時序數據庫 Apache-IoTDB 源碼解析之文件索引塊（五）

上一章聊到 TsFile 的文件組成，以及數據塊的詳細介紹。詳情請見：

時序數據庫 Apache-IoTDB 源碼解析之文件數據塊（四）

打一波廣告，歡迎你們訪問IoTDB 倉庫，求一波 Star 。歡迎關注頭條號：列炮緩開局，歡迎關注OSCHINA博客

這一章主要想聊聊：

1. TsFile索引塊的組成
2. 索引塊的查詢過程
3. 索引塊目前在作的改進項

索引塊

索引塊由兩大部分組成，其寫入的方式是從左到右寫入，也就是從文件頭向文件尾寫入。但讀出的方式是先讀出TsFileMetaData 再讀出 TsDeviceMetaDataList 中的具體一部分。咱們按照讀取數據的順序介紹：

TsFileMetaData

TsFileMetaData屬於文件的 1 級索引，用來索引 Device 是否存在、在哪裏等信息，其中主要保存了：

1. DeviceMetaDataIndexMap：Map結構，Key 是設備名，Value 是 TsDeviceMetaDataIndex ，保存了包含哪些 Device（邏輯概念上的一個集合一段時間內的數據，例如前幾章咱們講到的：張3、李4、王五）以及他們的開始時間及結束時間、在左側 TsDeviceMetaDataList 文件塊中的偏移量等。
2. MeasurementSchemaMap：Map結構，Key 是測點的一個全路徑，Value 是 measurementSchema ，保存了包含的測點數據(邏輯概念上的某一類數據的集合,如體溫數據)的原信息，如：壓縮方式，數據類型，編碼方式等。
3. 最後是一個布隆過濾器，快速檢測某一個 時間序列 是否是存在於文件內(這裏等聊到 server 模塊寫文件的策略時候再聊)。咱們知道這個過濾器的特色就是：沒有的必定沒有，但有的不必定有。爲了保證準確性和過濾器序列化後的大小均衡，這裏提供了一個 1% - 10% 錯誤率的可配置，當爲 1% 錯誤率時，保存 1 萬個測點信息，大概是 11.7 K。

咱們再回想 SQL ：SELECT 體溫 FROM 王五 WHERE time = 1 。讀文件的過程就應該是：

1. 先用布隆過濾器判斷文件內是否有王五的體溫列，若是沒有，查找下一個文件。
2. 從 DeviceMetaDataIndexMap 中找到王五的 TsDeviceMetaDataIndex ，從而獲得了王五的 TsDeviceMetadata 的 offset，接下來就尋道至這個 offset 把王五的 TsDeviceMetadata 讀出來。
3. MeasurementSchemaMap 不用關注，主要是給 Spark 使用的，ChunkHeader 中也保存了這些信息。

TsDeviceMetaDataList

TsDeviceMetaDataList 屬於文件的 2 級索引，用來索引具體的測點數據是否是存在、在哪裏等信息。其中主要保存了：

1. ChunkGroupMetaData：ChunkGroup 的索引信息，主要包含了每一個 ChunkGroup 數據塊的起止位置以及包含的全部的測點元信息（ChunkMetaData）。
2. ChunkMetaData ：Chunk 的索引信息，主要包含了每一個設備的測點在文件中的起止位置、開始結束時間、數據類型和預聚合信息。

上面的例子中，從 TsFileMetadata 已經拿到了王五的 TsDeviceMetadataIndex，這裏就能夠直接讀出王五的 TsDeviceMetadata，而且遍歷裏邊的 ChunkGroupMetadata 中的 ChunkMetadata，找到體溫對應的全部的 ChunkMetadata。經過預聚合信息對時間過濾，判斷可否使用當前的 Chunk 或者可否直接使用預聚合信息直接返回數據(等介紹到 server 的查詢引擎時候細聊)。

若是不能直接返回，由於 ChunkMetaData 包含了這個 Chunk 對應的文件的偏移量，只須要使用 seek(offSet) 就會跳轉到數據塊，使用上一章介紹的讀取方法進行遍歷就完成了整個讀取。

預聚合信息（Statistics）

文中屢次提到了預聚合在這裏詳細介紹一下它的數據結構。

// 所屬文件塊的開始時間
private long startTime;  
// 所屬文件塊的結束時間
private long endTime;
// 所屬文件塊的數據類型
private TSDataType tsDataType;
// 所屬文件塊的最小值
private int minValue;  
// 所屬文件塊的最大值
private int maxValue;  
// 所屬文件塊的第一個值
private int firstValue;  
// 所屬文件塊的最後一個值
private int lastValue;  
// 所屬文件塊的全部值的和
private double sumValue;

這個結構主要保存在 ChunkMetaData 和 PageHeader 中，這樣作的好處就是，你沒必要從硬盤中讀取具體的Page 或者 Chunk 的文件內容就能夠得到最終的結果，例如：SELECT SUM(體溫) FROM 王五 ，當定位到 ChunkMetaData 時，判斷可否直接使用這個 Statistics 信息（具體怎麼判斷，以後會在介紹 server 時具體介紹），若是能使用，那麼直接返回 sumValue。這樣返回的速度，不管存了多少數據，它的聚合結果響應時間簡直就是 1 毫秒之內。

