如何在Ubuntu20.04上安装和使用TimescaleDB
作者选择了 COVID-19 Relief Fund 作为 Write for DOnations 计划的一部分来接受捐赠。
介绍
许多应用程序,例如监控系统和数据收集系统,都会积累数据以供进一步分析。 这些分析通常着眼于一段数据或系统随时间变化的方式。 在这些情况下,数据被表示为一个时间序列,每个数据点都带有一个时间戳。 一个示例如下所示:
2020-06-01 09:00:00 server.cpu.1 0.9 2020-06-01 09:00:00 server.cpu.15 0.8 2020-06-01 09:01:00 server.cpu.1 0.9 2020-06-01 09:01:00 server.cpu.15 0.8 ...
由于 物联网 (IoT) 和工业物联网的新部署,时间序列数据的相关性最近有所增长。 收集各种时间序列信息的设备越来越多:健身追踪器、智能手表、家庭气象站和各种传感器等等。 这些设备收集了大量信息,所有这些数据都必须存储在某个地方。
经典的关系数据库最常用于存储数据,但它们并不总是适用于时间序列的海量数据。 当您需要处理大量时间序列数据时,关系数据库可能会太慢。 正因为如此,专门优化的数据库,称为 NoSQL 数据库 ,已经创建,以避免关系数据库的问题。
TimescaleDB 是一个为存储时间序列数据而优化的开源数据库。 它作为 PostgreSQL 的扩展实现,结合了关系数据库的易用性和 NoSQL 数据库的速度。 因此,它允许您使用 PostgreSQL 在一个地方同时存储业务数据和时间序列数据。
按照本教程,您将在 Ubuntu 20.04 上设置 TimescaleDB,对其进行配置,并学习如何使用它。 您将完成创建时间序列数据库和进行简单查询的过程。 最后,您将看到如何删除不必要的数据。
先决条件
要遵循本教程,您将需要:
- 按照我们的 Ubuntu 20.04 初始服务器设置指南设置一台 Ubuntu 20.04 服务器,包括具有 sudo 权限和防火墙的非 root 用户。
- PostgreSQL 安装在您的服务器上。 按照如何在 Ubuntu 20.04 上安装和使用 PostgreSQL 的 Step 1 进行安装。
第 1 步 — 安装 TimescaleDB
TimescaleDB 在 Ubuntu 的默认软件包存储库中不可用,因此在此步骤中,您将从 TimescaleDB 个人软件包存档 (PPA) 安装它。
首先,添加 Timescale 的 APT 存储库:
sudo add-apt-repository ppa:timescale/timescaledb-ppa
按 ENTER
键确认此操作。
接下来,刷新您的 APT 缓存以更新您的软件包列表:
sudo apt update
您现在可以继续安装。 本教程使用 PostgreSQL 版本 12; 如果您使用的是不同版本的 PostgreSQL(例如 11 或 10),请替换以下命令中的值并运行它:
sudo apt install timescaledb-postgresql-12
注意: 对 PostgreSQL 版本 9.6.3+ 和 10.9+ 的支持已被弃用,并将在未来的版本中删除。
TimescaleDB 现在已安装并可以使用。 接下来,您将打开它并在 PostgreSQL 配置文件中调整与它相关的一些设置,以优化数据库。
第 2 步 — 配置 TimescaleDB
TimescaleDB 模块可以在默认的 PostgreSQL 配置设置下正常工作,但为了提高性能并更好地利用处理器、内存和磁盘资源,TimescaleDB 的开发人员建议配置一些单独的参数。 这可以使用 timescaledb-tune
工具自动完成,也可以通过手动编辑服务器的 postgresql.conf
文件来完成。
在本教程中,您将使用 timescaledb-tune 工具 。 它读取 postgresql.conf
文件并以交互方式建议进行更改。
运行以下命令以启动配置向导:
sudo timescaledb-tune
首先,您将被要求确认 PostgreSQL 配置文件的路径:
OutputUsing postgresql.conf at this path: /etc/postgresql/12/main/postgresql.conf Is this correct? [(y)es/(n)o]:
该实用程序会自动检测配置文件的路径,因此输入 y
进行确认:
Output... Is this correct? [(y)es/(n)o]: y Writing backup to: /tmp/timescaledb_tune.backup202005300523
接下来,将提示您更改 shared_preload_libraries
变量以在启动 PostgreSQL 服务器时预加载 TimescaleDB 模块:
[secondary_label Output] shared_preload_libraries needs to be updated Current: #shared_preload_libraries = '' Recommended: shared_preload_libraries = 'timescaledb' Is this okay? [(y)es/(n)o]:
shared_preload_libraries
接受一个逗号分隔的模块列表作为值,指定 PostgreSQL 在启动数据库服务器之前应该加载哪些模块。 进行此更改会将 timescaledb
