关于influxdb:InfluxDB-TSM存储引擎的读写操作

数据写入

数据写入时，首先points按shard划分，归属于一个shard的points一起写入：

//tsdb/store.go
// WriteToShard writes a list of points to a shard identified by its ID.
func (s *Store) WriteToShard(shardID uint64, points []models.Point) error {
    sh := s.shards[shardID]
    return sh.WritePoints(points)
}
//tsdb/shard.go
// WritePoints will write the raw data points and any new metadata to the index in the shard.
func (s *Shard) WritePoints(points []models.Point) error {
    .....
    // Write to the engine.
    err := engine.WritePoints(points);
    .....
}

由tsm1.Engine负责写入points:

• 首先，结构数据，由points结构values=map[string][]Values，key=seriesKey+分隔符+fieldName, value=[]Value={timestamp,fieldValue}汇合；
• 而后，将values写入cache；
• 最初，将values写入WAL;

//tsdb/engine/tsm1/engine.go
// WritePoints writes metadata and point data into the engine.
// It returns an error if new points are added to an existing key.
func (e *Engine) WritePoints(points []models.Point) error {
    values := make(map[string][]Value, len(points))
    for _, p := range points {
        keyBuf = append(keyBuf[:0], p.Key()...)
        keyBuf = append(keyBuf, keyFieldSeparator...)
        //一个Point中可能含多个field
        iter := p.FieldIterator()
        t := p.Time().UnixNano()
        for iter.Next() {
            keyBuf = append(keyBuf[:baseLen], iter.FieldKey()...)
            var v Value
            switch iter.Type() {
            case models.Float:
                fv, err := iter.FloatValue()
                if err != nil {
                    return err
                }
                v = NewFloatValue(t, fv)
                ......
            }
            values[string(keyBuf)] = append(values[string(keyBuf)], v)
        }
    }
    //先写到cache
    // first try to write to the cache
    if err := e.Cache.WriteMulti(values); err != nil {
        return err
    }
    //再写到WAL
    if e.WALEnabled {
        if _, err := e.WAL.WriteMulti(values); err != nil {
            return err
        }
    }
    return seriesErr
}

数据删除

与LSM-Tree相似，influxdb应用标记删除的办法，待执行compactor的时候，再真正的将其删除。
在data目录，有.tombstone文件，记录了哪个时间段的数据须要删除：

• 查问时，将查问后果和.tombstone内容比对，将要删除的记录去掉；
• compactor时，查问.tombstone内容，将数据删除；

数据查问与索引构造

LSM-Tree有良好的写入性能，然而查问性能有余；TSM-Tree基于LSM-Tree，通过采纳索引、布隆过滤器的办法进行查问优化，这里重点关注索引。
influxdb中有两种类型的索引：元数据索引和TSM File索引

元数据索引

元数据指measurement和series信息，每个database都有一个Index构造，存储该database中的元数据索引信息：

//tsdb/store.go
type Store struct {
    path              string
    // shared per-database indexes, only if using "inmem".
    indexes map[string]interface{}    //key=databaseName, value理论是*Index
    ....
}

元数据索引的内部结构：

type Index struct {
    //数据库下name-->*measurement
    measurements map[string]*measurement // measurement name to object and index
    //数据库下seriesKey-->*series
    series       map[string]*series      // map series key to the Series object
    //数据库名称
    database string
}
type measurement struct {
    Database  string
    Name      string `json:"name,omitempty"`
    fieldNames map[string]struct{}
    // in-memory index fields
    //seriesId-->*series
    seriesByID          map[uint64]*series      // lookup table for series by their id
    //tagKey-->tagValue-->[]seriesId
    //查问时，可依据tagKey找到seriesId，而后再找到相干的series
    seriesByTagKeyValue map[string]*tagKeyValue // map from tag key to value to sorted set of series ids
    sortedSeriesIDs seriesIDs // sorted list of series IDs in this measurement
}
type tagKeyValue struct {
    mu      sync.RWMutex
    entries map[string]*tagKeyValueEntry
}
type tagKeyValueEntry struct {
    m map[uint64]struct{} // series id set
}

对于元数据查问语句：

show tag values from "cpu_usage" with key="host"

该语句的查问过程：

• 依据”cpu_usage”找到measurement对象；
• 在measurement对象内，依据tagKey=”host”，找到其对应的tagValue+[]seriesId；

对于一般查问语句：

select value from "cpu_usage" where host='server01' and time > now() - 1h

该语句的查问过程：

• 依据工夫：time > now() – 1h，失去数据shard；
• 在shard内，依据”cpu_usage”找到measurement对象；
• 在measurement对象内，依据tagKey=”server01″，找到其对应的tagValue+[]seriesId；
• 遍历[]seriesId，取得[]series对象，再应用TSM File索引查找TSM File，读取TSM File block失去后果；

TSM File索引

单个TSM File中蕴含block数据和index数据：

Blocks中寄存压缩后的timestamp/value。
Index中寄存Block中的索引，Index会存储到内存做间接索引，以便实现疾速检索。

间接索引的数据结构：

//tsdb/engine/tsm1/reader.go
type indirectIndex struct {
    b []byte    //Index的内容
    offsets []byte
    minKey, maxKey []byte    //最小/最大key
    minTime, maxTime int64    //最小/最大工夫
}

TSM File的查找过程：

• 依据seriesKey，在[]offset和Index中各offset的key进行二分查找，失去offset；
• 依据offset读取[]byte内容，失去indexEntries；
• 在indexEntries中，失去TSM File的偏移量，而后读取文件内容失去后果；

//tsdb/engine/tsm1/reader.go
type indexEntries struct {
    Type    byte
    entries []IndexEntry
}
// IndexEntry is the index information for a given block in a TSM file.
type IndexEntry struct {
    // The min and max time of all points stored in the block.
    MinTime, MaxTime int64
    // The absolute position in the file where this block is located.
    Offset int64    //TSM文件的偏移量
    // The size in bytes of the block in the file.
    Size uint32
}

参考

1.http://blog.fatedier.com/2016…