OpenTSDB时序数据库概述

【摘要】 OpenTSDB时序数据库前言OpenTSDB是一个架构在HBase系统之上的实时监控信息收集和展示平台。基于HBase的分布式的，可伸缩的时间序列数据库OpenTSDB使用HBase存储所有的时序（无须采样）来构建一个分布式、可伸缩的时间序列数据库。一、 OpenTSDB介绍1.1 OpenTSDB使用场景OpenTSDB主要针对具有时间特性和需求的数据，例如做监控数据、温度变化类别的数据...

OpenTSDB时序数据库

前言
OpenTSDB是一个架构在HBase系统之上的实时监控信息收集和展示平台。

基于HBase的分布式的，可伸缩的时间序列数据库
OpenTSDB使用HBase存储所有的时序（无须采样）来构建一个分布式、可伸缩的时间序列数据库。

一、 OpenTSDB介绍

1.1 OpenTSDB使用场景

OpenTSDB主要针对具有时间特性和需求的数据，例如做监控数据、温度变化类别的数据存储等。
OpenTSDB的设计目标是用来采集大规模集群中的监控信息（包括集群中的网络设备、操作系统、应用程序），并可实现数据的秒级查询，解决海量监控类数据在普通数据库中存储查询的局限性。

1.2 OpenTSDB存储与扩展

OpenTSDB是基于HBase的时序数据库(时间序列数据库)。
输入数据无需转换，写的是什么数据存的就是什么数据，时序数据以毫秒的精度保存。
它支持秒级数据采集所有Metrics，是以Metirc为单元的存储结果，支持永久存储，运行在Hadoop 和 HBase之上，可以通过添加节点进行扩容，可以实现大数据量下的毫秒级别的查询。

1.3 OpenTSDB数据展现

时间序列数据通常以折线图方式展示，OpenTSDB提供了一个内置的GUI（简单用户界面），用于选择一个或多个指标和标签，以生成图形作为图像。
或者可以使用HTTP API将OpenTSDB绑定到外部开源系统与其交互，例如监视框架，仪表板，统计包或自动化工具。
由于OpenTSDB自身内置的WebUI可视化功能相对简陋，一般采用第三方工具Grafana用作可视化展示及监控报警。

二、OpenTSDB工作原理

OpenTSDB由时间序列守护进程（TSD）和一组命令行实用程序组成。
与OpenTSDB的交互主要通过运行一个或多个TSD来实现，每个TSD都是独立的。没有主服务器，没有共享状态，因此可以根据需要运行尽可能多的TSD来处理工作负载。
每个TSD使用开源数据库HBase或托管Google Bigtable服务来存储和检索时间序列数据。
数据模式经过高度优化，可快速聚合相似的时间序列，从而最大限度地减少存储空间。
TSD的用户不需要直接访问底层仓库，可以通过简单的telnet风格协议，HTTP API或简单的内置GUI与TSD进行通信，所有通信都发生在同一个端口上（TSD通过查看接收的前几个字节来确定客户端的协议）。

三、OpenTSDB架构

3.1 OpenTSDB架构图

3.2 OpenTSDB组件

3.2.1 Servers

Servers指服务器，上面的C是指Collector，可以理解为OpenTSDB的agent，通过Collector收集数据，推送数据。

3.2.2 TSD

每个实例TSD都是独立的，没有master，没有共享状态(shared state)。
TSD是对外通信的无状态的服务器，Collector可以通过TSD简单的RPC协议推送监控数据。另外TSD还提供了一个web UI页面供数据查询，也可以通过脚本查询监控数据。

3.2.3 HBase

TSD收到监控数据后，是通过AsyncHbase库来将数据写入到HBase。
AsyncHbase是完全异步、非阻塞、线程安全的HBase客户端，使用更少的线程、锁以及内存，可以提供更高的吞吐量，特别对于大量的写操作。

四、OpenTSDB存储核心概念

我们以一个监控系统的背景来介绍这些概念，比如我们需要记录的数据是一个集群里面各个服务器磁盘的使用率。

4.1 Metric

度量(Metric)就是一个监控项，监测数据的指标，譬如服务器的CPU、MEMORY、磁盘使用率，监测环境指标风力、温湿度等。

4.2 Tag

标签(Tag)：度量(Metric) 虽然指明了要监测的指标项，但没有指明要针对什么对象的该指标项进行监测。
标签(Tag) 就是用于表明指标项监测针对的具体对象，属于指定度量下的数据子类别, 也可以说是用来区分各个度量(Metric)。
一个标签(Tag) 由一个标签键(TagKey) 和一个对应的标签值(TagValue) 组成，是一种K/V格式的数据，例如“城市(TagKey)=杭州(TagValue)”就是一个标签。
更多标签示例：机房 = A 、IP = 127.0.XX.XX，标签可以有一至多个，最大可设置16对标签。

4.3 Value

值(value)表示一个度量(Metric)对应的实际值，例如磁盘使用率50%、 15 级（风力）和 20 ℃（温度）。

4.4 Timestamp

时间戳(时间序列)，指明时间点，用来表示这条数据是什么时候产生的。

4.5 DataPoint

数据点 (Data Point)：针对监测对象的某项指标（由度量和标签定义）按特定时间间隔（连续的时间戳）采集的每个度量值就是一个数据点。“ 一个度量 + N 个标签（N >= 1）+ 一个时间戳 + 一个值 ”定义一个数据点。
DataPoint包括以下部分：Metric、Tags、Value、Timestamp，可以理解为一个监控项就是一个DataPoint，最终保存到OpenTSDB的就是由很多的DataPoint组成。

4.6 Time Series(时间序列)

时间序列（Time Series）：针对某个监测对象的某项指标（由度量和标签定义）的描述。“一个度量 + N 个标签KV组合（N >= 1）”定义为一个时间序列，某个时间序列上产生的数据值的增加，不会导致时间序列的增加。 时间序列示意图：

4.7 时间精度

时间精度：时间线数据的写入时间精度——毫秒、秒、分钟、小时或者其他稳定时间频度。例如，每秒一个温度数据的采集频度，每 5 分钟一个CPU使用率的采集频度。

4.8 降采样

降采样（Downsampling）：当查询的时间区间跨度较长而原始数据时间精度较细时，为了满足业务需求的场景、提升查询效率，就会降低数据的查询展现精度，这就叫做降采样，比如按秒采集一年的数据，按照天级别查询展现。

五、OpenTSDB存储设计

5.1 OpenTSDB表存储设计

OpenTSDB使用HBase进行数据存储，在HBase中存放tsdb、tsdb-uid、tsdb-meta、tsdb-tree四张表，主要用到的核心存储是两张表，tsdb和tsdb-uid。
假设我们要存放以下的数据：
Metric：proc.loadavg.1m
Timestamp：1234567890 (2009-02-14 07:31:30)
Value：0.42
Tags：host=web42，pool=static

Metric(指标)	proc.loadavg.1m	50
时间戳	TimeStamp	1234567890
标签key	tagk	host
标签value	tagv	web42
标签key	tagk	pool
标签value	tagv	static

5.1.1 OpenTSDB分配UID时遵循如下规则

UID全称为Unique Identifier。这些UID信息被保存在OpenTSDB的元数据表中，默认表名为”tsdb-uid”。
1）metrics、tagKey和tagValue的UID分别独立分配。
2）每个metrics名称（tagKey/tagValue）的UID值都是唯一。不存在不同的metrics（tagKey/tagValue）使用相同的UID，也不存在同一个metrics（tagKey/tagValue）使用多个不同的UID。
3）UID值的范围是0x000000到0xFFFFFF，即默认地，UID被编码为3字节，metrics（或tagKey、tagValue）最多只能存在16777216个不同的值。也可以修改参数配置改为4字节。

5.1.2 tsdb-uid表

tsdb-uid中保存的是metric，tagk，tagv的一些映射关系，意在缩短rowkey的长度。
OpenTSDB使用一个字典表tsdb-uid，将metrics和tag映射成3位整数的uid，存储指标数据时按uid存储，节省了大量存储空间，同时提高了查询效率。
tsdb-uid表结构如下：

tsdb-uid表包含两个列族”id”和“name“，其中列族name将uid映射到一个字符串，这里的uid就是我们在tsdb表中用作rowkey的。
列族id则是将字符串映射到uid。这两个列族的数据其实是相互对应的，两者存储的值和rowKey是互反的。
这里再说明一下这张表的作用：

tsdb-uid是 tsdb 的辅助表，用于查找uid对应的指标或者指标对应的uid，它就是用于存储一些映射关系，由于这张表的存在，可以节省存储空间。我们的metric，tag会在数据中重复出现多次，但它在tsdb-uid这张表中只会存一次，并且会有一个唯一的uid与之对应。
这样在tsdb中再存储这个数据的时候，我们反复存储的就不是这个值而是这个uid，很多情况下这个uid的长度远远小于这个值的长度，这样就在一定程度上节省了很多空间。
在前面提到这里的uid默认是3字节整数，2^23是8百多万，但是这个数据并不是说我们只能存储8百多万条数，而是8百多万种数据（这个数据量是指metric或是tag的种类），相同的metric和tag对应的是同一个uid，而2^23是说可以有这个量的uid存在，而这些uid可以对应多少条数据取决于数据中数据项的重复程度。

