InfluxDB 模式设计

设计您的 模式 以获得更简单和更高性能的查询。遵循设计指南，使您的模式易于查询。了解这些指南如何带来更高性能的查询。

• 为查询而设计
  • 保持 measurements 和 keys 简洁
• 使用 tags 和 fields
  • 对唯一和数值数据使用 fields
  • 使用 tags 提高查询性能
  • 保持 tags 简洁

为查询而设计

以下模式演示了易于查询的 measurements、tag keys 和 field keys。

airSensor 和 waterQualitySensor 模式说明了以下指南

• 每个 measurement 都是描述模式的简单名称。
• Keys 在模式内不重复。
• Keys 不使用保留关键字或特殊字符。
• Tags (sensorId 和 station) 存储跨多个数据点的通用元数据。
• Fields (humidity、pH 和 temperature) 存储数值数据。
• Fields 存储唯一或高度可变的数据。
• Measurements 和 keys 不包含数据；tag values 和 field values 将存储数据。

以下数据点（格式为 Line Protocol）使用 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 measurements 和 keys 简洁

将数据存储在 tag values 或 field values 中，而不是 tag keys、field keys 或 measurements 中。如果您将模式设计为将数据存储在 tag 和 field values 中，您的查询将更容易编写且效率更高。

此外，您将通过不在写入数据时创建 measurements 和 keys 来保持低基数性。要了解有关高 series 基数性对性能的影响的更多信息，请参阅如何解决高基数性。

比较模式

比较以下以 Line Protocol 表示的有效模式。

推荐：以下模式在单独的 crop、plot 和 region tags 中存储元数据。temp field 包含可变的数值数据。

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 measurement 中，类似于 Graphite 指标。

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 field key 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 Measurements 和 不良 Measurements 模式的查询。Flux 查询计算 north 区域中 blueberries 的平均 temp。

易于查询：良好 Measurements 数据可以轻松地按 region tag values 进行过滤，如以下示例所示。

// 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()

难以查询：不良 Measurements 需要正则表达式从 measurement 中提取 plot 和 region，如以下示例所示。

// 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 measurements 使某些查询变得不可能。例如，使用 不良 Measurements 模式无法计算两个 plots 的平均温度。

保持 keys 简洁

除了保持您的 keys 不包含数据外，请遵循以下其他指南，使其更易于查询

• 避免关键字和特殊字符
• 避免 tags 和 fields 的重复名称

避免 keys 中使用关键字和特殊字符

为了简化查询编写，请勿在 tag 和 field keys 中包含保留关键字或特殊字符。如果您在 keys 中使用 Flux 关键字，则需要将 keys 括在双引号中。如果您在 keys 中使用非字母数字字符，则需要在 Flux 中使用 方括号表示法。

避免 tags 和 fields 的重复名称

避免在同一模式中为 tag key 和 field key 使用相同的名称。如果您的 tag 和 field 具有相同的名称，则您的查询结果可能不可预测。

使用 tags 和 fields

Tag values 已索引，而 field values 未索引。这意味着查询 tags 比查询 fields 性能更高。您的查询应指导您在 tags 中存储什么以及在 fields 中存储什么。

对唯一和数值数据使用 fields

• 将唯一或频繁变化的值存储为 field values。
• 将数值存储为 field values。（Tags 仅存储字符串）。

使用 tags 提高查询性能

• 如果值可以合理地索引，则将其存储为 tag values。
• 如果值在 filter() 或 group() 函数中使用，则将其存储为 tag values。
• 如果值在多个数据点之间共享，即 field 的元数据，则将其存储为 tag values。

由于 InfluxDB 索引 tags，查询引擎不需要扫描存储桶中的每个记录来定位 tag value。例如，考虑一个存储关于数千个用户的数据的存储桶。如果将 userId 存储在 field 中，则对用户 abcde 的查询需要 InfluxDB 扫描每一行中的 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，请按 tag 过滤以减少扫描的行数。tag 应存储可以合理索引的数据。以下查询按 company tag 过滤，以减少为 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 tags 简洁

每个数据属性使用一个 tag。如果您的源数据在一个参数中包含多个数据属性，请将每个属性拆分为其自己的 tag。当每个 tag 表示您的数据的一个属性（而不是多个连接的属性）时，您将减少在查询中对正则表达式的需求。没有正则表达式，您的查询将更易于编写且性能更高。

比较模式

比较以下以 Line Protocol 表示的有效模式。

推荐：以下模式将位置数据拆分为 plot 和 region tags。

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 tag value (plot-1.north) 中。

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 Tags 和 不良 Tags 模式的查询。Flux 查询计算 north 区域中 blueberries 的平均 temp。

易于查询：良好 Tags 数据可以轻松地按 region tag values 进行过滤，如以下示例所示。

// 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 Tags 需要正则表达式来解析复杂的 location values，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()

有关 InfluxDB 数据模型的概述，请观看以下视频