樣例數據

咱們繼續使用上一章聊到的示例數據來展現。

時間戳	人名	體溫	心率
1580950800	王五	36.7	100
1580950911	王五	36.6	90

完整的文件信息以下：

POSITION|	CONTENT
            -------- 	-------
                   0|	[magic head] TsFile
                   6|	[version number] 000002
                    // 數據塊開始
|||||||||||||||||||||	[Chunk Group] of wangwu begins at pos 12, ends at pos 253, version:0, num of Chunks:2
                  12|	[Chunk] of xinlv, numOfPoints:1, time range:[1580950800,1580950800], tsDataType:INT32, 
                     	[minValue:100,maxValue:100,firstValue:100,lastValue:100,sumValue:100.0]
                    |		[marker] 1
                    |		[ChunkHeader]
                    |		1 pages
                 121|	[Chunk] of tiwen, numOfPoints:1, time range:[1580950800,1580950800], tsDataType:FLOAT, 
                     	[minValue:36.7,maxValue:36.7,firstValue:36.7,lastValue:36.7,sumValue:36.70000076293945]
                    |		[marker] 1
                    |		[ChunkHeader]
                    |		1 pages
                 230|	[Chunk Group Footer]
                    |		[marker] 0
                    |		[deviceID] wangwu
                    |		[dataSize] 218
                    |		[num of chunks] 2
|||||||||||||||||||||	[Chunk Group] of wangwu ends
                    // 索引塊開始
                 253|	[marker] 2
                 254|	[TsDeviceMetadata] of wangwu, startTime:1580950800, endTime:1580950800
                    |		[startTime] 1580950800
                    |		[endTime] 1580950800
                    |		[ChunkGroupMetaData] of wangwu, startOffset12, endOffset253, version:0, numberOfChunks:2
                    |			[ChunkMetaData] of xinlv, startTime:1580950800, endTime:1580950800, offsetOfChunkHeader:12, dataType:INT32, statistics:[minValue:100,maxValue:100,firstValue:100,lastValue:100,sumValue:100.0]
                    |			[ChunkMetaData] of tiwen, startTime:1580950800, endTime:1580950800, offsetOfChunkHeader:121, dataType:FLOAT, statistics:[minValue:36.7,maxValue:36.7,firstValue:36.7,lastValue:36.7,sumValue:36.70000076293945]
                 446|	[TsFileMetaData]
                    |		[num of devices] 1
                    |			[TsDeviceMetadataIndex] of wangwu, startTime:1580950800, endTime:1580950800, offSet:254, len:192
                    |		[num of measurements] 2
                    |		2 key&measurementSchema
                    |		[createBy isNotNull] false
                    |		[totalChunkNum] 2
                    |		[invalidChunkNum] 0
                    //布隆過濾器
                    |		[bloom filter bit vector byte array length] 30
                    |		[bloom filter bit vector byte array] 
                    |		[bloom filter number of bits] 256
                    |		[bloom filter number of hash functions] 5
                 599|	[TsFileMetaDataSize] 153
                 603|	[magic tail] TsFile
                 609|	END of TsFile

當執行： SELECT 體溫 FROM 王五 時：

1. 從 599 開始讀，1 級索引長度爲 153.
2. 599 - 153 = 446 就是 1 級索引讀開始位置，並讀出 TsDeviceMetadataIndex of 王五，其中記錄了，王五設備的 2 級索引的 offset 爲 254.
3. 跳到 254 開始讀 2 級索引，找到 ChunkMetaData of 體溫， 其中記錄了體溫數據的 Chunk 的offset 爲 121
4. 跳到 121 ，這裏進入了數據塊，從 121 讀取到 230 ，讀出的數據就所有是體溫數據。

改進項

1. 只讀投影列

前面第 3 步中，讀取 2 級索引時候，會將這個設備下的全部測點數據所有讀出來，這依然不太符合只讀投影列的設計，因此在新的 TsFile 中，修改了 1級索引和 2 級索引的部分結構，使得讀出的數據更少，更高效。有興趣的同窗能夠關注 PR： Refactor TsFile #736

2. 文件級 Statistics

在物聯網場景中常常會涉及到查詢某個設備的最後狀態，好比：車聯網中，查詢車輛的末次位置( SELECT LAST(lat,lon) FROM VechicleID )，或者當前的點火、熄火狀態等 SELECT LAST(accStatus) FROM VechicleID 。

或者當某些分頁查詢等狀況時候，常常會使用到 COUNT(*) 等操做，這些都很是符合 Statistics 結構，這些場景涉及到的索引設計也都會體現到新的 TsFile 索引改動中。

到此已經介紹完了文件的總體結構，瞭解了大致的寫入和讀取過程，可是 TsFile 的 API 是如何設計的，怎樣在代碼裏作一些特殊的功課，來繞過 Java 裝箱、GC 等問題呢？歡迎持續關注。。。。