目录

一、TSDB基本知识

二、物联网平台数据流通架构

三、TSDB数据结构

1、TSDB数据包的组成

2、TSDB的另外两个相关概念

四、阿里云物联网平台实例内TSDB功能介绍

1、数据写入

（1）需要添加的依赖

（2）写入数据代码

2、数据查询

（1）需要添加的依赖

（2）时间点查询

（4）时间戳与北京时间转换在线工具

  3、数据管理

一、TSDB基本知识

时间序列数据库 (Time Series Database , 简称 TSDB) 是一种高性能、低成本、稳定可靠的在线时间序列数据库，具备百万级/秒的写入速度，具有高压缩比低成本存储、预降采样、插值、多维聚合计算、可视化查询结果等功能。因此TSDB广泛应用于物联网（IoT）设备监控系统。

TSDB与其他数据库最为明显的区别就是，其数据是按数据所绑定的时间戳顺序进行存储的。注意，数据绑定的这个时间是那条数据在设备端发生的时间，而不是网络发送或接收的时间，这个时间做为一个属性是随着数据参与了数据流转的所有过程。

打个比方，国家某个部委发了一个文件，文件内一定会写明文件发布的日期，这个日期是文件的附属内容。当这个文件从部委下发到厅局，由厅局再下发市局，市局再下发县局，县局再下发到所属各个单位。文件下发转发的所有过程，文件发布的时间都会随着文件而一起流通。那么接收文件的单位，一般不会按接收到文件的时间，而是按文件内注明的发布时间来进行存档。

二、物联网平台数据流通架构

设备将原始数据通过 MQTT 协议发送到物联网平台，经由物联网平台将数据转发到消息服务系统，继而通过流计算系统对这些数据进行实时计算处理后写入到 TSDB 中存储，或者经由物联网平台直接将原始数据写入 TSDB 中存储。前端的监控系统和大数据处理系统会利用 TSDB 的数据查询和计算分析能力进行业务监控和分析结果的实时展现。

下图为架构示意图，图中监控展现为手机等移动设备或者PC机，MQTT物联网设备接入就是物联网平台，从图中可以发现，在实际应用中，只是把被监控的设备通过网关接入了物联网平台，而没有把监控端也接入物联网平台。这样设计的原因主要有两点：第一，物联网平台的设备数是有限的，而监控展现端数量可能会很大，如果把监控端也接入物联网平台，那一定会严重占用物联网平台资源。第二，物联网平台只是一个信息流通的枢纽，主要功能是负责数据的接收和转发，其存储的功能一般不会很强大，存储数据的时间一般不会很长，所以物联网平台把设备的数据流转到TSDB，再由用户访问TSDB会更合理。

三、TSDB数据结构

TSDB数据库内存放的是一条条TSDB数据包，下边介绍一下TSDB数据包的具体内容和组成结构。

1、TSDB数据包的组成

一条TSDB数据其包含以下四部分内容：

• 度量（Metric）：监测数据的指标，例如风力和温度。

• 标签（Tag）：度量（Metric）虽然指明了要监测的指标项，但没有指明要针对什么对象的该指标项进行监测。标签（Tag）就是用于表明指标项监测针对的具体对象，属于指定度量下的数据子类别。

  一个标签（Tag）由一个标签键（TagKey）和一个对应的标签值（TagValue）组成。

  注意：当标签键和标签值都相同才算同一个标签；标签键相同，标签值不同，则不是同一个标签。另外还需要注意一个Metric可以有多个Tag。

• 值（Value）：度量对应的值，例如 15 级（风力）和 20 ℃（温度）。注意，Value值有数值型和字符型两种。

• 时间戳（Timestamp）：数据（度量值）产生的时间点。

2、TSDB的另外两个相关概念

• 数据点 (Data Point)：针对监测对象的某项指标（由度量和标签定义）按特定时间间隔（连续的时间戳）采集的每个度量值就是一个数据点。“一个度量 + N 个标签（N >= 1）+ 一个时间戳 + 一个值”定义一个数据点。一个数据点就是这个Metric在tsdb存储的一条具体记录。

• 时间序列（Time Series）：针对某个监测对象的某项指标（由度量和标签定义）的描述。“一个度量 + N 个标签KV组合（N >= 1）”定义为一个时间序列，某个时间序列上产生的数据值的增加，不会导致时间序列的增加。这句话的意思就是，对于同一个Metric，对于不同的Tags组合，都有不同的时间序列，时间序列数目等于Tags组数目。所以在Tags组数量确定的情况下，时间序列数也是确定的，只是随着Metric存入的增多，这个时间序列下的数据点会增加。

 以下图为例，介绍一下tsdb数据包和两个相关概念。

这个数据包的Metric是“Temprature”，表明是记录温度这个度量值的。

Tags里边包含三个Tag键名：Floor、Room、、和Device ID，图中给出的相应键值为33、3302和7649501，表明记录的是第33楼、3302房间设备id是7649501这个设备采集的温度值。

记录温度这个物理量的Value有一个，是数值型的摄氏度。

表中给出了标签为Floor=33、Room=3302、Device ID=7649501这个Metric的一个时间序列的温度数据，这个时间序列内包含5个数据点，也就是存入了5条温度记录，每条记录都有相应的Timestamp值和Value值。

