Question

我想收集时间序列数据并将其存储在snappydata商店中。我将收集数百万行数据，并且我希望跨时间/范围进行查询。

以下是我想要执行的示例查询：

select avg(value) 
from example_timeseries_table 
where time >= :startDate and time < :endDate;

所以，我想我想在时间列而不是经典的PRIMARY KEY列上使用PARTITION BY COLUMN。在像Cassandra DB这样我熟悉的其他技术中，使用分区键中的时间列会直接指向分区，并允许在单个节点中而不是跨多个分布式节点提取时间片的数据。

为了保持高效，我假设我需要在此表中按列“时间”进行分区。

example_timeseries_table
------------------------
id int not nullable, 
value varchar(128) not nullable,  
time   timestamp not nullable 
PERSISTENT ASYNCHRONOUS 
PARTITION BY COLUMN time

这是分区的正确列，用于高效的时间片查询还是我需要在所有列上创建更多列：year_num，month_num，day_num，hour_num列和PARTITION BY COLUMN，然后执行像这样的查询将查询集中到特定的分区节点？：

select avg(value) 
from example_table 
where year_num = 2016 
and month_num= 1 
and day_num = 4 
and hour_num = 11 
and time >= :startDate and time < :endDate;

Answer 1

当单个分区包含所有数据时，单个处理器会处理该数据，并导致分布式处理丢失。实际上，如果您有时间序列数据，大多数情况下您将查询保持最新时间范围的节点，而其余的计算容量则处于空闲状态。如果您希望在不同时间范围内进行并发查询，那么它可能没问题，但大多数时候情况并非如此。

假设您正在使用行表，另一种加速查询的方法是在时间列上创建索引。

SnappyData支持对行表进行分区修剪。如果你决定采用你在这里提到的方式，时间戳列的分区修剪应该可以工作。

时间序列表中PARTITION BY的哪些列？

1 个答案: