作者选择了COVID-19 救济基金作为Write for DOnations计划的一部分来接受捐赠。

简介

许多应用程序,例如监控系统和数据收集系统,都会积累数据以供进一步分析。这些分析通常着眼于一段数据或系统随时间变化的方式。在这些情况下,数据被表示为一个时间序列,每个数据点都带有一个时间戳。一个示例如下所示:

2020-06-01 09:00:00    server.cpu.1    0.9
2020-06-01 09:00:00    server.cpu.15   0.8
2020-06-01 09:01:00    server.cpu.1    0.9
2020-06-01 09:01:00    server.cpu.15   0.8
...

由于物联网(IoT) 和工业物联网的新部署,时间序列数据的相关性最近有所增长。收集各种时间序列信息的设备越来越多:健身追踪器、智能手表、家庭气象站和各种传感器等等。这些设备收集了大量信息,所有这些数据都必须存储在某个地方。

经典的关系数据库最常用于存储数据,但它们并不总是适用于时间序列的海量数据。当您需要处理大量时间序列数据时,关系数据库可能会太慢。正因为如此,为了避免关系数据库的问题,创建了专门优化的数据库,称为NoSQL 数据库。

TimescaleDB是一个开源数据库,针对存储时间序列数据进行了优化。它作为PostgreSQL的扩展实现,结合了关系数据库的易用性和 NoSQL 数据库的速度。因此,它允许您使用 PostgreSQL 在一个地方同时存储业务数据和时间序列数据。

按照本教程,您将在 Ubuntu 20.04 上设置 TimescaleDB,对其进行配置,并学习如何使用它。您将完成创建时间序列数据库和进行简单查询的过程。最后,您将看到如何删除不必要的数据。

先决条件

要遵循本教程,您将需要:

• 按照我们的Ubuntu 20.04 初始服务器设置指南设置一台 Ubuntu 20.04 服务器,包括具有 sudo 权限和防火墙的非 root 用户。

• PostgreSQL 安装在您的服务器上。按照如何在 Ubuntu 20.04](https://www.digitalocean.com/community/tutorials/how-to-install-and-use-postgresql-on-ubuntu-20-04)上安装和使用 PostgreSQL 的[Step 1 进行安装。

第 1 步 - 安装 TimescaleDB

TimescaleDB 在 Ubuntu 的默认软件包存储库中不可用,因此在此步骤中,您将从 TimescaleDB 个人软件包存档 (PPA) 安装它。

首先,添加 Timescale 的 APT 存储库:

sudo add-apt-repository ppa:timescale/timescaledb-ppa

按ENTER键确认此操作。

接下来,刷新您的 APT 缓存以更新您的软件包列表:

sudo apt update

您现在可以继续安装。本教程使用 PostgreSQL 版本 12;如果您使用的是不同版本的 PostgreSQL(例如 11 或 10),请替换以下命令中的值并运行它:

sudo apt install timescaledb-postgresql-12 

注意: 已弃用对 PostgreSQL 版本 9.6.3+ 和 10.9+ 的支持,并将在未来的版本中删除。

TimescaleDB 现在已安装并可以使用。接下来,您将打开它并在 PostgreSQL 配置文件中调整与它相关的一些设置,以优化数据库。

第 2 步 - 配置 TimescaleDB

TimescaleDB 模块可以在默认的 PostgreSQL 配置设置下正常工作,但为了提高性能并更好地利用处理器、内存和磁盘资源,TimescaleDB 的开发人员建议配置一些单独的参数。这可以使用timescaledb-tune工具自动完成,也可以通过手动编辑服务器的postgresql.conf文件来完成。

在本教程中,您将使用timescaledb-tune工具。它读取postgresql.conf文件并以交互方式建议进行更改。

运行以下命令以启动配置向导:

sudo timescaledb-tune

首先,您将被要求确认 PostgreSQL 配置文件的路径:

OutputUsing postgresql.conf at this path:
/etc/postgresql/12/main/postgresql.conf

Is this correct? [(y)es/(n)o]:

该实用程序会自动检测配置文件的路径,因此请输入y进行确认:

Output...
Is this correct? [(y)es/(n)o]: y
Writing backup to:
/tmp/timescaledb_tune.backup202005300523

