如何在 Ubuntu 20.04 上安装和使用 TimescaleDB

作者选择了COVID-19 救济基金来接受捐赠，作为Write for DOnations计划的一部分。

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数据或系统随时间变化的方式。在这些情况下，数据表示为时间序列，每个数据点都带有时间戳。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加。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，仅举几例。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。

经典关系型数据库最常用于存储数据，但它们并不总是适合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。因此，创建了专门优化的数据库，称为NoSQL 数据库，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。它是作为PostgreSQL的扩展实现的，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 将业务数据和时间序列数据存储在一个地方。

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

要学习本教程，您需要：

第 1 步 – 安装 TimescaleDB

TimescaleDB 在 Ubuntu 的默认包存储库中不可用，因此在此步骤中，您将从 TimescaleDB 个人包存档 (PPA) 安装它。

首先，添加 Timescale 的 APT 存储库：

  • sudo add-apt-repository ppa:timescale/timescaledb-ppa

通过敲击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 12 版；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+ 的支持已弃用，并将在未来版本中删除。

TimescaleDB 现在已安装并可以使用。接下来，您将打开它并调整 PostgreSQL 配置文件中与它相关的一些设置以优化数据库。

第 2 步 – 配置 TimescaleDB

TimescaleDB 模块在默认的 PostgreSQL 配置设置下工作正常，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。这可以使用该timescaledb-tune工具自动完成，也可以通过手动编辑服务器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。

运行以下命令启动配置向导：

  • sudo timescaledb-tune

首先，系统会要求您确认 PostgreSQL 配置文件的路径：

Output
Using 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，因此请输入y以下内容进行确认：

Output
...
Is this correct? [(y)es/(n)o]: y
Writing backup to:
/tmp/timescaledb_tune.backup202005300523

接下来，系统将提示您更改shared_preload_libraries变量以在启动 PostgreSQL 服务器时预加载 TimescaleDB 模块：

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接受以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y在此提示下键入并按来启用 TimescaleDB 模块ENTER： 

Output
    ...
Is this okay? [(y)es/(n)o]:  y
success: shared_preload_libraries will be updated

根据您的服务器的特性和 PostgreSQL 版本，您将被要求调整您的设置。按y开始调谐过程：

Output
Tune 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会自动检测服务器的可用内存和用于计算推荐值shared_buffers，effective_cache_size，maintenance_work_mem，和work_mem设置。shared_buffers例如，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。该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GitHub 页面timescaledb-tune。

输入y以接受以下值：

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则会直接将您发送到 WAL 设置。

那些有多个 CPU 的人会遇到这样的建议：

Output
Parallelism 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]:

这些设置调节了处理请求和后台任务的工作人员的数量。您可以从TimescaleDB和PostgreSQL文档中了解有关这些设置的更多信息。

y然后键入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，您将找到预写日志 (WAL)设置的建议：

Output
WAL 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，但默认设置可能会导致 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

您现在会发现一些杂项建议：

Output
Miscellaneous 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，因此最好的值effective_io_concurrency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

因此，您将在./etc/postgresql/12/main/postgresql.conf

注意：如果您是从头开始安装，您还可以运行带有--quiet和--yes标志的初始命令，这将自动应用所有建议并对postgresql.conf配置文件进行更改：

  • 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级表并执行操作来处理这些数据。

步骤 3 — 创建新的数据库和 Hypertable

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，所以对时序数据的操作和关系数据的操作没有太大区别。同时，数据库允许您将来自由组合来自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。本教程将命名数据库timeseries：

  • CREATE DATABASE timeseries;

  • \c timeseries

您可以在我们的如何在云服务器上的 PostgreSQL 中创建、删除和管理表教程中找到有关使用 PostgreSQL 数据库的更多信息。

最后，启用 TimescaleDB 扩展：

  • CREATE EXTENSION IF NOT EXISTS timescaledb CASCADE;

