目录
前言
我们可以将设备上行数据存储到关系型数据库中，我们需要两张带有时间戳的表（最新数据表 和 历史数据表），历史数据表存储所有设备上报的数据，最新数据表需要存储设备最新一条上报数据，这条最新数据相当于设备的当前状态。然后展示的时候只展示最新一条数据的状态，报表查询可以按照设备id和时间从历史数据表查询汇总。
这样是可以的，但是我们的最新数据表需要被频繁的更新，数据量少的时候没问题。但数据量大，并发高的时候就会出现问题。
1、存储成本：数据不会被压缩，导致占用存储资源。
2、维护成本：单表数据量太大时，需要人工分库分表。
3、写入性能：单机写入吞吐量难以满足大量上行数据的写入需求，数据库存在性能瓶颈。
4、查询性能：数据量太大导致查询性能受到影响。
分析
我们可以采用时序库来解决上述问题，首先来了解一下什么是时序数据。时序数据是按照时间维度进行索引的数据，它记录了某个被测量实体在一定时间范围内，每个时间点上的一组测试值。传感器上传的室内PM2.5和甲醛数据、净水器传感器当前的TDS值、计算机系统的监控数据等，都属于时序数据，时序数据有如下特点：
1、数据量较大，写入操作是持续且平稳的，而且写多读少。
2、只有写入操作，几乎没有更新操作，比如去修改传感器的历史数据，是没有意义的。
3、没有随机删除，即使删除也是按照时间范围进行删除。删除某一个时间点的数据没有意义，但是删除2年前的数据是有意义的。
4、数据实时性和时效性强，数据随着时间的推移不断追加，旧数据很快失去意义。
5、大部分以时间和实体为维度进行查询，很少以测试值为维度查询，比如用户会查询某个时间段的温度数据，但是很少会去查询温度高于多少度的数据记录。
显然IoT的业务是符合使用时序库的场景的。
序数据库就是用来存储时序数据的数据库，时序数据库相较于传统的关系型数据和非关系型数据库而言，专门优化了对时序数据的存储，开源的时序数据库有InfluxDB OpenTSDB、TimeScaleDB 等。本文以InfluxDB数据库进行演示。
时序数据库有如下几个概念。
1.Metric:度量，相当于关系型数据库中的表(table)。
2.Data Point:数据点，相当于关系型数据库的中的行(row)。
3.Timestamp:时间戳，数据点生成时的时间戳。
4.Field:测量值，比如温度和湿度、PM2.5等。
5.Tag:标签，用于标识数据点，通常用来标识数据点的来源，比如温度和湿度数据来自哪个房间，哪个设备，可以当作关系型数据库表的主键。
如下图，度量为 Wind，每一个数据点都具有一个 timestamp，两个 field：direction 和 speed，两个 tag：sensor、city。它的第一行和第三行，存放的都是 sensor 号码为 95D8-7913 的设备，属性城市是上海。随着时间的变化，风向和风速都发生了改变，风向从 23.4 变成 23.2；而风速从 3.4 变成了 3.3。
图片来自网络
实施步骤
时序库的安装
安装参考官方文档，为了方便，我这里采用docker安装
docker run --name influxdb -p 8086:8086 influxdb:2.7.0
我们打开 服务器ip:8086 可以看到它自带的管理界面，我们首先创建用户名密码，组织、以及Bucket的名称。
这里的bucket "IoTDemos" 相当于数据库的名称
我们记录一下这个Token，一会连接influxdb需要，相当于账号密码
解决playload没有时间戳问题
对于时序库来讲，时间戳是非常重要的，但是我们拿到的playload并没有时间戳（MQTTNet包我没有找到拿时间戳的方法）。
所以我们需要在mqtt上想办法，让设备上报数据的时候，mqtt自动添加时间戳到playload中。
1、我们在数据集成->规则中新建一条规则名称为"Add_Ts"。SQL编写如下
SELECT
*,
now_timestamp('millisecond') as payload.Ts
FROM
"topic/#"
topic/# 代表消息发布到"topic/#"主题的事件
now_timestamp函数返回当前时间的 Unix 时间戳，我们将时间戳写入到payload的Ts属性中，关于更多内置SQL函数，请参考官方文档
https://www.emqx.io/docs/zh/v5.0/data-integration/rule-sql-builtin-functions.html
2、我们打开下面的调试，模拟设备上报一条数据，可以看到这条规则帮我们加入了时间戳。
3、然后我们还需要处理添加了时间戳的处理结果，我们在右侧添加一个动作，选择消息重发布，将刚刚添加了时间戳的消息重发到一个新的Topic上，我们使用${topic}/dp，并在playload中添加${payload}，这样我们就修改了playload中的!
