时序数据库GeminiDB Influx接口介绍
什么是云数据库GeminiDB Influx接口
GeminiDB Influx接口是一款基于计算存储分离架构，兼容InfluxDB生态的云原生NoSQL时序数据库。在云计算平台高性能、高可用、高可靠、高安全、可弹性伸缩的基础上，提供了一键部署、快速备份恢复、计算存储独立扩容、监控告警等服务能力。广泛应用于资源监控，业务监控分析，物联网设备实时监控，工业生产监控，生产质量评估和故障回溯等。提供大并发的时序数据读写，压缩存储和类SQL查询，并且支持多维聚合计算和数据可视化分析能力。
相比InfluxDB等开源时序数据库，采用存储与计算分离的云原生数据库设计具备以下优势：
容忍N-1节点故障，更高可用。
存储与计算分离，可以复用成熟的分布式存储系统，提供系统的极致可靠性。时序数据通常会持续高性能写入，同时还有大量的查询业务，任何系统故障导致业务中断甚至数据丢失都会造成严重的业务影响，而利用经过验证的成熟的分布式存储系统，能够显著的提升系统可靠性，降低数据丢失风险。
分钟级计算节点扩容，秒级存储扩容。
解除在传统Shared Nothing架构下，数据和节点物理绑定的约束，数据只是逻辑上归宿于某个节点，使的计算节点无状态化。这样在扩容计算节点时，可以避免在计算节点间迁移大量数据，只需要逻辑上将部分数据从一个节点移交给另一个节点即可，可以将集群扩容的耗时从以天为单位缩短为分钟级别。
消除多副本冗余，降低存储成本。
通过将多副本复制从计算节点卸载到分布式存储节点，可以避免用户以Cloud Hosting形态在云上自建数据库时，分布式数据库和分布式存储分别做3副本复制导致总共9副本的冗余问题，能够显著降低存储成本。
云数据库GeminiDB Influx接口5大特性
采用云原生存储与计算分离架构，具有支持亿级时间线、极致写入性能、低存储成本、高性能多维聚合查询和极致弹性扩缩容等5大特性。
在时序数据库系统中，存在大量并发查询和写入操作，合理控制内存的使用量显得十分重要。
开源时序数据库VictoriaMetrics、InfluxDB在写入数据的时间线增加到千万级别时，进程会因内存耗尽而OOM退出。为了避免写入海量时间线数据导致内存资源被耗尽，GeminiDB Influx接口做了如下优化：
1、在内存分配上，大量使用内存池复用技术，减少临时对象内存申请，降低内存碎片。
2、在内存回收上，实现算法根据内存负载，动态调整GC频率，加快内存空间回收。
3、在单查询上，实行Quota控制，避免单查询耗尽内存。
4、在缓存使用上，针对不同节点规格提供不同的最优配置。
经过改进，在海量时间线下，系统写入性能保持稳定，大幅超出InfluxDB开源实现。对于涉及海量时间线的聚合查询，如高散列聚合查询，查询性能提升更为显著。
相比单机模式，集群模式可以将写入负载分散到集群中各个计算节点上，从而支持更大规模的数据写入。GeminiDB Influx接口支持每天万亿条数据写入，在工程实现上进行了以下优化：
1、时序数据按照时间线做Hash Partition，利用所有节点并行写入，充分发挥集群优势。
2、Shard节点采用针对写场景优化的LSM-Tree布局，写WAL后确保日志持久化，再写入内存Buffer即可返回。
3、数据库多副本复制卸载到分布式存储，降低计算节点到存储节点的网络流量。
4、在大规模写入场景下，GeminiDB Influx接口的写入性能线性扩展度大于80%。
GeminiDB Influx接口 对数据采用列式存储，相同类型的数据被集中存储，更有利于数据压缩。采用自研的时序数据自适应压缩算法，在压缩前对数据进行抽样分析，根据数据量、数据分布以及数据类型选择最合适的数据压缩算法。在压缩算法上，相比原生的InfluxDB，重点针对Float、String、Timestamp这三种数据类型进行了优化和改进。
Float数据类型： 对Gorilla压缩算法进行了优化，将可以无损转换的数值转为整数，再根据数据特点，选择最合适的数据压缩算法。
String数据类型：采用了压缩效率更好的ZSTD压缩算法，并根据待压缩数据的Length使用不同Level的编码方法。
Timestamp数据类型：采用差量压缩方法，最后还针对数据文件内的Timestamp进行相似性压缩，进一步降低时序数据存储成本。
在提升聚合查询整体性能方面，GeminiDB Influx接口做了如下优化：
采用MPP架构：一条查询语句可以在多节点及多核并发执行。
向量化查询引擎：在查询结果数据量很大时，传统的火山模型每次迭代返回一条数据，存在过多的开销导致性能瓶颈。GaussDB（for Influx）内部实现了向量化查询引擎，每次迭代批量返回数据，大大减少了额外开销。
增量聚合引擎：基于滑动窗口的聚合查询，大部分从聚合结果缓存中直接命中，仅需要聚合增量数据部分即可。
多维倒排索引：支持多维多条件组合查询，避免大量Scan数据。
存储摘要索引：加快数据查询中过滤无关数据。
在时序数据库的运行过程中，随着业务量的增加，常常需要对数据库进行在线扩容，以满足业务的要求。传统数据库中的数据存储在本地，扩容后往往需要迁移数据。当数据量达到一定规模时，数据迁移所耗费的时间往往按天计算，给运维带来了很大的困难。
如图所示，每个Database逻辑上由多个Partition组成，每个Partition独立存储，且都可自描述。所有Partition数据都存储在分布式共享存储上，数据库Shard节点和数据没有物理绑定关系。扩容时首先offload源节点Partition，再在目标节点assign即可。