模块添加到该列表中。
通过在此提示符下键入 y
并按 ENTER
启用 TimescaleDB 模块:
[secondary_label Output] ... Is this okay? [(y)es/(n)o]: y success: shared_preload_libraries will be updated
根据您的服务器和 PostgreSQL 版本的特性,您将可以调整您的设置。 按 y
开始调谐过程:
OutputTune memory/parallelism/WAL and other settings? [(y)es/(n)o]: y Recommendations based on 7.79 GB of available memory and 4 CPUs for PostgreSQL 12 Memory settings recommendations Current: shared_buffers = 128MB #effective_cache_size = 4GB #maintenance_work_mem = 64MB #work_mem = 4MB Recommended: shared_buffers = 1990MB effective_cache_size = 5971MB maintenance_work_mem = 1019114kB work_mem = 5095kB Is this okay? [(y)es/(s)kip/(q)uit]:
timescaledb-tune
将自动检测服务器的可用内存并计算 shared_buffers
、effective_cache_size
、maintenance_work_mem
和 work_mem
设置的推荐值。 例如,shared_buffers
确定为缓存数据分配的内存量。 默认情况下,此设置相对较低以适应更广泛的平台,因此 timescaledb-tune
建议增加该值,通过腾出更多空间来存储缓存信息(如重复查询)来更好地利用资源。 work_mem
变量也已增加以允许更复杂的排序。
如果您想了解有关此调谐器如何工作的更多信息,请查看 timescaledb-tune 的 GitHub 页面。
输入 y
接受值:
Output... Is this okay? [(y)es/(s)kip/(q)uit]: y success: memory settings will be updated
此时,如果您的服务器有多个 CPU,您将找到并行设置的建议。 但是,如果您有一个 CPU,timescaledb-tune
将直接将您发送到 WAL 设置。
拥有多个 CPU 的人会遇到这样的建议:
OutputParallelism settings recommendations Current: missing: timescaledb.max_background_workers #max_worker_processes = 8 #max_parallel_workers_per_gather = 2 #max_parallel_workers = 8 Recommended: timescaledb.max_background_workers = 8 max_worker_processes = 15 max_parallel_workers_per_gather = 2 max_parallel_workers = 4 Is this okay? [(y)es/(s)kip/(q)uit]:
这些设置控制了处理请求和后台任务的 workers 的数量。 您可以从 TimescaleDB 和 PostgreSQL 文档中了解有关这些设置的更多信息。
键入 y
然后 ENTER
以接受这些设置:
Output... Is this okay? [(y)es/(s)kip/(q)uit]: y success: parallelism settings will be updated
接下来,您将找到 Write Ahead Log (WAL) 设置的建议:
OutputWAL settings recommendations Current: #wal_buffers = -1 #min_wal_size = 80MB Recommended: wal_buffers = 16MB min_wal_size = 512MB Is this okay? [(y)es/(s)kip/(q)uit]:
WAL 保持数据完整性,但默认设置会导致 I/O 效率低下,从而降低写入性能。 键入并输入 y
以优化这些设置:
Output... Is this okay? [(y)es/(s)kip/(q)uit]: y success: WAL settings will be updated
您现在会发现一些其他建议:
OutputMiscellaneous settings recommendations Current: #default_statistics_target = 100 #random_page_cost = 4.0 #checkpoint_completion_target = 0.5 #max_locks_per_transaction = 64 #autovacuum_max_workers = 3 #autovacuum_naptime = 1min #effective_io_concurrency = 1 Recommended: default_statistics_target = 500 random_page_cost = 1.1 checkpoint_completion_target = 0.9 max_locks_per_transaction = 64 autovacuum_max_workers = 10 autovacuum_naptime = 10 effective_io_concurrency = 200 Is this okay? [(y)es/(s)kip/(q)uit]:
所有这些不同的参数都旨在提高性能。 例如,SSD 可以处理许多并发请求,因此 effective_io_concurrency
的最佳值可能是数百个。 您可以在 PostgreSQL 文档 中找到有关这些选项的更多信息。
按 y
然后按 ENTER
继续:
Output... Is this okay? [(y)es/(s)kip/(q)uit]: y success: miscellaneous settings will be updated Saving changes to: /etc/postgresql/12/main/postgresql.conf
结果,您将在 /etc/postgresql/12/main/postgresql.conf
处获得一个现成的配置文件。
注意: 如果您是从头开始安装,您也可以运行带有 --quiet
和 --yes
标志的初始命令,这将自动应用所有建议并将更改 postgresql.conf
配置文件:
sudo timescaledb-tune --quiet --yes
为了使配置更改生效,您必须重新启动 PostgreSQL 服务:
sudo systemctl restart postgresql.service
现在数据库正在以最佳参数运行,并准备好处理时间序列数据。 在接下来的步骤中,您将尝试通过创建新数据库和超表并执行操作来处理这些数据。
第三步——创建一个新的数据库和超表
优化 TimescaleDB 设置后,您就可以使用时间序列数据了。 TimescaleDB 是作为 PostgreSQL 的扩展实现的,因此对时间序列数据的操作与关系数据操作没有太大区别。 同时,数据库允许您将来自由组合时间序列和关系表的数据。
首先,您将创建一个新数据库并为其打开 TimescaleDB 扩展。 登录到您的 PostgreSQL 数据库:
sudo -u postgres psql
现在创建一个新数据库并连接到它。 本教程将数据库命名为 timeseries
:
CREATE DATABASE timeseries; \c timeseries
您可以在以下位置找到有关使用 PostgreSQL 数据库的更多信息我们的如何在云服务器上的 PostgreSQL 中创建、删除和管理表教程 .
最后,启用 TimescaleDB 扩展:
CREATE EXTENSION IF NOT EXISTS timescaledb CASCADE;
您将看到以下输出:
OutputWARNING: WELCOME TO _____ _ _ ____________ |_ _(_) | | | _ \ ___ \ | | _ _ __ ___ ___ ___ ___ __ _| | ___| | | | |_/ / | | | | _ ` _ \ / _ \/ __|/ __/ _` | |/ _ \ | | | ___ \ | | | | | | | | | __/\__ \ (_| (_| | | __/ |/ /| |_/ / |_| |_|_| |_| |_|\___||___/\___\__,_|_|\___|___/ \____/ Running version 1.7.1 For more information on TimescaleDB, please visit the following links: 1. Getting started: https://docs.timescale.com/getting-started 2. API reference documentation: https://docs.timescale.com/api 3. How TimescaleDB is designed: https://docs.timescale.com/introduction/architecture Note: TimescaleDB collects anonymous reports to better understand and assist our users. For more information and how to disable, please see our docs https://docs.timescaledb.com/using-timescaledb/telemetry. CREATE EXTENSION
与时间序列数据交互的主要点是 hypertables,它是许多保存数据的单个表的抽象,称为 chunks。
要创建超表,先从常规 SQL 表开始,然后通过函数 create_hypertable
将其转换为超表。
在本教程中,制作一个表格来存储数据,以便随着时间的推移跟踪一组设备的温度和湿度:
CREATE TABLE conditions ( time TIMESTAMP WITH TIME ZONE NOT NULL, device_id TEXT, temperature NUMERIC, humidity NUMERIC );
此命令将创建一个名为 conditions
的表,其中包含四列。 第一列将存储时间戳,其中包括时区,不能为空。 接下来,您将使用时间列将表转换为按时间分区的超表:
SELECT create_hypertable('conditions', 'time');
此命令调用 create_hypertable() 函数,该函数从 PostgreSQL 表创建 TimescaleDB 超表,替换后者。
您将收到以下输出:
Output create_hypertable ------------------------- (1,public,conditions,t) (1 row)
在这一步中,您创建了一个新的超表来存储时间序列数据。 现在您可以通过写入超表来填充数据,然后执行删除它的过程。
第 4 步 — 写入和删除数据
在此步骤中,您将使用标准 SQL 命令插入数据并从外部源导入大量数据。 这将向您展示 TimescaleDB 的关系数据库方面。
首先,尝试基本命令。 可以使用标准的 INSERT
SQL 命令将数据插入到超表中。 使用以下命令为理论设备 weather-pro-000000
插入一些样本 temperature
和 humidity
数据:
INSERT INTO conditions(time, device_id, temperature, humidity) VALUES (NOW(), 'weather-pro-000000', 84.1, 84.1);
您将收到以下输出:
OutputINSERT 0 1
您还可以一次插入多行数据。 尝试以下操作:
INSERT INTO conditions VALUES (NOW(), 'weather-pro-000002', 71.0, 51.0), (NOW(), 'weather-pro-000003', 70.5, 50.5), (NOW(), 'weather-pro-000004', 70.0, 50.2);
您将收到以下信息:
OutputINSERT 0 3
您可以使用 RETURNING
语句指定 INSERT
命令将返回部分或全部插入的数据:
INSERT INTO conditions VALUES (NOW(), 'weather-pro-000002', 70.1, 50.1) RETURNING *;
您将看到以下输出:
Output time | device_id | temperature | humidity -------------------------------+--------------------+-------------+---------- 2020-05-30 05:31:27.842009+00 | weather-pro-000002 | 70.1 | 50.1 (1 row)
如果要从超表中删除数据,请使用标准的 DELETE
SQL 命令。 运行以下命令删除 temperature
高于 80
或 humidity
高于 50
的任何数据:
DELETE FROM conditions WHERE temperature > 80; DELETE FROM conditions WHERE humidity > 50;
删除操作后,建议使用 VACUUM
命令,该命令将回收已删除数据仍在使用的空间:
VACUUM conditions;
您可以在 PostgreSQL 文档 中找到有关 VACUUM
命令的更多信息。
这些命令适用于小规模数据输入,但由于时间序列数据通常同时从多个设备生成大量数据集,因此还必须知道如何一次插入数百或数千行。 如果您以结构化形式准备了来自外部源的数据,例如 csv 格式,则可以快速完成此任务。
为了对此进行测试,您将使用一个样本数据集,该数据集代表来自不同位置的温度和湿度数据。 它由 TimescaleDB 开发人员创建,允许您测试他们的数据库。 您可以在 TimescaleDB 文档 中查看有关示例数据集的更多信息。
接下来,您将从 weather_small
示例数据集导入数据到您的数据库中。 首先,退出 Postgresql:
\q
然后下载数据集并提取它:
wget https://timescaledata.blob.core.windows.net/datasets/weather_small.tar.gz tar -xvzf weather_small.tar.gz
接下来,将温度和湿度数据导入数据库:
sudo -u postgres psql -d timeseries -c "\COPY conditions FROM weather_small_conditions.csv CSV"
这将连接到 timeseries
数据库并执行 \COPY
命令,将所选文件中的数据复制到 conditions
超表中。 它将运行几秒钟。
将数据输入到表中后,您将收到以下输出:
OutputCOPY 1000000
在此步骤中,您手动和批量将数据添加到超表中。 接下来,继续执行查询。
第 5 步 — 查询数据
现在您的表包含数据,您可以执行各种查询来分析它。
要开始,请登录到数据库:
sudo -u postgres psql -d timeseries
如前所述,要使用超表,您可以使用标准 SQL 命令。 例如,要显示 conditions
超表中的最后 10 个条目,请运行以下命令:
SELECT * FROM conditions LIMIT 10;
您将看到以下输出:
Output time | device_id | temperature | humidity ------------------------+--------------------+--------------------+---------- 2016-11-15 12:00:00+00 | weather-pro-000000 | 39.9 | 49.9 2016-11-15 12:00:00+00 | weather-pro-000001 | 32.4 | 49.8 2016-11-15 12:00:00+00 | weather-pro-000002 | 39.800000000000004 | 50.2 2016-11-15 12:00:00+00 | weather-pro-000003 | 36.800000000000004 | 49.8 2016-11-15 12:00:00+00 | weather-pro-000004 | 71.8 | 50.1 2016-11-15 12:00:00+00 | weather-pro-000005 | 71.8 | 49.9 2016-11-15 12:00:00+00 | weather-pro-000006 | 37 | 49.8 2016-11-15 12:00:00+00 | weather-pro-000007 | 72 | 50 2016-11-15 12:00:00+00 | weather-pro-000008 | 31.3 | 50 2016-11-15 12:00:00+00 | weather-pro-000009 | 84.4 | 87.8 (10 rows)
此命令可让您查看数据库中的数据。 由于数据库包含一百万条记录,您使用 LIMIT 10
将输出限制为 10 个条目。
要查看最近的条目,请按时间降序对数据数组进行排序:
SELECT * FROM conditions ORDER BY time DESC LIMIT 20;
这将输出前 20 个最近的条目。
您还可以添加过滤器。 例如,要查看来自 weather-pro-000000
设备的条目,请运行以下命令:
SELECT * FROM conditions WHERE device_id = 'weather-pro-000000' ORDER BY time DESC LIMIT 10;
在这种情况下,您将看到 weather-pro-000000
设备记录的 10 个最近的温度和湿度数据点。
除了标准的 SQL 命令外,TimescaleDB 还提供了许多对时间序列数据分析有用的特殊函数。 例如,要查找温度值的中位数,您可以使用以下带有 percentile_cont
函数的查询:
SELECT percentile_cont(0.5) WITHIN GROUP (ORDER BY temperature) FROM conditions WHERE device_id = 'weather-pro-000000';
您将看到以下输出:
Output percentile_cont ------------------- 40.49999999999998 (1 row)
通过这种方式,您将看到 weather-pro-00000
传感器所在的整个观察期间的温度中值。
要显示每个传感器的最新值,您可以使用 last
函数:
select device_id, last(temperature, time) FROM conditions GROUP BY device_id;
在输出中,您将看到所有传感器和相关最新值的列表。
要获取第一个值,请使用 first
函数。
下面的例子更复杂。 它将显示所选传感器在过去 24 小时内的每小时平均、最低和最高温度:
SELECT time_bucket('1 hour', time) "hour", trunc(avg(temperature), 2) avg_temp, trunc(min(temperature), 2) min_temp, trunc(max(temperature), 2) max_temp FROM conditions WHERE device_id = 'weather-pro-000000' GROUP BY "hour" ORDER BY "hour" DESC LIMIT 24;
在这里,您使用了 time_bucket
函数,它作为 PostgreSQL date_trunc 函数的更强大版本。 结果,您将看到一天中的哪些时段温度升高或降低:
Output hour | avg_temp | min_temp | max_temp ------------------------+----------+----------+---------- 2016-11-16 21:00:00+00 | 42.00 | 42.00 | 42.00 2016-11-16 20:00:00+00 | 41.92 | 41.69 | 42.00 2016-11-16 19:00:00+00 | 41.07 | 40.59 | 41.59 2016-11-16 18:00:00+00 | 40.11 | 39.79 | 40.59 2016-11-16 17:00:00+00 | 39.46 | 38.99 | 39.79 2016-11-16 16:00:00+00 | 38.54 | 38.19 | 38.99 2016-11-16 15:00:00+00 | 37.56 | 37.09 | 38.09 2016-11-16 14:00:00+00 | 36.62 | 36.39 | 37.09 2016-11-16 13:00:00+00 | 35.59 | 34.79 | 36.29 2016-11-16 12:00:00+00 | 34.59 | 34.19 | 34.79 2016-11-16 11:00:00+00 | 33.94 | 33.49 | 34.19 2016-11-16 10:00:00+00 | 33.27 | 32.79 | 33.39 2016-11-16 09:00:00+00 | 33.37 | 32.69 | 34.09 2016-11-16 08:00:00+00 | 34.94 | 34.19 | 35.49 2016-11-16 07:00:00+00 | 36.12 | 35.49 | 36.69 2016-11-16 06:00:00+00 | 37.02 | 36.69 | 37.49 2016-11-16 05:00:00+00 | 38.05 | 37.49 | 38.39 2016-11-16 04:00:00+00 | 38.71 | 38.39 | 39.19 2016-11-16 03:00:00+00 | 39.72 | 39.19 | 40.19 2016-11-16 02:00:00+00 | 40.67 | 40.29 | 40.99 2016-11-16 01:00:00+00 | 41.63 | 40.99 | 42.00 2016-11-16 00:00:00+00 | 42.00 | 42.00 | 42.00 2016-11-15 23:00:00+00 | 42.00 | 42.00 | 42.00 2016-11-15 22:00:00+00 | 42.00 | 42.00 | 42.00 (24 rows)
您可以在 TimescaleDB 文档 中找到更多有用的功能。
现在您知道如何处理您的数据了。 接下来,您将了解如何删除不必要的数据以及如何压缩数据。
第 6 步 — 配置数据压缩和删除
随着数据的积累,它将占用硬盘上越来越多的空间。 为了节省空间,最新版本的 TimescaleDB 提供了数据压缩功能。 此功能不需要调整任何文件系统设置,可用于快速提高数据库效率。 有关此压缩如何工作的更多信息,请查看来自 TimescaleDB 的 this Compression article。
首先,启用超表的压缩:
ALTER TABLE conditions SET ( timescaledb.compress, timescaledb.compress_segmentby = 'device_id' );
您将收到以下输出:
OutputNOTICE: adding index _compressed_hypertable_2_device_id__ts_meta_sequence_num_idx ON _timescaledb_internal._compressed_hypertable_2 USING BTREE(device_id, _ts_meta_sequence_num) ALTER TABLE
注意:你也可以设置TimescaleDB在指定的时间段内压缩数据。 例如,您可以运行:
SELECT add_compress_chunks_policy('conditions', INTERVAL '7 days');
在本例中,数据将在一周后自动压缩。
您可以使用以下命令查看压缩数据的统计信息:
SELECT * FROM timescaledb_information.compressed_chunk_stats;
然后,您将看到一个包含其状态的块列表:压缩状态以及未压缩和压缩数据占用了多少空间(以字节为单位)。
如果您不需要长时间存储数据,您可以删除过期数据以释放更多空间。 为此有一个特殊的 drop_chunks 函数。 它允许您删除数据早于指定时间的块:
SELECT drop_chunks(interval '24 hours', 'conditions');
此查询将从超表 conditions
中删除仅包含一天前数据的所有块。
您将收到以下输出:
Output drop_chunks ---------------------------------------- _timescaledb_internal._hyper_1_2_chunk (1 row)
要自动删除旧数据,可以配置cron
任务。 请参阅我们的教程以了解有关 如何使用 cron 自动执行各种系统任务 的更多信息。
退出数据库:
\q
接下来,使用以下命令编辑您的 crontab
,该命令应从 shell 运行:
sudo crontab -e
现在将以下行添加到文件末尾:
crontab
... 0 1 * * * /usr/bin/psql -h localhost -p 5432 -U postgres -d postgres -c "SELECT drop_chunks(interval '24 hours', 'conditions');" >/dev/null 2>&1
该作业将在每天凌晨 1:00 删除超过一天的过时数据。
结论
您现在已经在 Ubuntu 20.04 服务器上设置了 TimescaleDB。 您还尝试了创建超表、向其中插入数据、查询数据、压缩数据以及删除不必要的记录。 通过这些示例,您将能够利用 TimescaleDB 在存储时间序列数据方面优于传统关系数据库管理系统的主要优势,包括:
- 更高的数据摄取率
- 更快的查询性能
- 面向时间的功能
现在您知道如何存储时间序列数据,您可以使用这些数据创建图表。 TimescaleDB 与支持 PostgreSQL 的可视化工具兼容,例如 Grafana。 您可以使用我们的 如何在 Ubuntu 20.04 上安装和保护 Grafana 教程 来了解有关这个流行的可视化工具的更多信息。 如果您想了解有关数据库的更多信息,请查看我们的 数据库主题页面 。