接下来,将提示您更改shared_preload_libraries变量以在启动 PostgreSQL 服务器时预加载 TimescaleDB 模块:

[secondary_label Output]	
shared_preload_libraries needs to be updated	
Current:	
#shared_preload_libraries = ''	
Recommended:	
shared_preload_libraries = 'timescaledb'	
Is this okay? [(y)es/(n)o]:	

shared_preload_libraries接受以逗号分隔的模块列表作为值,指定 PostgreSQL 在启动数据库服务器之前应该加载哪些模块。进行此更改会将timescaledb模块添加到该列表中。

通过在此提示符下键入y并按ENTER来启用 TimescaleDB 模块:

[secondary_label Output]	
...
Is this okay? [(y)es/(n)o]:  y
success: shared_preload_libraries will be updated

根据您的服务器和 PostgreSQL 版本的特性,您将可以调整您的设置。按y开始调谐过程:

OutputTune memory/parallelism/WAL and other settings? [(y)es/(n)o]:  y
Recommendations based on 7.79 GB of available memory and 4 CPUs for PostgreSQL 12

Memory settings recommendations
Current:
shared_buffers = 128MB
#effective_cache_size = 4GB
#maintenance_work_mem = 64MB
#work_mem = 4MB
Recommended:
shared_buffers = 1990MB
effective_cache_size = 5971MB
maintenance_work_mem = 1019114kB
work_mem = 5095kB
Is this okay? [(y)es/(s)kip/(q)uit]:

timescaledb-tune将自动检测服务器的可用内存并计算shared_buffers、effective_cache_size、maintenance_work_mem和work_mem设置的推荐值。例如,shared_buffers确定为缓存数据分配的内存量。默认情况下,此设置相对较低以适应更广泛的平台,因此timescaledb-tune建议增加该值,通过腾出更多空间来存储缓存信息(如重复查询)来更好地利用资源。work_mem变量也已增加,以允许更复杂的排序。

如果您想了解有关此调谐器如何工作的更多信息,请查看GitHub 页面timescaledb-tune。

输入y以接受这些值:

Output...
Is this okay? [(y)es/(s)kip/(q)uit]:  y
success: memory settings will be updated

此时,如果您的服务器有多个 CPU,您将找到并行设置的建议。但是,如果您有一个 CPU,timescaledb-tune会直接将您发送到 WAL 设置。

拥有多个 CPU 的人会遇到这样的建议:

OutputParallelism settings recommendations
Current:
missing: timescaledb.max_background_workers
#max_worker_processes = 8
#max_parallel_workers_per_gather = 2
#max_parallel_workers = 8
Recommended:
timescaledb.max_background_workers = 8
max_worker_processes = 15
max_parallel_workers_per_gather = 2
max_parallel_workers = 4
Is this okay? [(y)es/(s)kip/(q)uit]:

这些设置规定了处理请求和后台任务的 workers 的数量。您可以从TimescaleDB和PostgreSQL文档中了解有关这些设置的更多信息。

输入y然后ENTER接受这些设置:

Output...
Is this okay? [(y)es/(s)kip/(q)uit]: y
success: parallelism settings will be updated

接下来,您将找到Write Ahead Log (WAL)设置的建议:

OutputWAL settings recommendations
Current:
#wal_buffers = -1
#min_wal_size = 80MB
Recommended:
wal_buffers = 16MB
min_wal_size = 512MB
Is this okay? [(y)es/(s)kip/(q)uit]:

WAL 保持数据完整性,但默认设置会导致 I/O 效率低下,从而降低写入性能。键入并输入y以优化这些设置:

Output...
Is this okay? [(y)es/(s)kip/(q)uit]: y
success: WAL settings will be updated

您现在会发现一些其他建议:

OutputMiscellaneous settings recommendations
Current:
#default_statistics_target = 100
#random_page_cost = 4.0
#checkpoint_completion_target = 0.5
#max_locks_per_transaction = 64
#autovacuum_max_workers = 3
#autovacuum_naptime = 1min
#effective_io_concurrency = 1
Recommended:
default_statistics_target = 500
random_page_cost = 1.1
checkpoint_completion_target = 0.9
max_locks_per_transaction = 64
autovacuum_max_workers = 10
autovacuum_naptime = 10
effective_io_concurrency = 200
Is this okay? [(y)es/(s)kip/(q)uit]:

所有这些不同的参数都旨在提高性能。例如,SSD 可以处理许多并发请求,因此effective_io_concurrency的最佳值可能是数百个。您可以在PostgreSQL 文档中找到有关这些选项的更多信息。

按y然后按ENTER继续:

Output...
Is this okay? [(y)es/(s)kip/(q)uit]: y
success: miscellaneous settings will be updated
Saving changes to: /etc/postgresql/12/main/postgresql.conf

结果,您将在/etc/postgresql/12/main/postgresql.conf处获得一个现成的配置文件。

注意: 如果您从头开始安装,您还可以运行带有--quiet和--yes标志的初始命令,这将自动应用所有建议并对postgresql.conf配置文件进行更改:

sudo timescaledb-tune --quiet --yes

为了使配置更改生效,您必须重新启动 PostgreSQL 服务:

sudo systemctl restart postgresql.service

现在数据库正在以最佳参数运行,并准备好处理时间序列数据。在接下来的步骤中,您将尝试通过创建新的数据库和超表并执行操作来处理这些数据。

第三步——创建一个新的数据库和超表

优化 TimescaleDB 设置后,您就可以使用时间序列数据了。 TimescaleDB 是作为 PostgreSQL 的扩展实现的,因此对时间序列数据的操作与关系数据操作没有太大区别。同时,数据库允许您将来自由组合时间序列和关系表的数据。

首先,您将创建一个新数据库并为其打开 TimescaleDB 扩展。登录到您的 PostgreSQL 数据库:

sudo -u postgres psql

现在创建一个新数据库并连接到它。本教程将数据库命名为timeseries:

CREATE DATABASE timeseries;
\c timeseries

您可以在我们的如何在云服务器上的 PostgreSQL 中创建、删除和管理表教程中找到有关使用 PostgreSQL 数据库的更多信息。

最后,启用 TimescaleDB 扩展:

CREATE EXTENSION IF NOT EXISTS timescaledb CASCADE;

您将看到以下输出:

OutputWARNING:
WELCOME TO
 _____ _                               _     ____________
|_   _(_)                             | |    |  _  \ ___ \
  | |  _ _ __ ___   ___  ___  ___ __ _| | ___| | | | |_/ /
  | | | |  _ ` _ \ / _ \/ __|/ __/ _` | |/ _ \ | | | ___ \
  | | | | | | | | |  __/\__ \ (_| (_| | |  __/ |/ /| |_/ /
  |_| |_|_| |_| |_|\___||___/\___\__,_|_|\___|___/ \____/
               Running version 1.7.1
For more information on TimescaleDB, please visit the following links:

 1. Getting started: https://docs.timescale.com/getting-started
 2. API reference documentation: https://docs.timescale.com/api
 3. How TimescaleDB is designed: https://docs.timescale.com/introduction/architecture

Note: TimescaleDB collects anonymous reports to better understand and assist our users.
For more information and how to disable, please see our docs https://docs.timescaledb.com/using-timescaledb/telemetry.

CREATE EXTENSION

与时间序列数据交互的主要点是hypertables,它是许多保存数据的单个表的抽象,称为chunks。

要创建超表,从常规 SQL 表开始,然后通过函数create_hypertable将其转换为超表。

在本教程中,制作一个表格来存储数据,以便随着时间的推移跟踪一组设备的温度和湿度:

CREATE TABLE conditions (
  time        TIMESTAMP WITH TIME ZONE NOT NULL,
  device_id   TEXT,
  temperature  NUMERIC,
  humidity     NUMERIC
);

此命令将创建一个名为conditions的表,其中包含四列。第一列将存储时间戳,其中包括时区,不能为空。接下来,您将使用时间列将表转换为按时间分区的超表:

SELECT create_hypertable('conditions', 'time');

此命令调用create_hypertable()函数,该函数从 PostgreSQL 表创建 TimescaleDB 超表,替换后者。

您将收到以下输出:

Output    create_hypertable
-------------------------
 (1,public,conditions,t)
(1 row)

在这一步中,您创建了一个新的超表来存储时间序列数据。现在您可以通过写入超表来填充数据,然后执行删除它的过程。

第 4 步 — 写入和删除数据

在此步骤中,您将使用标准 SQL 命令插入数据并从外部源导入大量数据。这将向您展示 TimescaleDB 的关系数据库方面。

首先,尝试基本命令。可以使用标准的INSERTSQL 命令将数据插入到超表中。使用以下命令为理论设备weather-pro-000000插入一些样本temperature和humidity数据:

INSERT INTO conditions(time, device_id, temperature, humidity)
  VALUES (NOW(), 'weather-pro-000000', 84.1, 84.1);

您将收到以下输出:

OutputINSERT 0 1

您还可以一次插入多行数据。尝试以下操作:

INSERT INTO conditions
  VALUES
    (NOW(), 'weather-pro-000002', 71.0, 51.0),
    (NOW(), 'weather-pro-000003', 70.5, 50.5),
    (NOW(), 'weather-pro-000004', 70.0, 50.2);

您将收到以下信息:

OutputINSERT 0 3

您可以使用RETURNING语句指定INSERT命令将返回部分或全部插入的数据:

INSERT INTO conditions
  VALUES (NOW(), 'weather-pro-000002', 70.1, 50.1) RETURNING *;

您将看到以下输出:

Output             time              |     device_id      | temperature | humidity 
-------------------------------+--------------------+-------------+----------
 2020-05-30 05:31:27.842009+00 | weather-pro-000002 |        70.1 |     50.1
(1 row)

如果要从超表中删除数据,请使用标准的DELETESQL 命令。运行以下命令删除temperature高于80或humidity高于50的任何数据:

DELETE FROM conditions WHERE temperature > 80;
DELETE FROM conditions WHERE humidity > 50;

删除操作后,建议使用VACUUM命令,该命令将回收已删除数据仍在使用的空间:

VACUUM conditions;

您可以在PostgreSQL 文档中找到有关VACUUM命令的更多信息。

这些命令适用于小规模数据输入,但由于时间序列数据通常同时从多个设备生成大量数据集,因此还必须知道如何一次插入数百或数千行。如果您已经以结构化形式准备了来自外部源的数据,例如csv格式,则可以快速完成此任务。

为了对此进行测试,您将使用一个样本数据集,该数据集代表来自不同位置的温度和湿度数据。它由 TimescaleDB 开发人员创建,允许您测试他们的数据库。您可以在TimescaleDB 文档中查看有关示例数据集的更多信息。

接下来,您将从weather_small样本数据集导入数据到您的数据库中。首先,退出 Postgresql:

\q

然后下载数据集并提取它:

wget https://timescaledata.blob.core.windows.net/datasets/weather_small.tar.gz
tar -xvzf weather_small.tar.gz

接下来,将温度和湿度数据导入数据库:

sudo -u postgres psql -d timeseries -c "\COPY conditions FROM weather_small_conditions.csv CSV"

这将连接到timeseries数据库并执行\COPY命令,将所选文件中的数据复制到conditions超表中。它将运行几秒钟。

将数据输入到表中后,您将收到以下输出:

OutputCOPY 1000000

在此步骤中,您手动和批量将数据添加到超表中。接下来,继续执行查询。

第五步——查询数据

现在您的表包含数据,您可以执行各种查询来分析它。

要开始,请登录到数据库:

sudo -u postgres psql -d timeseries

如前所述,要使用超表,您可以使用标准 SQL 命令。例如,要显示conditions超表中的最后 10 个条目,请运行以下命令:

SELECT * FROM conditions LIMIT 10;

您将看到以下输出:

Output          time          |     device_id      |    temperature     | humidity
------------------------+--------------------+--------------------+----------
 2016-11-15 12:00:00+00 | weather-pro-000000 |               39.9 |     49.9
 2016-11-15 12:00:00+00 | weather-pro-000001 |               32.4 |     49.8
 2016-11-15 12:00:00+00 | weather-pro-000002 | 39.800000000000004 |     50.2
 2016-11-15 12:00:00+00 | weather-pro-000003 | 36.800000000000004 |     49.8
 2016-11-15 12:00:00+00 | weather-pro-000004 |               71.8 |     50.1
 2016-11-15 12:00:00+00 | weather-pro-000005 |               71.8 |     49.9
 2016-11-15 12:00:00+00 | weather-pro-000006 |                 37 |     49.8
 2016-11-15 12:00:00+00 | weather-pro-000007 |                 72 |       50
 2016-11-15 12:00:00+00 | weather-pro-000008 |               31.3 |       50
 2016-11-15 12:00:00+00 | weather-pro-000009 |               84.4 |     87.8
(10 rows)

此命令可让您查看数据库中的数据。由于数据库包含一百万条记录,您使用LIMIT 10将输出限制为 10 个条目。

要查看最近的条目,请按时间降序对数据数组进行排序:

SELECT * FROM conditions ORDER BY time DESC LIMIT 20;

这将输出前 20 个最近的条目。

您还可以添加过滤器。例如,要查看来自weather-pro-000000设备的条目,请运行以下命令:

SELECT * FROM conditions WHERE device_id = 'weather-pro-000000' ORDER BY time DESC LIMIT 10;

在这种情况下,您将看到weather-pro-000000设备记录的 10 个最近的温度和湿度数据点。

除了标准的 SQL 命令外,TimescaleDB 还提供了许多对时间序列数据分析有用的特殊函数。例如,要查找温度值的中位数,您可以使用以下带有percentile_cont函数的查询:

SELECT percentile_cont(0.5)
  WITHIN GROUP (ORDER BY temperature)
  FROM conditions
  WHERE device_id = 'weather-pro-000000';

您将看到以下输出:

Output  percentile_cont
-------------------
 40.49999999999998
(1 row)

通过这种方式,您将看到weather-pro-00000传感器所在的整个观察期间的温度中值。

要显示每个传感器的最新值,您可以使用last函数:

select device_id, last(temperature, time)
  FROM conditions
  GROUP BY device_id;

在输出中,您将看到所有传感器和相关最新值的列表。

要获取第一个值,请使用first函数。

下面的例子更复杂。它将显示所选传感器在过去 24 小时内的每小时平均、最低和最高温度:

SELECT time_bucket('1 hour', time) "hour",
trunc(avg(temperature), 2) avg_temp,
trunc(min(temperature), 2) min_temp,
trunc(max(temperature), 2) max_temp
FROM conditions
WHERE device_id = 'weather-pro-000000'
GROUP BY "hour" ORDER BY "hour" DESC LIMIT 24;

这里使用了time_bucket函数,它作为 PostgreSQLdate_trunc函数的更强大版本。结果,您将看到一天中的哪些时段温度升高或降低:

Output          hour          | avg_temp | min_temp | max_temp
------------------------+----------+----------+----------
 2016-11-16 21:00:00+00 |    42.00 |    42.00 |    42.00
 2016-11-16 20:00:00+00 |    41.92 |    41.69 |    42.00
 2016-11-16 19:00:00+00 |    41.07 |    40.59 |    41.59
 2016-11-16 18:00:00+00 |    40.11 |    39.79 |    40.59
 2016-11-16 17:00:00+00 |    39.46 |    38.99 |    39.79
 2016-11-16 16:00:00+00 |    38.54 |    38.19 |    38.99
 2016-11-16 15:00:00+00 |    37.56 |    37.09 |    38.09
 2016-11-16 14:00:00+00 |    36.62 |    36.39 |    37.09
 2016-11-16 13:00:00+00 |    35.59 |    34.79 |    36.29
 2016-11-16 12:00:00+00 |    34.59 |    34.19 |    34.79
 2016-11-16 11:00:00+00 |    33.94 |    33.49 |    34.19
 2016-11-16 10:00:00+00 |    33.27 |    32.79 |    33.39
 2016-11-16 09:00:00+00 |    33.37 |    32.69 |    34.09
 2016-11-16 08:00:00+00 |    34.94 |    34.19 |    35.49
 2016-11-16 07:00:00+00 |    36.12 |    35.49 |    36.69
 2016-11-16 06:00:00+00 |    37.02 |    36.69 |    37.49
 2016-11-16 05:00:00+00 |    38.05 |    37.49 |    38.39
 2016-11-16 04:00:00+00 |    38.71 |    38.39 |    39.19
 2016-11-16 03:00:00+00 |    39.72 |    39.19 |    40.19
 2016-11-16 02:00:00+00 |    40.67 |    40.29 |    40.99
 2016-11-16 01:00:00+00 |    41.63 |    40.99 |    42.00
 2016-11-16 00:00:00+00 |    42.00 |    42.00 |    42.00
 2016-11-15 23:00:00+00 |    42.00 |    42.00 |    42.00
 2016-11-15 22:00:00+00 |    42.00 |    42.00 |    42.00
(24 rows)

