Redis核心技术与实战-学习笔记(十四):时间序列数据
一.时间序列数据
时间序列数据:没有严格的关系模型,记录的信息可以表示成键和值的关系。
(例如,一个设备ID对应一条记录);
时间序列数据的读写特点
- 持续高并发写入,需要连续记录数万个设备的实时状态值
- 时序数据的写入主要就是插入新数据,而不是更新一个已经存在的数据
- 一个时间序列数据被记录后通常就不会变了,他就代表一个设备在某个时刻的状态值
写入特点简单,插入数据快,时间复杂度低,尽量避免阻塞。
时间序列数据的"读"操作特点:
- 单条记录查询(查询某个设备在某一时刻的运行状态信息)
- 对某个时间范围内数据的查询)(早上8点到10点范围内所有设备的状态信息)
- 聚合计算,某个时间范围内的数据做聚合计算(对符合查询条件的所有数据做计算,包括计算均值,最大值/最小值,求和等)
基于Hash和Sorted Set保存时间序列数据
Hsah和sorted set组合实现方式
好处:
- Redis内在数据类型,代码成熟性能稳定--->基于这两个数据类型保存时间序列数据,系统稳定性可以预期。
缺点:使用了两种类型保存
为什么保存时间序列数据,需要同时使用两种类型
- Hash类型:可以实现对单键的快速查询。满足时间序列数据的单键查询需求。
将时间戳作为Hash集合的key,把记录设备状态值作为Hash集合的value。
使用:查询某个时间点或多个时间点上温度数据,直接使用HGET或HMGET命令。
HGET device:temperature 202008030905
1) "25"HMGET device:temperature 202008030905 202008030906 202008030907
1) "25"
2) "26"
3) "27"
Hash类型实现单键查询简单,但是,不支持对数据进行范围查询。
- 时间序列数据是按时间递增顺序插入Hash集合中,但是Hash类型的底层结构是哈希表,并没有对数据进行有序索引。
- 对Hash类型进行范围查询,就需要扫描Hash集合中的所有数据,再将这些数据在客户端排序,这样能在客户端得到所查询范围内的数据。
Sorted Set
目的: 支持按时间戳范围的查询 ,可以根据元素的权重分数来排序
实现:把时间戳作为Sorted Set集合的元素分数,把时间点上记录的数据作为元素本身。
以保存设备温度的时间序列数据为例:
ZRANGEBYSCORE命令:
根据输入的最大时间戳和最小时间戳来查询时间范围内的温度值
例如:查询2020-08-03 09:07到 09:10温度值
ZRANGEBYSCORE device:temperature 202008030907 202008030910
1) "25.9"
2) "24.9"
3) "25.3"
4) "25.2"
同时使用Hash和sorted Set,满足单个时间点和一个时间范围内数据查询的需求。
如何保证写入Hash和Sorted Set是一个原子性操作
原子性操作:我们在执行多个写命令操作时候,这些命令要么全部完成,要么都不完成。
为什么要保证原子性:
只有保证原子性,才能保证同一时间序列数据,在Hash和Sorted Set中,要么都保存要么都不保存,都和可能出现hash集合中有时间序列数据而sorted set中没有,产生异常数据。
Redis怎么保证原子性操作
Redis实现简单事务的MULTI和EXEC命令。
MULTI | 一些列原子性操作开始,收到这个命令后,Redis知道,接下来在收到命令需要放到一个内部队列中。后续一起执行,保证原子性。 |
EXEC | 一系列原子性操作的结束。一旦Redis收到这个命令,就表示所有要保证原子性的命令操作都已经发送完成。此时Redis开始执行刚才放到内部队列中的所有命令操作。 |
命令1到命令N是在MULTI命令后,EXEC命令前发送的,他们会被一起执行,保证原子性。
使用方式
127.0.0.1:6379> MULTI
OK127.0.0.1:6379> HSET device:temperature 202008030911 26.8
QUEUED127.0.0.1:6379> ZADD device:temperature 202008030911 26.8
QUEUED127.0.0.1:6379> EXEC
1) (integer) 1
2) (integer) 1
如何对时间序列数据进行聚合计算?
