正文
Timestamp：即时间戳，用来描述产生时序数据的时间点，上面的1497344217
Data Point：即某个Metric在某个时间点的数值。
1）Data Point包括以下部分：Metric、Tags、Value、Timestamp
2）上面描述的本场分享在21:09时候的同时在线用户，就是1个DataPoint
数据特点：
-
基本上都是插入，没有更新的需求；
-
数据基本上都有时间属性，随着时间的推移不断产生新的数据，旧的数据不需要保存太久；
-
业务方对时序数据通常有几个查询需求；
-
获取最新状态，查询最近的数据（例如传感器最新的状态）；
-
展示区间统计，指定时间范围，查询统计信息，例如平均值，最大值，最小值，计数等；
-
获取异常数据，根据指定条件，筛选异常数据。
跟普通数据的区别1：
跟传统数据库的区别2：
时序数据库要解决的问题：
-
以时间点为顺序产生的数据；
-
数据量大，数据来源多；
-
数据的维度多，不同指标有不同维度；
-
统计查询复杂，如任意时间访问，多粒度的检索；
-
需要快速响应查询；
-
对中小团队收益特别大。
在《解密Google SRE》一书中作者提到了Google的监控系统borgmon 和 prometheus非常像。prometheus是一款开源的时序数据库，可以想见Google也是用的类似时序数据库进行监控。Fackbook开源了时序数据库引擎Beringei。他们内部也用的这个做监控。阿里巴巴的Goldeye黄金眼，也是一款时序数据库；百度云产品TSDB，主要用于物联网相关的监控；国内非常火的监控系统Open-falcon也是一款开源时序数据库。当然还有知名的开源软件：Graphihe、OpenTSDB、InfluxDB、Druid、TimeScaleDB等。
我们看下DB-Engine网站对时序数据库的排行。
出处：https://db-engines.com/en/ranking/time+series+dbms
参考资料：http://liubin.org/blog/2016/02/25/tsdb-list-part-1/
这里以
OpenTSDB
为例重点介绍下时序数据库的一些技术。
OpenTSDB
的核心，本身比较简单，是Java实现的一套程序。用来读写底层存储及数据处理。
存储：
OpenTSDB
底层存储使用的HBase，自然ZooKeeper、HBase、Hadoop HDFS是少不了的。其架构分布式、高可用也是由HBase实现。
Rowkey的设计是亮点：
Rowkey: metric + timestamp + tagk1 + tagv1… + tagkN + tagvN
HBase(main):003:0> scan 'tsdb'
ROW COLUMN+CELL
\x00\x00\x01U\x9C\xAEP\x00\x column=t:q\x80, timestamp=1497344217, value=\x17 00\x01\x00\x00\x01\x00\x00\x 02\x00\x00\x02
说
OpenTSDB
没有设计模式是指上层上报来的数据，在底层
OpenTSDB
还是有存储表的，在往HBase中写入和查询使用了一套自定义的数据结构，
OpenTSDB
的存储格式是在HBase存储了几个表：
-
Data Table：表名默认叫
tsdb
，存储时序数据的表。
-
UID Table：表名tsdb-uid，UID映射表，时序数据存储时不用实际的字符串，而是经过此表映射之后，取得一个UID，存储在data table中的其实是整个uid。
-
Meta Table：元数据表，时间序列数据的索引表。
-
Tree Table ：树表，也是存储元数据用的。
-
Rollup 表：存储rollup 和 pre-aggregation的数据。
OpenTSDB
有多个展示端，Grafana是其中一个支持得较好的。前面文章也讲到了Grafana，这里不多讲。
采集支持udp协议、http协议、telnet。可使用多种采集上报方式，包括脚本、应用内上报等。
保存数据最简单的方式是：
$ telnet localhost 4242
put sys.cpu.user 1497344217 23 host=web01 user=mirzhang
