TimescaleDB 入门

在本文中，我们将探讨TimescaleDB ，这是一个构建在PostgreSQL之上的开源时间序列数据库。我们将深入研究其特性，检查其功能，并讨论如何有效地与该数据库交互。

什么是TimescaleDB
TimescaleDB 是 PostgreSQL 的开源数据库扩展，旨在有效处理时间序列数据。它扩展了 PostgreSQL 的功能，为时间序列数据提供专用功能，包括自动时间分区、优化索引和压缩。

让我们简要了解一下它的一些主要功能：

  • 超级表是 TimescaleDB 中的一个关键概念。它们是按时间自动分区数据的 PostgreSQL 表。
  • 它支持连续聚合，允许我们预先计算和存储聚合。它通过避免在查询时动态计算聚合的需要来提高查询性能。
  • 它采用先进的压缩技术来最大限度地减少存储需求，同时保持查询性能。
  • TimescaleDB使用多维索引和基于时间的索引来加速查询，使其非常适合时间序列数据。

安装
要开始使用 TimescaleDB，我们首先需要确保我们的计算机上安装了 PostgreSQL。我们可以使用操作系统的包管理器来安装 PostgreSQL，或者从 PostgreSQL 的网站下载它。

成功安装PostgreSQL后，我们可以继续安装TimescaleDB。在开始安装之前，我们还需要安装Homebrew ：

brew tap timescale/tap
brew install timescaledb


使用TimescaleDB
初始化TimescaleDB
成功安装后，让我们连接到 PostgreSQL 实例并运行查询来初始化 TimescaleDB 实例：

CREATE EXTENSION IF NOT EXISTS timescaledb CASCADE;

此查询设置必要的扩展并准备我们的 PostgreSQL 环境以进行高效的时间序列数据处理。

创建超级表
TimescaleDB引入了Hypertable的概念，它是针对时间序列存储优化的分区表。超表始终按时间分区，因为它适用于时间序列数据，并且还具有在其他列上分区的灵活性。我们可以使用支持的数据类型之一进行分区：date、smallint、int、bigint、timestamp和timestamptz。

创建超级表涉及首先创建一个表，然后将其转换为超级表。我们首先创建一个常规表：

CREATE TABLE employee(
    id int8 NOT NULL,
    name varchar(255) NOT NULL,
    login_time timestamp,
    logout_time timestamp);

现在，让我们将其转换为超表：

SELECT create_hypertable('employee', by_range('login_time'));

create_hypertable()所需的参数是表名 employee 和维度构建器 by_range('login_time')。
维度生成器定义我们要使用哪一列来对表进行分区。

在这种情况下，我们可以跳过维度构建器，因为create_hypertable()自动假定单个指定列默认按时间进行范围分区。

对于表中现有的数据，我们可以包含migrate_data 选项进行迁移：

SELECT create_hypertable('employee', by_range('login_time'), migrate_data => true);

插入和查询数据
超级表就位后，我们就可以开始添加数据了。 TimescaleDB 提供了处理大量时间戳信息的有效机制。让我们执行插入：

INSERT INTO employee values('1', 'John', '2023-01-01 09:00:00', '2023-01-01 18:30:00');
INSERT INTO employee values('2', 'Sarah', '2023-01-02 08:45:12', '2023-01-02 18:10:10');

TimescaleDB 引人注目的功能之一是它能够使用标准 SQL 对时间序列数据执行高效查询。数据成功填充后，让我们继续查询它：

SELECT * FROM employee WHERE login_time BETWEEN '2023-01-01 00:00:00' AND '2023-01-01 12:00:00';

此查询检索特定时间范围内的数据，展示了使用 TimescaleDB 分析和可视化时间序列数据的简便性。

结论
在本文中，我们快速概述了 TimescaleDB，深入研究了设置和查询数据的基本步骤。 TimescaleDB 可以有效地处理大型时间序列数据集，这对于各种应用程序中的稳健数据管理来说非常有价值。