四、阿里云物联网平台实例内TSDB功能介绍

1、数据写入

TSDB 支持通过 HTTP 协议和 TSDB Java Client 两种方式进行数据写入。下边介绍一下使用TSDB Java Client进行写入的实例。

（1）需要添加的依赖

implementation 'com.aliyun:hitsdb-client:0.2.7'

（2）写入数据代码

时间戳：1662794493715

要写入的数据：tb=3810

要写入的Metric：”TB”

要写入的tag：键名”deviceName”,键值 “20210181”

注意：代码中的实例的connectString为tsdb数据库接入地址, port为端口号，username为用户名, password为登录密码。这些信息可从开发配置/时序存储配置查询。

//tsdb地址
String connectString="ts-2ze************07.hitsdb.rds.aliyuncs.com";
//端口号
String port=32**;
//用户名
String username="iotuser";
//密码
String password="************";

final TSDBConfig config = TSDBConfig.address(connectString, port)
        .basicAuth(username, password)
        // 网络连接池大小，默认为64。
        .httpConnectionPool(128)
        // HTTP 等待时间，单位为秒，默认为90秒。
        .httpConnectTimeout(90)
        // IO 线程数，默认为1。
        .ioThreadCount(1)
        .config();
TSDB tsdbClient = TSDBClientFactory.connect(config);

long timestamp = 1662794493715;
int tb=3810;

Point point = Point.metric("TB")
    .tag("deviceName", "20210181")
    .timestamp(timestamp).value(tb)
    .build();

tsdbClient.put(point);

2、数据查询

TSDB 支持通过 HTTP 协议、TSDB Java Client两种方式进行数据的查询操作。

TSDB Java Client查询方式如下：

（1）需要添加的依赖

implementation 'com.aliyun:hitsdb-client:0.2.7'

（2）时间点查询

查询从现在开始过去最近时间点的一条数据。

实现代码如下所示：

//tsdb地址
String connectString="ts-2ze************07.hitsdb.rds.aliyuncs.com";
//端口号
String port=32**;
//用户名
String username="iotuser";
//密码
String password="************";

final TSDBConfig config = TSDBConfig.address(connectString, port)
        .basicAuth(username, password)
        // 网络连接池大小，默认为64。
        .httpConnectionPool(128)
        // HTTP 等待时间，单位为秒，默认为90秒。
        .httpConnectTimeout(90)
        // IO 线程数，默认为1。
        .ioThreadCount(1)
        .config();
TSDB tsdbClient = TSDBClientFactory.connect(config);
long now = System.currentTimeMillis();

Map tags = new HashMap();
tags.put("deviceName","20210181");
String metric = "TB";

LastPointQuery query = LastPointQuery.builder()
        .timestamp(now)
        .backScan(0)
        .msResolution(true)
        .sub(LastPointSubQuery.builder(metric, tags).build()).build();

List lastDataValues = tsdbClient.queryLast(query);

System.out.println(lastDataValues);

代码执行结果如下所示，其中tsuid是这条数据点的id号。

 [LastDPValue [metric=TB, timestamp=1662794691216, value=3810.0, tags={deviceName=20210181}, tsuid=0E00000000000F000002000000000010]]

（3）时间段查询

查询限定时间段内的所有数据。

以下是实现代码，注意时间戳单位为毫秒：

//tsdb地址
String connectString="ts-2ze************07.hitsdb.rds.aliyuncs.com";
//端口号
String port=32**;
//用户名
String username="iotuser";
//密码
String password="************";

final TSDBConfig config = TSDBConfig.address(connectString, port)
        .basicAuth(username, password)
        // 网络连接池大小，默认为64。
        .httpConnectionPool(128)
        // HTTP 等待时间，单位为秒，默认为90秒。
        .httpConnectTimeout(90)
        // IO 线程数，默认为1。
        .ioThreadCount(1)
        .config();
TSDB tsdbClient = TSDBClientFactory.connect(config);
long now = System.currentTimeMillis();

Query query = Query.timeRange(now - 24*3600 * 1000, now)
    .sub(SubQuery.metric("TB").aggregator(Aggregator.NONE).tag("deviceName", "20210181").build()).build();
List result = tsdbClient.query(query);

System.out.println(result);

代码执行的结果如下所示，注意，因为是时间段查询，所以结果和时间点查询格式不一样。”dps”就是Data Point缩写的复数形式，其内容就是多个时间点的数据。

 [{"aggregateTags":[],"dps":{1662794395193:3810.0,1662794493715:3810.0,1662794591911:3810.0,1662794691216:3810.0},"metric":"TB","orderDps":[{"timestamp":1662794395193,"value":3810.0},{"timestamp":1662794493715,"value":3810.0},{"timestamp":1662794591911,"value":3810.0},{"timestamp":1662794691216,"value":3810.0}],"sdps":{},"tags":{"deviceName":"20210181"}}]

（4）时间戳与北京时间转换在线工具

因为TSDB存储要用到时间戳，时间戳和北京时间可以进行转换，本人经常用到的在线转换工具链接：时间戳(Unix timestamp)转换工具 – 在线工具 (tool.lu)

转换结果如图所示。

  3、数据管理

• 数据时效设置

  可以通过控制台或者 API 设置数据的有效期。数据时效开启并设置完成后，系统对于定义的过期数据将立即标记失效，并在特定时间进行自动化清理。控制台设置时效如图所受。

• 数据清理

  实例内tsdb可以通过 API 进行更灵活的数据清理。