墨天轮沙龙 | 清华乔嘉林：Apache IoTDB，源于清华，建设开源生态之路 - 极术社区

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