您可以在TimescaleDB 文档中找到更多有用的功能。

现在您知道如何处理您的数据了。接下来,您将了解如何删除不必要的数据以及如何压缩数据。

第 6 步 — 配置数据压缩和删除

随着数据的积累,它将占用硬盘上越来越多的空间。为了节省空间,最新版本的 TimescaleDB 提供了数据压缩功能。此功能不需要调整任何文件系统设置,可用于快速提高数据库效率。有关此压缩如何工作的更多信息,请查看来自 TimescaleDB](https://docs.timescale.com/latest/using-timescaledb/compression#how-it-works)的[这篇压缩文章。

首先,启用超表的压缩:

ALTER TABLE conditions SET (
  timescaledb.compress,
  timescaledb.compress_segmentby = 'device_id'
);

您将收到以下输出:

OutputNOTICE:  adding index _compressed_hypertable_2_device_id__ts_meta_sequence_num_idx ON _timescaledb_internal._compressed_hypertable_2 USING BTREE(device_id, _ts_meta_sequence_num)
ALTER TABLE

注意: 您还可以设置 TimescaleDB 以压缩指定时间段内的数据。例如,您可以运行:

SELECT add_compress_chunks_policy('conditions', INTERVAL '7 days');

在本例中,数据将在一周后自动压缩。

您可以使用以下命令查看压缩数据的统计信息:

SELECT * FROM timescaledb_information.compressed_chunk_stats;

然后,您将看到一个包含其状态的块列表:压缩状态以及未压缩和压缩数据占用了多少空间(以字节为单位)。

如果您不需要长时间存储数据,您可以删除过期数据以释放更多空间。为此有一个特殊的drop_chunks函数。它允许您删除数据早于指定时间的块:

SELECT drop_chunks(interval '24 hours', 'conditions');

此查询将从超表conditions中删除仅包含一天前数据的所有块。

您将收到以下输出:

Output              drop_chunks
----------------------------------------
 _timescaledb_internal._hyper_1_2_chunk
(1 row)

要自动删除旧数据,可以配置cron任务。请参阅我们的教程以了解有关如何使用cron自动执行各种系统任务的更多信息。

退出数据库:

\q

接下来,使用以下命令编辑您的crontab,该命令应从 shell 运行:

sudo crontab -e

现在将以下行添加到文件末尾:

crontab

...

0 1 * * * /usr/bin/psql -h localhost -p 5432 -U postgres -d postgres -c "SELECT drop_chunks(interval '24 hours', 'conditions');" >/dev/null 2>&1

该作业将在每天凌晨 1:00 删除超过一天的过时数据。

结论

您现在已经在 Ubuntu 20.04 服务器上设置了 TimescaleDB。您还尝试了创建超表、向其中插入数据、查询数据、压缩数据以及删除不必要的记录。通过这些示例,您将能够利用 TimescaleDB 在存储时间序列数据方面优于传统关系数据库管理系统的主要优势,包括:

• 更高的数据摄取率

• 更快的查询性能

• 面向时间的特征

现在您知道如何存储时间序列数据,您可以使用这些数据创建图表。 TimescaleDB 与适用于 PostgreSQL 的可视化工具兼容,例如Grafana。您可以使用我们的如何在 Ubuntu 20.04 上安装和保护 Grafana 教程了解有关这个流行的可视化工具的更多信息。如果您想了解有关数据库的更多信息,请查看我们的数据库主题页面。