5.1.3 tsdb表

tsdb是实际存储数据的表，对于一小时内相同metrics和tags的datapoint，在tsdb表中OpenTSDB会合并成一行数据，并且更进一步，将所有列的数据会合并成一列，通过合并数据行和列减少了大量冗余key的存储，节省大量存储空间。tsdb表结构如下：

tsdb表包含一个列族“t”，在HBase中列族名字越短，所占用的字节数也就越短，越有利于存储。
tsdb表中RowKey的设计：RowKey的设计规则是 metric + timestamp + tagk1 + tagv1… + tagkN + tagvN。
但是OpenTSDB并不是简单地将这些数据组合起来，OpenTSDB为了节省存储空间，将每个部分都做了映射。

这里面除了timestamp，每一项都在tsdb-uid表中有一个映射。默认是每一个值都映射到一个3字节的整数，就是24位，2^23是800W+，但是我们可以自己配置字节数，比如我们可以用四个字节，那就是几十亿的数据量。

映射关系为：proc.loadavg.1m-->052、 host-->001、 web42-->028、 pool-->047、static→001。

这样Rowkey的设计还有一个好处，就是各个项的长度是固定的，对于原来的每一个metric,tag key,tag value的长度都是不固定的，这不利于通过字节偏移量来直接定位它们。(否则需要使用特定的分隔符来对各个项进行分割，而且为了避免输入信息中可能存在特定的分隔符导致解析出错,还要对所有输入信息的分割符进行转义处理)。

tsdb表中Column的设计：
为了方便后期更进一步的节省空间，OpenTSDB将一个小时的数据，保存在一行里面。
列的设计依赖于Timestamp，将一行数据表示为一个小时的，用Timestamp除以小时(一小时 = 60秒 * 60分钟 = 3600 秒 ) ，就可以得到这条数据是哪一个小时，余数作为列名。那么1234567890（2009-02-14 07:31:30）得到的是1234566000整点时间戳（2009-02-14 07:00:00），余数1890（1234566000+1890 = 1234567890（2009-02-14 07:31:30）)。

那么1234566000会放在rowKey中，1890秒会作为列名，即小时内秒数被当作了Column，表示这条数据是在这个小时里面的第1890秒。
这里的设计是充分利用了HBase列可以动态扩充的特点。我们并不知道这一个小时会有多少条数据，但是同一时间段来的数据余数肯定不一样，这样就可以不断地添加列。

5.1.4 tsdb-tree表

它是一张索引表，用于展现树状构造的，类似于文件系统，以方便其他系统使用，这里咱们不做深刻的剖析。(备注：此表暂无实际运用案例，默认未开启该特性。)
通过配置项tsd.core.tree.enable_processing来打开是否需要往此表里面写入数据。

5.1.5 tsdb-meta表

用于存储时间序列索引和元数据，默认未开启该特性。(备注：此表暂无实际运用案例)
这个表是OpenTSDB中不同时间序列的一个索引，可以用来存储一些额外的信息，该表只有一个列族name，两个列，分别为ts_meta、ts_ctr。

这个表里面的数据是可以根据配置项配置来控制是否生成与否，生成几个列，具体的配置项有：

tsd.core.meta.enable_realtime_ts
tsd.core.meta.enable_tsuid_incrementing
tsd.core.meta.enable_tsuid_tracking

RowKey和tsdb表一样，其中不包含时间戳： [...]。
ts_meta Column 和UIDMeta相似，其为UTF-8编码的JSON格式字符串。
ts_ctr Column 计数器，用来记录一个时间序列中存储的数据个数，其列名为ts_ctr，为8位有符号的整数。

六、使用注意事项

1) 默认提供的HBase建表语句是没有预分区的，这样会导致大批量数据写入的时候有热点问题，建议进行预分区。
2) OpenTSDB 只有4 张HBase 表，所有的数据都存放在tsdb一张表，这就意味在OpenTSDB 这个层级上是无法更小的粒度来区别对待不同业务，比如不同的业务建不同的表存储数据。