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
|
5天前
|
Apache 数据库
杨校老师课堂之基于Apache的数据库连接池DBCP的工具类开发
杨校老师课堂之基于Apache的数据库连接池DBCP的工具类开发
10 0
|
1天前
|
设计模式 运维 监控
深入理解后端开发中的微服务架构
【6月更文挑战第23天】本文旨在探索微服务架构在后端开发中的应用及其带来的变革。通过分析微服务的核心原则、设计模式以及与传统单体架构的对比,揭示微服务如何优化开发流程、提升系统的可扩展性与可维护性。文章还将讨论实施微服务时可能遇到的挑战和解决策略,为后端开发者提供实践指南。
|
2天前
|
前端开发 JavaScript API
现代Web开发中的前后端分离架构
本篇文章探讨了前后端分离架构在现代Web开发中的应用与优势。
|
4天前
|
存储 Java 容器
Web后端开发中对三层架构解耦之控制反转与依赖注入
Web后端开发中对三层架构解耦之控制反转与依赖注入
9 0
|
4天前
|
XML 前端开发 Java
基于Springboot的web后端开发三层架构上手实操
基于Springboot的web后端开发三层架构上手实操
9 0
|
4天前
|
监控 持续交付 开发者
探索后端开发中的微服务架构实践
在软件工程的广阔天地中,微服务架构以其独特的魅力和优势逐渐成为后端开发的新宠。本文将深入探讨微服务的核心概念、设计原则以及在实际项目中的实施策略和面临的挑战,旨在为后端开发者提供一套清晰的微服务实践指南。
|
4天前
|
架构师 Java 中间件
程序员,如何从开发转型做架构师?
程序员,如何从开发转型做架构师?
|
5天前
|
监控 API 持续交付
探索现代后端开发中的微服务架构
本文探讨了微服务架构在现代后端开发中的应用与挑战,涵盖其优势、设计原则及最佳实践。
|
6天前
|
运维 Kubernetes 监控
现代后端开发中的微服务架构与容器化技术
随着信息技术的迅猛发展,现代软件开发趋向于采用微服务架构与容器化技术。本文探讨了微服务架构的优势,以及容器化技术如何促进开发、部署和扩展的效率,进而提升应用程序的可靠性和可维护性。
17 0
|
12天前
|
监控 大数据 Java
使用Apache Flink进行大数据实时流处理
Apache Flink是开源流处理框架,擅长低延迟、高吞吐量实时数据流处理。本文深入解析Flink的核心概念、架构(包括客户端、作业管理器、任务管理器和数据源/接收器)和事件时间、窗口、状态管理等特性。通过实战代码展示Flink在词频统计中的应用,讨论其实战挑战与优化。Flink作为大数据处理的关键组件,将持续影响实时处理领域。
82 5

热门文章

最新文章

推荐镜像

更多