聚合计算使用场景:周期性的统计时间窗口内的数据汇总状态,在实时监控与预警场景下会频繁执行。
- Sorted set只支持范围查询,无法直接进行聚合计算,所以只能把时间范围内的数据取回客户端,然后在客户端自行完成聚合计算。
- 大量数据在Redis实例和客户端间频繁传输,会和其他操作命令竞争网络资源,导致其他操作变慢。
RedisTimeSeries
- RedisTimeSeries是Redis的一个扩展模块。
- 专门面向时间序列数据提供数据类型和访问接口。
- 支持在Redis实例上直接对数据进行按时间范围的聚合计算
因为RedisTimeSeries不属于Redis的内建功能模块,在使用时,我们需要先把他们的源码单独编译成动态链接库 redistimeseries.so再使用 loadmodule 命令进行加载:
loadmodule redistimeseries.so
当用于时间序列数据存储时,RedisTimeSeries的操作主要有5个:
- 用TS.CREATE命令创建时间序列数据集合。
- 用TS.ADD命令插入数据;
- 用TS.GET命令读取最新数据;
- 用TS.MGET命令按标签过滤查询数据集合;
- 用TS.RANGE支持聚合计算的范围查询。
1. 用 TS.CREATE 命令创建一个时间序列数据集合
TS.CREATE命令,我们需要设置时间序列数据集合的key和数据的过期时间(以毫秒为单位)。
此外,我们还可以为数据集合设置标签,来表示数据集合的属性
TS.CREATE device:temperature RETENTION 600000 LABELS device_id 1
OK
创建key为device:temperature 数据有效期是600s的时间序列数据集合。
数据创建600s后就会被自动删除。
最后我们给这集合标签属性{device_id:1},表示这个数据集合中记录的是属于设备ID为1的数据。
2.TS.ADD命令插入数据,TS.GET命令读取最新数据
- 用TS.ADD命令像时间序列集合插入数据,包括时间戳和具体的数值
- 使用TS.GET命令读取数据集合中的最新一条数据
TS.ADD device:temperature 1596416700 25.1
1596416700TS.GET device:temperature
25.1
执行 TS.ADD 命令,往 device:temperature 集合中插入了一条数据,记录的是设备在 2020 年 8 月 3 日 9 时 5 分的设备温度;再执行 TS.GET 命令时,就会把刚刚插入的最新数据读取出来。
3.用TS.MGET命令按标签过滤查询数据集合
保存多个设备的时间序列数据时,我们通常会把不同设备的数据保存到不同集合中。
此时我们可以使用TS.MGET命令,按照标签查询部分集合中的最新数据,
在使用TS.CREATE 创建数据集合时,我们可以给集合设置标签属性。
当我们进行查询时候,可以在查询条件中对集合标签属性进行匹配,最后的查询结果只返回匹配上的集合中的最新数据。
假设我们一共用4个集合为4个设备保存时间序列数据,设备的ID号是1,2,3,4,我们在创建集合时,把device_id设置为每个集合的标签。此时,我们就可以使用下列TS.MGET命令以及FILTER设置 (这个配置项用来设置集合标签的过滤条件)。
查询device_id不等于2的所有其他设备的数据集合,并返回各自集合的最新一条数据。
TS.MGET FILTER device_id!=21) 1) "device:temperature:1"2) (empty list or set)3) 1) (integer) 15964170002) "25.3"
2) 1) "device:temperature:3"2) (empty list or set)3) 1) (integer) 15964170002) "29.5"
3) 1) "device:temperature:4"2) (empty list or set)3) 1) (integer) 15964170002) "30.1"
4.用TS.RANGE支持需要聚合计算的范围查询
- 使用TS.RANGE命令指定要查询的数据时间范围
- AGGREATION参数指定要执行的聚合计算类型
- 支持求均值(avg),求最大值/最小值(max/min)求和(sum)等。
计算2020年8月3日9点5分到12分的数据进行均值计算(按照每 180s 的时间窗口)
TS.RANGE device:temperature 1596416700 1596417120 AGGREGATION avg 180000
1) 1) (integer) 15964167002) "25.6"
2) 1) (integer) 15964168802) "25.8"
3) 1) (integer) 15964170602) "26.1"
总结
Redis 提供了两种方案
- 组合使用 Redis 内置的 Hash 和 Sorted Set 类型,把数据同时保存在 Hash 集合和 Sorted Set 集合中
- 在执行聚合计算时,我们需要把数据读取到客户端再进行聚合,当有大量数据要聚合时,数据传输开销大
- 所有的数据会在两个数据类型中各保存一份,内存开销不小
- 通过设置适当的数据过期时间,释放内存,减小内存压力
使用 RedisTimeSeries 模块
- 专门为存取时间序列数据而设计的扩展模块。和第一种方案相比,RedisTimeSeries 能支持直接在 Redis 实例上进行多种数据聚合计算,避免了大量数据在实例和客户端间传输。
- RedisTimeSeries 的底层数据结构使用了链表,它的范围查询的复杂度是 O(N) 级别的
- 它的 TS.GET 查询只能返回最新的数据,没有办法像第一种方案的 Hash 类型一样,可以返回任一时间点的数据
部署环境中网络带宽高、Redis 实例内存大 | Redis 内置的 Hash 和 Sorted Set 类型 |
部署环境中网络、内存资源有限,而且数据量大,聚合计算频繁,需要按数据集合属性查询 | RedisTimeSeries |
Redis核心技术与实战-学习笔记(十四):时间序列数据相关推荐
- Redis核心技术与实战-学习笔记(三十五)Redis使用建议
键值对使用规范 key的命令规范,只有命名规范,才能提供可读性强,可维护性好的key,方便日常管理: value的设计规范,包括避免bigkey,选择高效序列化方法和压缩方法,使用整数对象共享池,数据 ...