您将看到以下输出：

Output
WARNING:
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。

要创建超级表，请从常规 SQL 表开始，然后通过函数将其转换为超级表create_hypertable。

在本教程中，创建一个表，用于存储随时间推移跨设备集合跟踪温度和湿度的数据：

  • 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四列的表。第一列将存储时间戳，其中包括时区且不能为空。接下来，您将使用时间列将您的表转换为按时间分区的超表：

  • SELECT create_hypertable('conditions', 'time');

此命令调用该create_hypertable()函数，该函数从 PostgreSQL 表创建一个 TimescaleDB 超级表，替换后者。

您将收到以下输出：

Output
    create_hypertable
-------------------------
 (1,public,conditions,t)
(1 row)

在此步骤中，您创建了一个新的超级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，然后运行删除它的过程。

步骤 4 — 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INSERTSQL 命令将数据插入到超级表中。使用以下命令为理论设备插入一些示例temperature和humidity数据weather-pro-000000：

  • 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：

Output
INSERT 0 1

您还可以一次插入多行数据。请尝试以下操作：

  • 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：

Output
INSERT 0 3

您可以INSERT使用以下RETURNING语句指定该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)

如果要从超级表中删除数据，请使用标准DELETESQL 命令。运行以下命令以删除任何temperature高于80或humidity高于 的数据50：

  • DELETE FROM conditions WHERE temperature > 80;

  • DELETE FROM conditions WHERE humidity > 50;

删除操作后，建议使用该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VACUUM在PostgreSQL 文档中找到有关该命令的更多信息。

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会同时从多个设备生成庞大的数据集，因此了解如何一次插入数百或数千行也很重要。如果您以结构化的形式（例如csv格式）准备了来自外部来源的数据，则可以快速完成此任务。

为了对此进行测试，您将使用一个示例数据集，该数据集表示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示例数据集中导入数据到您的数据库中。首先，退出 Postgresql：

  • \q

然后下载数据集并解压： 

  • 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数据库并执行将\COPY数据从所选文件复制到conditionshypertable 的命令。它将运行几秒钟。

将数据输入表中后，您将收到以下输出：

Output
COPY 1000000

在这一步中，您将数据手动批量添加到超级表中。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。

首先，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conditionshypertable 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，您过去常常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weather-pro-000000设备中的条目，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，TimescaleDB 还提供了许多对时序数据分析有用的特殊函数。例如，要查找温度值的中值，您可以将以下查询与percentile_cont函数一起使用：

  • 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的中间温度。

要显示每个传感器的最新值，您可以使用以下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，请使用该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，您使用了该time_bucket函数，它充当 PostgreSQLdate_trunc函数的更强大版本。因此，您将看到一天中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函数。

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需要的数据以及如何压缩数据。

步骤 6 — 配置数据压缩和删除

随着数据的积累，它会占用越来越多的硬盘空间。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TimescaleDB 中的这篇压缩文章。

首先，启用 hypertable 的压缩：

  • ALTER TABLE conditions SET (

  •   timescaledb.compress,

  •   timescaledb.compress_segmentby = 'device_id'

  • );

您将收到以下输出：

Output
NOTICE:  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：您还可以设置 TimescaleDB 来压缩指定时间段内的数据。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，您将看到一个包含状态的块列表：压缩状态以及未压缩和压缩数据占用的空间（以字节为单位）。

如果您不需要长期存储数据，您可以删除过期数据以释放更多空间。drop_chunks为此有一个特殊的功能。它允许您删除数据早于指定时间的块：

  • SELECT drop_chunks(interval '24 hours', 'conditions');

此查询将从超表中删除所有conditions仅包含一天前数据的块。

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，您可以配置一个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，crontab使用以下命令编辑您的命令，该命令应该从 shell 运行：

  • sudo crontab -e

现在将以下行添加到文件末尾：

定时任务表
...

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

此作业将在每天凌晨 1:00 删除早于一天的过时数据。

结论

您现在已经在 Ubuntu 20.04 服务器上设置了 TimescaleDB。您还尝试创建一个超级表、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来创建图表。TimescaleDB与使用 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 教程来了解有关此流行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。

觉得文章有用？

点个广告表达一下你的爱意吧 ！😁