摘要：本期将从GaussDB(for Influx)数据模型谈起，分享GaussDB(for Influx)数据建模的最佳方法，避免一些使用过程中的常见问题。
本文分享自华为云社区《华为云GaussDB(for Influx)揭秘第七期：最佳实践之数据建模》，作者： GaussDB 数据库。
华为云GaussDB(for Influx)时序数据库面向工业物联网海量时序数据场景提供数据安全、高性能、低存储成本、免运维等能力，受到越来越多企业的关注；同时，即开即用、使用简单、类SQL查询语句、无需设计schema、适合业务快速迭代等特点，也越来越得到开发者的认可。
但是随着业务规模不断增加，也会遇到诸如时间线暴涨、查询时延高、Tag和Field同名导致查询数据时有时无等问题，其根本原因是，在使用过程中没有良好的数据模型设计。本期将从GaussDB(for Influx)数据模型谈起，分享GaussDB(for Influx)数据建模的最佳方法，避免一些使用过程中的常见问题。
01 数据模型与关键概念
Database
与MySQL中Database概念相同。
创建命令：CREATE DATABASE “mydb”。
用户权限、数据保留策略都以Database为粒度设置。比如赋予用户对“mydb”数据库只读权限：GRANT read ON mydb TO username。
Measurement
与MySQL中Table概念类似。所不同的是，GaussDB(for Influx)属于Schemaless，Measurement不需要提前创建，也不需要设计表中的字段和类型。写入数据时自动创建Measurement，字段可以任意新增和减少，但要求相同字段的数据类型必须一致。
Retention Policy（RP）
数据保留策略，是关系型数据库中不存在的概念，专为时序场景设计，意为指定数据在数据库中的最长保存时间，过期数据会自动被清理。
Tag
数据源标识，只支持string类型
Field
采集指标，支持string，float，int，bool类型
Line Protocol（数据模型）
如图所示，写数据到GaussDB(for Influx)，单条数据由measurement、Tag_key、Tag_value、Field_key、Field_value、timestamp 6部分组成。<Tag_key= Tag_value>可以1个或多个，<Field_key=Field_value>可以1个或多个，每条数据必须要携带时间戳。
Point（点）
Point通常包含measurement+Tags+Field+timestamp 4个部分。例如，如下数据包含2个Point。
<monitorInfo，area=“葡萄花”，，device=“钻机A” pressure=1.8，level=35 1650443961100400200> Point1： <monitorInfo，area=“葡萄花”，device=“钻机A”，pressure=1.8 1650443961100400200> Point2： <monitorInfo，area=“葡萄花”，device=“钻机A”，level=35 1650443961100400200>
即，一条数据包含多少Field Key，则可以简单认为存在多少Point。在GaussDB(for Influx)中，可以一条数据包含一个Point，也可以包含多个Point。
Series（时间线）
在GaussDB(for Influx)里，我们将一个指标+一组Tag组合称为一条时间线。在一条时间线下面，连续时间点的采样数据则为时序数据。比如有数据：
monitorInfo，area=”葡萄花”，device=”钻机A”，pressure=1.8，1650443961100400200 monitorInfo，area=”葡萄花”，device=”钻机B”，pressure=1.6，1650443961100400200 monitorInfo，area=”榆树林”，device=”钻机B”，pressure=1.7，1650443961100400200 monitorInfo，area=”榆树林”，device=”钻机A”，pressure=1.5，1650443961100400200
表示4条时间线，分别是：
葡萄花油田的钻机A上的压力传感器(pressure)
葡萄花油田的钻机B上的压力传感器(pressure)
榆树林油田的钻机B上的压力传感器(pressure)
榆树林油田的钻机A上的压力传感器(pressure)
02 数据建模之最佳实践
通常，数据建模是为了让查询更简单、更高效。对于大多数使用情形，我们建议使用以下设计准则：
1、合理设计Tag 和Field
- Tag只支持字符串类型，数值和布尔类型数据应该被设计为Field；
- 将常用查询条件和分组条件设计为Tag；
因为Tag会创建索引，而Field则没有索引。比如在业务中，经常会查询某一台机器的平均CPU利用率：
SELECT mean(cpu) FROM monitor WHERE host=“192.168.1.1” AND time > now() – 1h
或者查询风电场每台风力发电机每小时的平均发电量：
SELECT mean(elect) FROM monitor WHERE farm_id=“737f738a-bd63” AND time > now() – 24h GROUP BY time(1h)，device_id
则应该将上述查询语句中的 host、farm_id、device_id 设置为Tag，前提是字符串类型才能被设为Tag。
- time属于内置关键字，不能作为Tag_key和Field_key；
- 使用InfluxQL函数（Max、Min、Count等）的字段，作为Field存储。
2、 遵守Tag_Key 和Field_Key的命名约定
- 不使用保留关键字作为Tag和Field的key（名称）；
- Tag和Field不使用相同名称，否则会出现不可预料的问题；
- Tag和Field名称尽量简短清晰，可以节约Index内存空间，同时会让查询更加高效；
- 避免一个Tag中包含多层意思，比如machine = “192.168.2.1-Ubuntu”，包含ip地址和操作系统名称，建议拆分为两个Tag：host和os；
- 建议将变化小的数据设置为Tag，比如进程名称可以设为Tag，而进程号则建议设置为Field。
3、避免超过节点规格所能承受的时间线数量
GaussDB(for Influx)规格与时间线数量对应关系如下：
时间线过度超过限制，会引起性能急剧下降，可能会影响业务运行，需要考虑对节点扩容。
4、避免一张表中存在过多Tag或者 Field
建议一张表存放同一类业务数据，比如物流车辆监测数据。过多业务数据放置到同一张表，会造成Tag和Field数量激增，直接影响查询效率。Field太多时，每个Field的计算都会单独计算，当执行模糊查询时可能会导致查询超时。
5、避免同一个Retention policy存储多用户数据
不同业务数据的过期时间不尽相同，应根据业务具体需求分别存储在不同的RP中，否则过期数据不能及时删除，依然占据存储空间，增加了数据存储成本，影响了查询效率。
6、避免同一个Database存储多用户数据
由于当前GaussDB(for Influx)的权限控制粒度是DB级别，同一个Database保存多用户数据，容易导致数据被其他用户访问和修改。建议不同用户使用单独Database，并且只对单一用户授予访问权限。
03 总结
在制造、能源、农业、电力等工业物联网行业中，大部分数字化信息系统是构建在MySQL等关系型数据库基础上。但随着企业业务和规模的进一步扩大，数据量迅速增长，MySQL等关系型数据库面临并发数、存储成本、查询性能、扩展性、维护等诸多问题，正逐渐被时序数据库所替代。
GaussDB(for Influx)摒弃关系型数据库范式化繁复的设计规则，支持Schemaless设计，业务能按照简单、高效的方式建模。面对业务变化快、接入设备多样化严重的工业物联网场景，GaussDB(for Influx)数据建模表现更加灵活，无需更改业务即可兼容不同设备，更适用于工业物联网场景。
04 结束
本文作者：华为云数据库创新Lab & 华为云时空数据库团队。欢迎加入我们！
云数据库创新Lab（成都、北京）简历投递邮箱：xiangyu9@huawei.com
华为云时空数据库团队（西安、深圳）简历投递邮箱：yujiandong@huawei.com