BlueSky高性能時(shí)序數(shù)據(jù)庫(kù)分片方法：

哈希分片： 均衡性較好，但集群不易擴(kuò)展執(zhí)行哈希：均衡性好，集群擴(kuò)展易，但實(shí)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(jì)

分片的會(huì)直接影響到寫入的性能，結(jié)合時(shí)序數(shù)據(jù)庫(kù)的特點(diǎn)，根據(jù) metric tags 分片是比較好的方式，查詢大都是按照一個(gè)時(shí)間范圍進(jìn)行的，這樣形同的 metric tags 數(shù)據(jù)會(huì)被分配到一臺(tái)機(jī)器上連續(xù)存放，順序的磁盤讀取是很快的。

在時(shí)間范圍很長(zhǎng)的情況下，可以根據(jù)時(shí)間訪問再進(jìn)行分段，分別存儲(chǔ)到不同的機(jī)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(shí)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(shí)間序列化數(shù)據(jù)庫(kù)如何聯(lián)合索引查詢？

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

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

BlueSky高性能時(shí)序數(shù)據(jù)庫(kù)

非關(guān)系型數(shù)據(jù)庫(kù)會(huì)超過(guò)關(guān)系型數(shù)據(jù)庫(kù)，NoSQL會(huì)超過(guò)SQL。因?yàn)閺纳鐣?huì)構(gòu)建的方式、交付的語(yǔ)言表述體系、視頻采集的方式、工業(yè)生產(chǎn)IoT時(shí)序性數(shù)據(jù)大量產(chǎn)生等多個(gè)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(cè)，到2023年，產(chǎn)生的非關(guān)系型數(shù)據(jù)的量會(huì)超過(guò)關(guān)系型數(shù)據(jù)。

BlueSky時(shí)序數(shù)據(jù)庫(kù)怎么分

關(guān)系型數(shù)據(jù)庫(kù)本身比較容易成為系統(tǒng)瓶頸，單機(jī)存儲(chǔ)容量、連接數(shù)、處理能力都有限。當(dāng)單表的數(shù)據(jù)量達(dá)到1000W或100G以后，由于查詢維度較多，即使添加從庫(kù)、優(yōu)化索引，做很多操作時(shí)性能仍下降嚴(yán)重。此時(shí)就要考慮對(duì)其進(jìn)行切分了，切分的目的就在于減少數(shù)據(jù)庫(kù)的負(fù)擔(dān)，縮短查詢時(shí)間。

數(shù)據(jù)庫(kù)分布式內(nèi)容無(wú)非就是數(shù)據(jù)切分（Sharding），以及切分后對(duì)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(chǔ)到多個(gè)數(shù)據(jù)庫(kù)中，使得單一數(shù)據(jù)庫(kù)中的數(shù)據(jù)量變小，通過(guò)擴(kuò)充主機(jī)的數(shù)量緩解單一數(shù)據(jù)庫(kù)的性能問題，從而達(dá)到提升數(shù)據(jù)庫(kù)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