使用Apache IoTDB进行IoT相关开发的架构设计与功能实现(7)

简介: IoTDB支持存储级TTL设置,这意味着它能够定期自动删除旧数据。使用TTL的好处是,希望咱们程序猿可以控制总磁盘空间的使用,并防止机器用完磁盘。此外,随着文件总数的增加,查询性能可能会降低,并且随着文件的增加,内存使用也会增加。及时删除此类文件有助于保持较高的查询性能并减少内存使用。

显示子路径

  1. SHOW CHILD PATHS prefixPath

返回前缀路径的所有子路径,前缀路径可以包含*。

示例:

  • 返回root.ln的子路径:显示root.ln的子路径
  1. +------------+
  2. | child paths|
  3. +------------+
  4. |root.ln.wf01|
  5. |root.ln.wf02|
  6. +------------+
  • 以root.xx.xx.xx的形式获取所有路径:显示根的子路径。*.*
  1. +---------------+
  2. | child paths|
  3. +---------------+
  4. |root.ln.wf01.s1|
  5. |root.ln.wf02.s2|
  6. +---------------+

计数时间序列

IoTDB能够使用COUNT TIMESERIES <Path>计算路径中时间序列的数量。SQL语句如下:

  1. IoTDB > COUNT TIMESERIES root
  2. IoTDB > COUNT TIMESERIES root.ln
  3. IoTDB > COUNT TIMESERIES root.ln.*.*.status
  4. IoTDB > COUNT TIMESERIES root.ln.wf01.wt01.status

另外,LEVEL可以定义为显示当前元数据树中给定级别的每个节点的时间序列数。这可用于查询每个设备下的传感器数量。语法是:COUNT TIMESERIES <Path> GROUP BY LEVEL=<INTEGER>.

例如,如果有几个时间间隔(使用show timeseries要显示所有时间序列):

那么元数据树将如下所示:

正如可以看到的,root被认为是LEVEL=0。因此,当您输入如下语句时:

  1. IoTDB > COUNT TIMESERIES root GROUP BY LEVEL=1
  2. IoTDB > COUNT TIMESERIES root.ln GROUP BY LEVEL=2
  3. IoTDB > COUNT TIMESERIES root.ln.wf01 GROUP BY LEVEL=2

您将获得以下结果:

注意:时间序列的路径只是一个过滤条件,与级别的定义没有关系。

计算节点数

IoTDB能够使用COUNT NODES <Path> LEVEL=<INTEGER>计算当前元数据树中给定级别的节点数。这可以用来查询设备的数量。用法如下:

  1. IoTDB > COUNT NODES root LEVEL=2
  2. IoTDB > COUNT NODES root.ln LEVEL=2
  3. IoTDB > COUNT NODES root.ln.wf01 LEVEL=3

对于上面提到的例子和元数据树,您可以得到以下结果:

注意:时间序列的路径只是一个过滤条件,与级别的定义没有关系。

删除时间序列

要删除我们之前创建的时间序列,我们可以使用DELETE TimeSeries <PrefixPath>声明。

用法如下:

  1. IoTDB> delete timeseries root.ln.wf01.wt01.status
  2. IoTDB> delete timeseries root.ln.wf01.wt01.temperature, root.ln.wf02.wt02.hardware
  3. IoTDB> delete timeseries root.ln.wf02.*

显示设备

与…类似Show Timeseries,IoTDB还支持两种查看设备的方式:

  • SHOW DEVICES语句显示所有设备信息,相当于SHOW DEVICES root.
  • SHOW DEVICES <PrefixPath>语句指定了PrefixPath并返回给定级别下的设备信息。

SQL语句如下:

  1. IoTDB> show devices
  2. IoTDB> show devices root.ln

晶体管-晶体管逻辑。

IoTDB支持存储级TTL设置,这意味着它能够定期自动删除旧数据。使用TTL的好处是,希望咱们程序猿可以控制总磁盘空间的使用,并防止机器用完磁盘。此外,随着文件总数的增加,查询性能可能会降低,并且随着文件的增加,内存使用也会增加。及时删除此类文件有助于保持较高的查询性能并减少内存使用。

设置TTL

设置TTL的SQL语句如下:

  1. IoTDB> set ttl to root.ln 3600000

这个例子意味着对于root.ln只保留最近1小时的,旧的被删除或变得不可见。

取消设置TTL

要取消设置TTL,我们可以使用下面的SQL语句:

  1. IoTDB> unset ttl to root.ln

复位TTL后,所有数据将被接受root.ln

脸红

将存储组内存表中的所有数据点持久化到磁盘,并密封数据文件。

  1. IoTDB> FLUSH
  2. IoTDB> FLUSH root.ln
  3. IoTDB> FLUSH root.sg1,root.sg2

合并

合并序列和非序列数据。目前,IoTDB支持以下两种类型的SQL来手动触发数据文件的合并过程:

  • MERGE只重写重叠的块,合并速度快,但最终磁盘上会有冗余数据。
  • FULL MERGE重写重叠文件中的所有数据,合并速度很慢,但最终磁盘上不会有冗余数据。
  1. IoTDB> MERGE
  2. IoTDB> FULL MERGE

清除缓存

清除块、块元数据和时间序列元数据的缓存,以释放内存占用。

  1. IoTDB> CLEAR CACHE
相关文章
|
30天前
|
物联网 数据管理 Apache
拥抱IoT浪潮,Apache IoTDB如何成为你的智能数据守护者?解锁物联网新纪元的数据管理秘籍!
【8月更文挑战第22天】随着物联网技术的发展,数据量激增对数据库提出新挑战。Apache IoTDB凭借其面向时间序列数据的设计,在IoT领域脱颖而出。相较于传统数据库,IoTDB采用树形数据模型高效管理实时数据,具备轻量级结构与高并发能力,并集成Hadoop/Spark支持复杂分析。在智能城市等场景下,IoTDB能处理如交通流量等数据,为决策提供支持。IoTDB还提供InfluxDB协议适配器简化迁移过程,并支持细致的权限管理确保数据安全。综上所述,IoTDB在IoT数据管理中展现出巨大潜力与竞争力。
45 1
|
1月前
|
存储 分布式计算 物联网
Apache IoTDB进行IoT相关开发实践
当今社会,物联网技术的发展带来了许多繁琐的挑战,尤其是在数据库管理系统领域,比如实时整合海量数据、处理流中的事件以及处理数据的安全性。例如,应用于智能城市的基于物联网的交通传感器可以实时生成大量的交通数据。据估计,未来5年,物联网设备的数量将达数万亿。物联网产生大量的数据,包括流数据、时间序列数据、RFID数据、传感数据等。要有效地管理这些数据,就需要使用数据库。数据库在充分处理物联网数据方面扮演着非常重要的角色。因此,适当的数据库与适当的平台同等重要。由于物联网在世界上不同的环境中运行,选择合适的数据库变得非常重要。 原创文字,IoTDB 社区可进行使用与传播 一、什么是IoTDB 我
101 9
Apache IoTDB进行IoT相关开发实践
|
19天前
|
存储 监控 数据可视化
SLS 虽然不是直接使用 OSS 作为底层存储,但它凭借自身独特的存储架构和功能,为用户提供了一种专业、高效的日志服务解决方案。
【9月更文挑战第2天】SLS 虽然不是直接使用 OSS 作为底层存储,但它凭借自身独特的存储架构和功能,为用户提供了一种专业、高效的日志服务解决方案。
50 9
|
27天前
|
Cloud Native
核心系统转型问题之平衡核心架构中的功能性与非功能性需求如何解决
核心系统转型问题之平衡核心架构中的功能性与非功能性需求如何解决
|
2月前
|
存储 分布式计算 物联网
Apache IoTDB进行IoT相关开发实践
IoTDB是专为物联网(IoT)设计的开源时间序列数据库,提供数据收集、存储、管理和分析。它支持高效的数据写入、查询,适用于处理大规模物联网数据,包括流数据、时间序列等。IoTDB采用轻量级架构,可与Hadoop和Spark集成,支持多种存储策略,确保数据安全和高可用性。此外,它还具有InfluxDB协议适配器,允许无缝迁移和兼容InfluxDB的API和查询语法,简化物联网项目的数据管理。随着物联网设备数量的快速增长,选择适合的数据库如IoTDB对于数据管理和分析至关重要。
183 12
|
2月前
|
存储 分布式计算 物联网
Apache IoTDB进行IoT相关开发实践
The article introduces IoTDB, an open-source time-series database designed for efficient management of IoT-generated data. It addresses challenges like real-time integration of massive datasets and security. IoTDB supports high-performance storage,
105 0
Apache IoTDB进行IoT相关开发实践
|
26天前
|
存储 消息中间件 Java
Apache Flink 实践问题之原生TM UI日志问题如何解决
Apache Flink 实践问题之原生TM UI日志问题如何解决
31 1
|
9天前
|
SQL 消息中间件 关系型数据库
Apache Doris Flink Connector 24.0.0 版本正式发布
该版本新增了对 Flink 1.20 的支持,并支持通过 Arrow Flight SQL 高速读取 Doris 中数据。
|
24天前
|
消息中间件 监控 数据挖掘
基于RabbitMQ与Apache Flink构建实时分析系统
【8月更文第28天】本文将介绍如何利用RabbitMQ作为数据源,结合Apache Flink进行实时数据分析。我们将构建一个简单的实时分析系统,该系统能够接收来自不同来源的数据,对数据进行实时处理,并将结果输出到另一个队列或存储系统中。
90 2
|
26天前
|
消息中间件 分布式计算 Hadoop
Apache Flink 实践问题之Flume与Hadoop之间的物理墙问题如何解决
Apache Flink 实践问题之Flume与Hadoop之间的物理墙问题如何解决
35 3

推荐镜像

更多