- Redis核心技术与实战-学习笔记(二十六):缓存雪崩、击穿、穿透
一.缓存雪崩 缓存雪崩:大量应用请求无法在Redis缓存中进行处理,应用请求频繁访问数据库,导致数据库压力激增. 产生原因: 缓存中有大量数据同时过期,导致大量请求无法得到处理 数据保存在缓存中,并设 ...
- Redis核心技术与实战-学习笔记(二十九):Redis并发控制
一.需要并发控制的原因 Redis不可避免的会遇到并发访问问题,比如多用户同时下单,就会对缓存在Redis中的商品库存并发更新,一旦有了并发操作,数据就会被修改,如果我们没有对并发写请求做好控制,就可 ...
- Redis核心技术与实战-学习笔记(十五):消息队列(Redis的解决方案)
一.消息队列 消息队列:分布式系统必备的一个基础软件,能支持组件通信消息的快速读写 Redis本身支持数据的快速访问,满足消息队列的读写性能需求 二.Redis适合做消息队列吗? 消息队列的消息存取需 ...
- Redis核心技术与实战-学习笔记(五)内存快照RDB
一.为什么需要RDB AOF 方法优势:每次执行只需要记录操作命令,需要持久化的数据量不大.在进行写后日志只要不采用always(同步写回)的持久化策略就不会对性能造成太大影响. AOF方法劣势:AO ...
- Redis核心技术与实战-学习笔记(七)哨兵机制
一.主库挂了,如何不间断服务? 主库挂了,需要运行一个新的主库:将从库切换为主库.这就涉及到三个问题: 主库真的挂了吗? 选择哪个从库作为主库? 如何把新主库相关信息通知给从库和客户端 Redis主从 ...
- 吴恩达《机器学习》学习笔记十四——应用机器学习的建议实现一个机器学习模型的改进
吴恩达<机器学习>学习笔记十四--应用机器学习的建议实现一个机器学习模型的改进 一.任务介绍 二.代码实现 1.准备数据 2.代价函数 3.梯度计算 4.带有正则化的代价函数和梯度计算 5 ...
- “物联网开发实战”学习笔记-(四)智能音箱制作和语音控制
"物联网开发实战"学习笔记-(四)智能音箱制作和语音控制 这次来造一个属于自己的智能音箱,这里详细介绍了智能音箱的语音控制的实现. 智能音箱的技术架构 智能音箱主要涉及拾音.前端信 ...
- Polyworks脚本开发学习笔记(十四)-WORKSPACE信息读取及管理
Polyworks脚本开发学习笔记(十四)-WORKSPACE信息读取及管理 Polyworks的工作任务存储分为工作区和项目两级,通过WORKSPACE命令获取工作任务信息,实现更好的任务管理. 下 ...
最新文章
- QIIME 2教程. 24Python命令行模式Artifact API(2020.11)
- 错误名称:EntityCommandExecutionException
- 4G EPS 的架构模型
- iOS 系统版本判断
- mac下使用brew安装nginx
- hdu 1086 A - You can Solve a Geometry Problem too (线段的规范相交非规范相交)
- 写了多年代码,你会 StackOverflow 吗
- 预留空间过大的OutOfMemoryError
- Java中获取完整的url
- JAVA——附加作业3——订阅报刊杂志
- 95-10-200-启动-结尾
- r spgm 语言_Spatial Simultaneous Equations空间联立方程 的R package和经典文献
- HDU 3081Marriage Match II(二分法+并检查集合+网络流量的最大流量)
- json转为tfrecord格式文件怎么转_怎么把pdf转换成jpg图片?pdf转图片格式的方法很好用...
- dijikstra 旅行商问题_车辆路径问题与算法
- 两个队列实现一个栈(C++实现)
- 求最大值(三种方法)
- Crypto_[QCTF2018]Xman-RSA
- WIN7 鼠标右键反应慢如何处理
- CH6803 导弹防御塔
热门文章
- 【CSS】CSS变量使用,浮动布局
- R语言pheatmap包热图legend位置调整
- 内存错误检测工具AddressSanitizer原理
- 怎样在表格中选出同一类_如何在excel表格中同一个框选择下一行 - 卡饭网
- python中input是什么意思_python input是什么意思
- IJCAI 2023 | 腾讯优图实验室入选论文解读,含小样本学习方法、玻璃物体分割、RSI变化检测研究方向...
- WZOI-290巧填九宫格
- CAN总线数据记录仪在重型运输车辆中的应用
- 摩根士丹利报告:移动互联网是下个新技术周期
- Hive--OR-AND使用方法