关于 TDengine 3.0 数据订阅,你需要知道这些

本文涉及的产品
云原生数据库 PolarDB MySQL 版,Serverless 5000PCU 100GB
云原生内存数据库 Tair,内存型 2GB
云数据库 Redis 版,社区版 2GB
推荐场景:
搭建游戏排行榜
简介: TDengine 3.0 对数据订阅功能又进行了优化升级,本文将详细介绍其语法规则,方便开发者及企业使用。

小T导读:为了帮助应用实时获取写入时序数据库Time Series DatabaseTDengine 的数据,或者以事件到达顺序处理数据,TDengine 提供了类似消息队列产品的数据订阅、消费接口。这样在很多场景下,采用 TDengine 的时序数据处理系统就不需要再集成如 Kafka 一般的消息队列产品,从而简化系统设计的复杂度,降低运维成本。TDengine 3.0 对数据订阅功能又进行了优化升级,本文将详细介绍其语法规则,方便开发者及企业使用。


与 Kafka 一样,应用 TDengine 时你也需要定义 topic, 但 TDengine 的 topic 是基于一个已经存在的超级表、子表或普通表的查询条件,即一个 SELECT 语句。你可以使用 SQL 对标签、表名、列、表达式等条件进行过滤,以及对数据进行标量函数与 UDF 计算(不包括数据聚合)。与其他消息队列软件相比,这是 TDengine 数据订阅功能最大的优势,它提供了更大的灵活性,数据的颗粒度可以由应用随时调整,而数据的过滤与预处理是交给 TDengine 来完成,有效地减少传输的数据量与应用的复杂度。


消费者订阅 topic 后(一个消费者可以订阅多个 topic),可以实时获得最新的数据。多个消费者可以组成一个消费者组 (consumer group),一个消费者组里的多个消费者共享消费进度,便于多线程、分布式地消费数据,提高消费速度;但不同消费者组中的消费者即使消费同一个 topic,也并不共享消费进度。如果订阅的是超级表,数据可能会分布在多个不同的 vnode 上,也就是多个 shard 上,这样一个消费组里有多个消费者可以提高消费效率。TDengine 的消息队列提供了消息的 ACK 机制,在宕机、重启等复杂环境下也能确保 at least once 消费。


为了实现上述功能,TDengine 会为 WAL (Write-Ahead-Log) 文件自动创建索引以支持快速随机访问,并提供了灵活可配置的文件切换与保留机制,用户可以按需指定 WAL 文件保留的时间以及大小:


  • WAL_RETENTION_PERIOD:为了数据订阅消费,需要 WAL 日志文件额外保留的最大时长策略。WAL 日志清理,不受订阅客户端消费状态影响。单位为 s,默认为 3600,表示在 WAL 保留最近 3600 秒的数据,用户可以根据数据订阅的需要修改这个参数为适当值。
  • WAL_RETENTION_SIZE:为了数据订阅消费,需要 WAL 日志文件额外保留的最大累计大小策略。单位为 KB,默认为 0,表示累计大小无上限。


通过以上方式,我们将 WAL 改造成了一个保留事件到达顺序的、可持久化的存储引擎(但由于 TSDB 具有远比 WAL 更高的压缩率,因此不推荐保留太长时间,一般来说建议不超过几天)。对于以 topic 形式创建的查询,TDengine 将对接 WAL 而不是 TSDB 作为其存储引擎。在消费时,TDengine 根据当前消费进度从 WAL 直接读取数据,并使用统一的查询引擎实现过滤、变换等操作,将数据推送给消费者。

为了方便大家上手实操,下文将对 TDengine 数据订阅相关语法进行详细解读。

写入数据

首先完成建库、建一张超级表和多张子表操作,然后就可以写入数据了,比如:

  1. DROP DATABASE IF EXISTS tmqdb;
  2. CREATE DATABASE tmqdb;
  3. CREATE TABLE tmqdb.stb (ts TIMESTAMP, c1 INT, c2 FLOAT, c3 VARCHAR(16) TAGS(t1 INT, t3 VARCHAR(16));
  4. CREATE TABLE tmqdb.ctb0 USING tmqdb.stb TAGS(0,"subtable0");
  5. CREATE TABLE tmqdb.ctb1 USING tmqdb.stb TAGS(1,"subtable1");      
  6. INSERT INTO tmqdb.ctb0 VALUES(now,0,0,'a0')(now+1s,0,0,'a00');
  7. INSERT INTO tmqdb.ctb1 VALUES(now,1,1,'a1')(now+1s,11,11,'a11');

创建 topic

TDengine 使用 SQL 创建如下所示 topic(topic 创建个数有上限,通过参数 tmqMaxTopicNum 控制,默认 20 个):

  1. CREATE TOPIC topic_name AS SELECT ts, c1, c2, c3 FROM tmqdb.stb WHEREc1>1;

TMQ 支持以下多种订阅类型:

列订阅

  1. CREATE TOPIC topic_name as subquery

通过 SELECT 语句订阅(包括 SELECT *,或 SELECT ts, c1 等指定列订阅,可以带条件过滤、标量函数计算,但不支持聚合函数、不支持时间窗口聚合)。但需要注意的是:

  • 该类型 TOPIC 一旦创建则订阅数据的结构确定;
  • 被订阅或用于计算的列或标签不可被删除(ALTER table DROP)、修改(ALTER table MODIFY);
  • 若发生表结构变更,新增的列不出现在结果中。

超级表订阅

  1. CREATE TOPIC topic_name AS STABLE stb_name

与 SELECT * from stbName 订阅的区别是:

  • 不会限制用户的表结构变更。
  • 返回的是非结构化的数据:返回数据的结构会随超级表的表结构变化而变化。
  • with meta 参数可选,选择时将返回创建超级表,子表等语句,主要用于 taosx 做超级表迁移。
  • where_condition 参数可选,选择时将用来过滤符合条件的子表,订阅这些子表。where 条件里不能有普通列,只能是 tag 或 tbname,where 条件里可以用函数,用来过滤 tag,但是不能是聚合函数,因为子表 tag 值无法做聚合。也可以是常量表达式,比如 2 > 1(订阅全部子表),或者 false(订阅 0 个子表)。
  • 返回数据不包含标签。

数据库订阅

  1. CREATE TOPIC topic_name [WITH META] AS DATABASE db_name;

通过该语句可创建一个包含数据库所有表数据的订阅,with meta 参数可选,同上。

创建消费者

订阅 topics

一个 consumer 支持同时订阅多个 topic。以 Java 为例:

  1. List<String> topics =newArrayList<>();
  2. topics.add("tmq_topic");
  3. consumer.subscribe(topics);

消费

在 Java 语言下如何对 TMQ 消息进行消费,代码示意如下:

  1. while(running){
  2.  ConsumerRecords<Meters> meters = consumer.poll(Duration.ofMillis(100));
  3.    for(Meters meter : meters){
  4.      processMsg(meter);
  5.    }    
  6. }

结束消费

消费结束后,应当取消订阅。

  1. /* 取消订阅 */
  2. tmq_unsubscribe(tmq);
  3. /* 关闭消费者对象 */
  4. tmq_consumer_close(tmq);

删除 topic

如果不再需要订阅数据,可以删除 topic,需要注意:只有当前未在订阅中的 topic 才能被删除。

  1. /* 删除 topic */
  2. DROP TOPIC topic_name;

状态查看

1、topics:查询已经创建的 topic

  1. SHOW TOPICS;

2、consumers:查询 consumer 的状态及其订阅的 topic

  1. SHOW CONSUMERS;

3、subscriptions:查询 consumer 与 vgroup 之间的分配关系

  1. SHOW SUBSCRIPTIONS;

写在最后

受文章篇幅所限,本文只分享了部分语法的具体实现,需要了解相关设置及更多语言的代码示例,可以进入 TDengine 官网查询数据订阅的相关文档。对于更为复杂的应用问题,也欢迎大家加入 TDengine 的开发者交流群,直接向社区技术支持人员寻求帮助。

目录
相关文章
|
存储 消息中间件 NoSQL
亿级消息系统的核心存储:Tablestore发布Timeline 2.0模型
互联网快速发展的今天,社交类应用、消息类功能大行其道,占据了大量网络流量。大至钉钉、微信、微博、知乎,小至各类App的推送通知,消息类功能几乎成为所有应用的标配。根据场景特点,我们可以将消息类场景归纳成三大类:IM(钉钉、微信)、Feed流(微博、知乎)以及常规消息队列。
15782 0
|
3月前
|
消息中间件 安全 Kafka
【极数系列】Flink集成KafkaSource & 实时消费数据(10)
【极数系列】Flink集成KafkaSource & 实时消费数据(10)
115 1
|
3月前
|
移动开发 小程序 Go
【社区每周】小程序消息订阅插件升级为消息订阅接口(2022年8月第五期)
【社区每周】小程序消息订阅插件升级为消息订阅接口(2022年8月第五期)
29 0
|
10月前
|
消息中间件 运维 物联网
一文告诉你为什么时序场景下 TDengine 数据订阅比 Kafka 好
在本文中,TDengine 研发人员详细揭秘了 TDengine 数据订阅的流程和具体实现。
204 0
|
消息中间件 存储 运维
阿里云消息队列 RocketMQ 5.0 全新升级:消息、事件、流融合处理平台
RocketMQ5.0 的发布标志着阿里云消息从消息领域正式迈向了“消息、事件、流”场景大融合的新局面。未来阿里云消息产品的演进也将继续围绕消息、事件、流核心场景而开展。
1129 1
阿里云消息队列 RocketMQ 5.0 全新升级:消息、事件、流融合处理平台
|
消息中间件 存储 运维
消息队列Kafka「检索组件」重磅上线!
本文对消息队列 Kafka「检索组件」进行详细介绍,首先通过对消息队列使用过程中的痛点问题进行介绍,然后针对痛点问题提出相应的解决办法,并对关键技术技术进行解读,旨在帮助大家对消息队列 Kafka「检索组件」的特点及使用方式更加熟悉,以期可以帮助大家更有效的解决在消息排查过程中遇到的痛点问题。
543 0
消息队列Kafka「检索组件」重磅上线!
|
消息中间件 存储 SQL
RocketMQ 5.0 多样消费功能详解消息过滤|学习笔记(一)
快速学习 RocketMQ 5.0 多样消费功能详解消息过滤.
373 0
RocketMQ 5.0 多样消费功能详解消息过滤|学习笔记(一)
|
消息中间件 SQL 缓存
RocketMQ 5.0 多样消费功能详解消息过滤.|学习笔记(二)
快速学习 RocketMQ 5.0 多样消费功能详解消息过滤.
263 0
RocketMQ 5.0 多样消费功能详解消息过滤.|学习笔记(二)
【鸿蒙】订阅分布式数据变化
客户端需要实现KvStoreObserver接口。 构造并注册KvStoreObserver实例。
【鸿蒙】订阅分布式数据变化
|
监控 Java API
与实时消费对接 | 学习笔记
快速学习与实时消费对接
75 0