關于更詳細的描述，請查看文檔專業術語。

示例數據

下一章節將參考下面列出來的數據。雖然這些數據是虛構的，但是在TSDB For InfluxDB?中具有代表性。這些數據展示了從2015年8月18日午夜到2015年8月18日6時12分，兩位科學家（langstroth和perpetua）在兩個地點（location 1和location 2）分別計數得出的butterflies和honeybees的數量。假設數據存儲在名為my_database的數據庫中，并受到數據保留策略autogen的約束。其中，census是measurement；time列中的是時間戳；butterflies和honeybees都是field key，butterflies列和honeybees列中的數據是field value，location和scientist都是tag key，location列和scientist列中的數據是tag value。

name: census

討論

現在您已經在TSDB For InfluxDB?中看到了一些示例數據，這一章節將詳細分析這些數據的含義。

TSDB For InfluxDB?是一個時序數據庫，因此從時間開始分析是有意義。在上面的數據中，有一列是time，TSDB For InfluxDB?中所有的數據都有這一列。time存儲著時間戳，并且時間戳是以RFC3339 UTC格式展示與特定數據相關聯的日期和時間。

接下來的兩列，名為butterflies和honeybees，稱為field。field由field key和field value組成，其中，field key（butterflies和honeybees）是字符串，field key butterflies告訴我們蝴蝶的數量：從12到7，而field key honeybees告訴我們蜜蜂的數量：從23到22。

field value是您的數據，它們可以是字符串、浮點數、整數或者布爾值。因為TSDB For InfluxDB?是一個時序數據庫，所以field value始終和時間戳相關聯。示例數據中的field value如下：

12   23
1    30
11   28
3    28
2    11
1    10
8    23
7    22

field key-value對的集合組成一個field set，上面示例數據中總共有8個field set：

* butterflies = 12   honeybees = 23
* butterflies = 1    honeybees = 30
* butterflies = 11   honeybees = 28
* butterflies = 3    honeybees = 28
* butterflies = 2    honeybees = 11
* butterflies = 1    honeybees = 10
* butterflies = 8    honeybees = 23
* butterflies = 7    honeybees = 22

field是TSDB For InfluxDB?數據結構中必要部分之一，在TSDB For InfluxDB?中不能沒有field。同樣需要注意的是，field是沒有索引的。如果使用field value作為過濾條件來進行查詢，那么必須掃描完所有數據，才能找到與查詢中的其它條件也都匹配的所有結果。因此，相對于用tag作為過濾條件的查詢來說，那些用field value作為過濾條件的查詢性能會低很多（下文會有更多關于tag的介紹）。一般來說，field不應該包含經常被查詢的元數據（metadata）。

示例數據中的最后兩列location和scientist，就是tag。tag由tag key和tag value組成。tag key和tag value都是字符串，并記錄元數據。示例數據中的tag key是location和scientist，其中，location有兩個tag value：1和2，scientist也有兩個tag value：langstroth和perpetua。

在上面的數據中，tag set是所有tag key-value對的不同組合。示例數據中有4個tag set：

* location = 1, scientist = langstroth
* location = 2, scientist = langstroth
* location = 1, scientist = perpetua
* location = 2, scientist = perpetua

在TSDB For InfluxDB?中，tag不是必須要有的字段，您不需要一定在數據結構中添加tag。但是，使用tag通常大有裨益。因為不像field，tag是被索引的，這意味著以tag作為過濾條件的查詢會更快，所以tag非常適合存儲經常被查詢的元數據。

為什么索引很重要：Schema案例研究

假設您的大多數查詢都是以field key butterflies和honeybees的值作為過濾條件：SELECT FROM “census” WHERE “butterflies” = 1SELECT FROM “census” WHERE “honeybees” = 23

因為沒有在field上建索引，TSDB For InfluxDB?會在第一個查詢中掃描butterflies的每個值，并在第二個查詢中掃描honeybees的每個值，然后才能返回查詢結果。這種方式會大大拉長查詢響應時間，特別是當查詢規模變得更大的時候。為了優化查詢性能，可以重新調整數據的schema結構，使原來的field（butterflies和honeybees）變為tag，tag（location和scientist）變為field：

name: census

注意到現在butterflies和honeybees是tag，當再執行上面的查詢時，TSDB For InfluxDB?不需要在掃描它們的每一個值后才能返回結果了。

measurement作為tag，field和time列的容器，measurement的名字對存儲在相關field中數據的描述。measurement的名字是字符串，對于SQL用戶來說，measurement在概念上類似于table（表格）。示例數據中只有一個measurement，就是census。census告訴我們field value記錄了butterflies和honeybees的數量，而不是它們的大小、方向或某種幸福指數。

一個measurement可以有不同的保留策略（retention policies）。一個保留策略描述了TSDB For InfluxDB?保存數據的時間（DURATION）以及存儲在集群中數據的副本數量（REPLICATION）。

在示例數據中，census中的所有數據屬于保留策略autogen。TSDB For InfluxDB?自動創建autogen這個保留策略，它具有無限的存儲時間并且復制系數設為1。

現在您已經熟悉了measurement，tag set和保留策略，是時候討論序列（series）了。在TSDB For InfluxDB?中，序列是有共同的保留策略、measurement和tag set的數據的集合。以上示例數據中的共有4個序列：

在設計數據的schema和在TSDB For InfluxDB?中處理數據時，理解序列的概念是很有必要的。

最后，數據點（point）就是在相同序列里，具有相同時間戳的field set。例如，這就是一個數據點：

name: census
-----------------
time                    butterflies  honeybees   location    scientist
2015-08-18T00:00:00Z    1            30          1           perpetua

上面例子中的序列，其保留策略為autogen，measurement為census，tag set為location = 1, scientist = perpetua。該數據點的時間戳是2015-08-18T00:00:00Z。

我們剛剛介紹的所有內容都存儲在數據庫（database）中——示例數據存在數據庫my_database。TSDB For InfluxDB?數據庫與傳統數據庫類似，并且作為用戶、保留策略、連續查詢和時序數據的邏輯容器。

數據庫可以有多個用戶、連續查詢、保留策略和measurement。TSDB For InfluxDB?是一個schemaless（無模式）數據庫，意味著隨時可以輕松地添加新的measurement、tag和field。TSDB For InfluxDB?的設計宗旨就是能夠很好地處理時序數據。

恭喜您，您已經完整地閱讀完本文檔了。通過本文檔，您已經知道了TSDB For InfluxDB?中的基本概念和術語。如果您是初學者，我們建議您瀏覽文檔入門指南、通過HTTP API寫入數據和通過HTTP API查詢數據。希望我們的時序數據庫能夠很好地為您服務。

InfluxDB? is a trademark registered by InfluxData, which is not affiliated with, and does not endorse, TSDB for InfluxDB?.