墨天轮沙龙 | 清华乔嘉林：Apache IoTDB，源于清华，建设开源生态之路
在 6 月 8 日举办的【墨天轮数据库沙龙第七期—开源生态专场】中，清华大学博士，助理研究员，Apache IoTDB PMC 乔嘉林老师分享了《Apache IoTDB，源于清华，建设开源生态之路》主题演讲，本文为整理内容。
导读大家好，我是来自清华大学的乔嘉林。Apache IoTDB是一个开源项目，起源于清华大学实验室，后续开源并捐给了 Apache 基金会。今天我分享的内容主要分为四个方面：IoTDB 背景起源、IoTDB 介绍、开源建设以及如何加入我们。
背景起源
1、时序数据是什么
首先，IoTDB 管理的是时序数据，即随着时间轴而不断变化的曲线数据，比如股票中的 K 线就是很典型的时序数据。时序数据在物联网领域中占据了很大的体量，它是设备物理量的数字化记录，是物理世界的真实刻画。
图 1 时序数据示意
时序数据的用途主要分为四个场景：监控、告警、预测、追溯。
首先是监控场景的应用：大家都希望可视化监控软件，从而清晰看到它的运行状态。
其次时序数据能够用于告警场景。工业企业对机器设备进行监控时，很难用肉眼去分辨软件运行中的异常，因此我们需要去设置一些有效的规则，当数据超过预设的阈值时，实现报警的功能。
时序数据还能实现预测。当设备运行状态不好时，我们可以根据根据历史经验与数据变化的趋势，来预测这个设备是否会坏掉，从而帮助企业避免不必要的损失。
最后时序数据还能实现追溯。当我们发现故障，可以通过历史数据故障发生的原因来分析历史数据的变化规律，从而得到一些有用的知识，来避免后续的故障复现。
图 2 时序数据的用途
2、IoTDB 发展起源
IoTDB 的发展一共历经了六个阶段。
2011 年蕴育期：在国家 863 计划课题中，在三一重工等企业实践海量机器数据管理解决方案。
在工业物联网背景下，需要做到复杂元数据管理、海量数据存储、丰富的数据处理、边云协同，这些对数据管理都是极大的挑战。
图 3 工业物联网数据管理需求
在这样的背景下，基于传统的关系型数据库单点瓶颈，模型难以修改写入、性能难以满足的痛点，我们从 2011 年开始尝试大数据管理方案，如 Cassandra、HBase，但是它们也存在着一定的瓶颈。
因此我们调研了不同数据库管理时序数据的区别，如下图所示：
图 4 现有系统管理时序数据的局限
因此从 2015 年我们进入了 IoTDB 的自研期，开始启动“清华 IoTDB”研制。2016 年 3 月提出时序数据列式紧致文件存储格式 TsFile，随后发布 0.7.0 版本。
从研发数据文件格式开始，IoTDB 的自研历程就此开启。下面的格式图描述了两个部分：左边是数据区，采用了列式存储的方式，将每一个时间序列的时间和值都分开存储，这样能够更好的实现编码和压缩。右边为索引图，能够对海量的时间序列快速查询。
图 5 数据管理的格式图
IoTDB 首次的实战项目是青海新能源大数据平台，项目是管理各个发电集团在青海发电厂的数据，在实战的过程中，我们也发现了工业管理中时序数据会存在的一些问题，比如乱序、数据规模不高，规模较大等，这些问题的发现也为我们后续的系统升级与完善提供了宝贵的经验。
图 6 IoTDB 实战于青海新能源大数据平台
IoTDB 在 2018 年进入了开源孵化期。同年 11 月，IoTDB 成为 Apache 旗下孵化器项目，先后吸引了来自德国、美国、澳大利亚等国际同行关注。
IoTDB 为什么要开源？在这里分享我们的想法。
IoTDB 起源于高校，我们希望实现真刀真枪参与实际的项目。因此 IoTDB 的定位不仅是科研项目，更应该是工业级的产品，能够真正部署到这个用户的这个实际项目，能够产生价值，发挥价值。
第二点 IoTDB 作为基础软件，需要更广大的贡献者和用户的共同参与。
不仅如此，对标国外伯克利高校，他们拥有 Spark 这款做计算比较标准化的一个产品，我们希望中国高校也能打造一款开源软件，来提升中国高校在国际的影响力。
那么在开源的过程中为什么会选择 Apache 基金会呢？因为 Apache 是大数据系统的世家，平时我们熟知的 Hadoop、Spark、HBase、Flink 都是起源于 Apache 孵化器。时序数据作为大数据的种类，我们希望能够将这个项目开发齐全，从而选择 Apache 基金会。
以上就是 IoTDB 开源的路线。
图 7 时序数据库从默默无闻到逐渐火热
2019 年 IoTDB 实现快速成长。项目相继获得优秀大数据产品、中国优秀开源项目一等奖，并在中国工业互联网峰会作为重要成果作主题发布。
2020 年 IoTDB 成功毕业。Apache IoTDB 升为全球顶级项目，这标志着 IoTDB 建成了全球认可的国际开源社区，并成为我国高校在 Apache 社区主导的唯一孵化成功的项目。
2021 年 IoTDB 入选十三五成果。Apache IoTDB 参加国家“十三五”科技创新成就展。
回顾 IoTDB 的发展历程，可谓是“十年磨一剑”。
图 8 Apache IoTDB 发展历程
IoTDB 介绍
1、Apache IoTDB 是什么
