，從而達到提升數(shù)據(jù)庫操作性能的目的。

數(shù)據(jù)切分根據(jù)其切分類型，可以分為兩種方式：垂直（縱向）切分和水平（橫向）切分