InfluxDB模式设计

为更简单、更高效的查询设计模式。遵循设计指南以使模式易于查询。了解这些指南如何导致更高效的查询。

• 设计以查询
  • 保持测量和键简单
• 使用标签和字段
  • 使用字段存储唯一和数值数据
  • 使用标签提高查询性能
  • 保持标签简单

设计以查询

以下模式演示了易于查询的测量、标签键和字段键。

airSensor和waterQualitySensor模式说明了以下指南

• 每个测量都是一个简单的名称，用于描述模式。
• 键在模式中不重复。
• 键不使用保留关键字或特殊字符。
• 标签（sensorId和station）存储多个数据点的元数据。
• 字段（humidity、pH和temperature）存储数值数据。
• 字段存储唯一或高度可变的数据。
• 测量和键不包含数据；标签值和字段值将存储数据。

以下点（格式化为行协议）使用了airSensor和waterQualitySensor模式

airSensor,sensorId=A0100,station=Harbor humidity=35.0658,temperature=21.667 1636729543000000000
waterQualitySensor,sensorId=W0101,station=Harbor pH=6.1,temperature=16.103 1472515200000000000

保持测量和键简单

将数据存储在标签值或字段值中，而不是在标签键、字段键或测量中。如果您将模式设计为在标签和字段值中存储数据，则查询将更容易编写且更高效。

比较模式

比较以下由行协议表示的有效模式。

推荐：以下模式将元数据存储在单独的crop、plot和region标签中。字段temp包含可变数值数据。

Good Measurements schema - Data encoded in tags (recommended)
-------------
weather_sensor,crop=blueberries,plot=1,region=north temp=50.1 1472515200000000000
weather_sensor,crop=blueberries,plot=2,region=midwest temp=49.8 1472515200000000000

不推荐：以下模式将多个属性（crop、plot和region）连接（blueberries.plot-1.north）在测量中，类似于Graphite度量。

Bad Measurements schema - Data encoded in the measurement (not recommended)
-------------
blueberries.plot-1.north temp=50.1 1472515200000000000
blueberries.plot-2.midwest temp=49.8 1472515200000000000

不推荐：以下模式将多个属性（crop、plot和region）连接（blueberries.plot-1.north）在字段键中。

Bad Keys schema - Data encoded in field keys (not recommended)
-------------
weather_sensor blueberries.plot-1.north.temp=50.1 1472515200000000000
weather_sensor blueberries.plot-2.midwest.temp=49.8 1472515200000000000

比较查询

比较以下良好测量和不良测量方案的查询。良好测量查询计算北地区蓝莓的平均temp。

查询简单：良好测量数据可以通过region标签值轻松过滤，如下例所示。

// Query *Good Measurements*, data stored in separate tags (recommended)
from(bucket:"example-bucket")
    |> range(start:2016-08-30T00:00:00Z)
    |> filter(fn: (r) =>  r._measurement == "weather_sensor" and r.region == "north" and r._field == "temp")
    |> mean()

查询困难：不良测量需要正则表达式从测量中提取plot和region，如下例所示。

// Query *Bad Measurements*, data encoded in the measurement (not recommended)
from(bucket:"example-bucket")
    |> range(start:2016-08-30T00:00:00Z)
    |> filter(fn: (r) =>  r._measurement =~ /\.north$/ and r._field == "temp")
    |> mean()

复杂的测量使得一些查询变得不可能。例如，使用不良测量方案计算两个图块的平均温度是不可能的。

保持键简单

除了保持键中没有数据之外，遵循以下额外的指南以使它们更容易查询

• 避免关键词和特殊字符
• 避免标签和字段的重复名称

避免键中的关键词和特殊字符

为了简化查询编写，不要在标签和字段键中包含保留关键词或特殊字符。如果您在键中使用Flux关键词，那么您必须将键用双引号括起来。如果您在键中使用非字母数字字符，那么您必须在Flux中使用括号表示法。

避免标签和字段的重复名称

避免在同一个方案中使用相同的名称作为标签键和字段键。如果您有一个具有相同名称的标签和字段，则查询结果可能不可预测。

使用标签和字段

标签值被索引，而字段值没有被索引。这意味着查询标签比查询字段性能更好。您的查询应该指导您在标签中存储什么以及在字段中存储什么。

使用字段存储唯一和数值数据

• 将唯一或经常变化的值作为字段值存储。
• 将数值作为字段值存储。（标签只存储字符串）。

使用标签提高查询性能

• 如果值可以被合理索引，则将其作为标签值存储。
• 如果值用于filter()或group()函数，则将其作为标签值存储。
• 如果值在多个数据点之间共享，即字段的元数据，则将其作为标签值存储。

由于InfluxDB索引标签，查询引擎不需要扫描桶中的每个记录来定位标签值。例如，考虑一个存储关于成千上万个用户的数据的桶。如果将userId存储在一个字段中，则查询用户abcde需要InfluxDB扫描每一行的userId。

from(bucket: "example-bucket")
    |> range(start: -7d)
    |> filter(fn: (r) => r._field == "userId" and r._value == "abcde")

为了更快地检索数据，对标签进行过滤以减少扫描的行数。标签应存储可以合理索引的数据。以下查询通过company标签进行过滤，以减少对userId扫描的行数。

from(bucket: "example-bucket")
    |> range(start: -7d)
    |> filter(fn: (r) => r.company == "Acme")
    |> filter(fn: (r) => r._field == "userId" and r._value == "abcde")

保持标签简单

每个数据属性使用一个标签。如果源数据在一个参数中包含多个数据属性，请将每个属性拆分到自己的标签中。当每个标签代表您数据的一个属性（不是多个连接的属性）时，您将减少查询中正则表达式的需求。没有正则表达式，您的查询将更容易编写且性能更优。

比较模式

比较以下由行协议表示的有效模式。

推荐：以下模式将位置数据拆分为plot和region标签。

Good Tags schema - Data encoded in multiple tags
-------------
weather_sensor,crop=blueberries,plot=1,region=north temp=50.1 1472515200000000000
weather_sensor,crop=blueberries,plot=2,region=midwest temp=49.8 1472515200000000000

不推荐：以下模式将多个属性（plot和region）连接在location标签值中（plot-1.north）。

Bad Tags schema - Multiple data encoded in a single tag
-------------
weather_sensor,crop=blueberries,location=plot-1.north temp=50.1 1472515200000000000
weather_sensor,crop=blueberries,location=plot-2.midwest temp=49.8 1472515200000000000

比较查询

比较良好标签和不良标签模式下的查询。Flux查询计算北区域蓝莓的平均temp。

易于查询：如以下示例所示，良好标签数据可以很容易地通过region标签值进行筛选。

// Query *Good Tags* schema, data encoded in multiple tags
from(bucket:"example-bucket")
    |> range(start:2016-08-30T00:00:00Z)
    |> filter(fn: (r) =>  r._measurement == "weather_sensor" and r.region == "north" and r._field == "temp")
    |> mean()

难以查询：不良标签需要使用正则表达式解析复杂的location值，如以下示例所示。

// Query *Bad Tags* schema, multiple data encoded in a single tag
from(bucket:"example-bucket")
    |> range(start:2016-08-30T00:00:00Z)
    |> filter(fn: (r) =>  r._measurement == "weather_sensor" and r.location =~ /\.north$/ and r._field == "temp")
    |> mean()

要了解InfluxDB数据模型的概述，请观看以下视频