Apache IoTDB（物联网数据库）是一体化收集、存储、管理与分析物联网时序数据的软件系统。它具有高性能和丰富的功能，并与 Apache Hadoop、Spark 和 Flink 等进行了深度集成，可以满足工业物联网领域的海量数据存储、高速数据读取和复杂数据分析需求。
Apache IoTDB 还拥有简单易用、低成本高性能、便捷迁移、丰富的数据处理生态、提供端-边-云”一站式解决方案的性能。
图 9 Apache IoTDB 系统架构
2、Apache IoTDB 特点
Apache IoTDB 作为一款轻量化、高性能、低成本时序数据库，具有开放的系统架构、轻量化部署、生态丰富、物联网专属模型、高压缩比、低延迟查询、数据处理丰富、高效存储引擎等八大特点。
图 10 Apache IoTDB 的八个特点
下图为 IoTDB 在开源、模型、查询、文件上与其他时序数据库的对比。
图 11 Apache IoTDB 在开源、模型、查询、文件上与其他数据库的对比
3、Apache IoTDB 功能
IoTDB 具有实现多种查询视图，查询时支持各类视图的 SQL 逻辑的功能。写入时是物联网的元数据，但在查询时可以转化为多种视图，每种视图都有 SQL 查询列，以及实现不同的过滤的条件，这样我们就可以根据业务系统的不同需要，针对不同的维度进行查询，从而实现写入非常动态的模型。
图 12 Apache IoTDB 支持多种查询视图
不仅支持多种查询视图，IoTDB 还具有查询功能丰富，支持降采样、数据对齐、修补的功能。在查询中能够实现降采样成每分钟 1 个数据点、多序列按时间进行数据对齐、 修补缺失的数据。
图 13 Apache IoTDB 查询功能丰富
除了以上功能以外，IoTDB 还支持用户自定义函数，用户通过自行开发、创建自定义函数来满足定制化的计算需求。同时，目前已内置 11 类 UDF 库，共 75 个 函数，供用户使用。
图 14 Apache IoTDB UDF 函数类型及名称
此外 IoTDB 具有自定义触发器，实现实时计算的功能。时序数据有告警的需求，因此我们在 IoTDB 中支持了触发器，当一条数据进入数据库时，基于校验的逻辑触发到某个阈值，便可以对其他系统进行一个告警。
图 15 Apache IoTDB 自定义触发器的功能
下图展示的功能是物化视图。我们希望对设备 A 和设备 B 的速度取出平均值，那我们就可以通过 average 这个函数来查询，接着将计算的结果写回到数据库里面，这样便于下次使用时直接取用结果，无需重复计算。以上就是物化视图 select into 的功能实现场景。
图 16 Apache IoTDB 物化视图功能
最后介绍的是 IoTDB 连续查询的功能，这个功能在时序数据的管理应用中非常广泛。我们通常以高频的方式进行数据采集，同时不想漏掉任何一个点，但是分析时需要对数据进行各种各样的降采样或者分段的聚合，如果我们能够提前对数据进行分段并将它存下来，就能大大加速后续的分析效率。因此连续查询能够实现对后台操作自定义，并定时将一段时间的数据做计算与处理。
图 16 Apache IoTDB 连续查询功能
开源建设
1、关于 Apache 基金会
Apache 基金会成立于 199 年，目前已有 22 年的历史，共有 351 个项目，总的代码数是 2.2 亿行。这些代码的总价值是 220 亿美元，共有 8200 个 committer。
图 17 Apache 基金会发展
2、IoTDB 的开源建设
在 2021 年的 Apache 基金会全球 351 个项目排名中中，IoTDB 位列第七，超过 Hadoop、Hbase，仅次于 Spark。IoTDB 的代码贡献者分布于中、美、德、英、澳等国家，是国内唯一具有国际化属性的时序 DB 开源社区。
加入社区
开发者是开源的获益者，更应该成为贡献者，这也是 IoTDB 选择开源的原因。
以下是参与社区的通道，欢迎大家参与到开源建设中来。
图 18 加入 IoTDB 组织
我今天的分享就到这里，谢谢大家！
更多精彩内容，欢迎大家观看现场视频回放与会议资料
查看【国产数据库沙龙】开源生态专场文章、视频回放资源：https://www.modb.pro/topic/412121
欲了解更多可以进入墨天轮社区，围绕数据人的学习成长提供一站式的全面服务，打造集新闻资讯、在线问答、活动直播、在线课程、文档阅览、资源下载、知识分享及在线运维为一体的统一平台，持续促进数据领域的知识传播和技术创新。
关注官方公众号： 墨天轮、 墨天轮平台、墨天轮成长营、数据库国产化 、数据库资讯
版权声明: 本文为 InfoQ 作者【墨天轮】的原创文章。
原文链接:【http://xie.infoq.cn/article/4fc9c6f7ec6987d247457aa16】。
本文遵守【CC-BY 4.0】协议，转载请保留原文出处及本版权声明。
数据库技术爱好者 2019.11.22 加入
墨天轮社区围绕数据人的学习成长提供一站式的全面服务。我们的愿景是共同建设一个有温度的技术社区和全新的数据社群聚合体，以乐知乐享之志，成同心共济之果。
评论