信息，添加了我们需要的时间戳，当然，我们Hub订阅的消息也需要对应修改，添加/dp后缀。
4、首先我们先修改MASA.IoT.Hub的配置文件，Topic添加"/dp"后缀
"MqttSetting": {
...
"Topic": "$share/IotHub/topic/+/dp"
},
5、CallbackAsync中，因为我们设备名称是从Topic截取的，也要对应修改一下。
private async Task CallbackAsync(MqttApplicationMessageReceivedEventArgs e)
{
var deviceDataPointStr = System.Text.Encoding.Default.GetString(e.ApplicationMessage.PayloadSegment);
Console.WriteLine(deviceDataPointStr);
var pubSubOptions = new PubSubOptions
{
//修改一下获取设备名称的方式
DeviceName = e.ApplicationMessage.Topic[6..^3],
Msg = deviceDataPointStr,
PubTime = new DateTimeOffset(DateTime.Now).ToUnixTimeMilliseconds(),
TrackId = Guid.NewGuid()
};
...
}
代码编写
解决完时间戳的问题，我们就可以编写代码向InfluxDB中写入数据了，我们首先在Infrastructure文件夹下创建ITimeSeriesDbClient接口和TimeSeriesDbClient类，使用接口也方便我们日后更换其他的时序库。
这里使用了InfluxDB.Client包。
ITimeSeriesDbClient.cs
namespace MASA.IoT.Core.Infrastructure
{
public interface ITimeSeriesDbClient
{
bool WriteMeasurement<T>(T measurement);
}
}
TimeSeriesDbClient.cs
using InfluxDB.Client;
using InfluxDB.Client.Api.Domain;
using MASA.IoT.WebApi;
using Microsoft.Extensions.Options;
namespace MASA.IoT.Core.Infrastructure
{
public class TimeSeriesDbClient : ITimeSeriesDbClient
{
private readonly InfluxDBClient _client;
private readonly string _bucket;
private readonly string _org;
private readonly AppSettings _appSettings;
public TimeSeriesDbClient(IOptions<AppSettings> settings)
{
_appSettings = settings.Value;
_org = _appSettings.InfluxDBSetting.Org;
_bucket = _appSettings.InfluxDBSetting.Bucket;
_client = new InfluxDBClient(_appSettings.InfluxDBSetting.Url, _appSettings.InfluxDBSetting.Token);
}
public bool WriteMeasurement<T>(T measurement)
{
try
{
using var writeApi = _client.GetWriteApi();
writeApi.WriteMeasurement<T>(measurement, WritePrecision.Ms, _bucket, _org);
return true;
}
catch (Exception ex)
{
Console.WriteLine(ex.Message);
return false;
}
}
}
}
这里使用new InfluxDBClient(_appSettings.InfluxDBSetting.Url, _appSettings.InfluxDBSetting.Token)来构造InfluxDBClient。
Token就是我们创建Bucket过程中保存的Token。
Url是我们InfluxDB的访问地址：http://127.0.0.1:8086
写入的方法WriteMeasurement中我们通过_client.GetWriteApi创建一个写入的api然后直接将我们要写入的泛型实体写入，第二个可选参数代表写入精度，这里我们使用WritePrecision.Ms
我们在DeviceHandler.cs中注入ITimeSeriesDbClient 并添加一个WriteMeasurementAsync方法，在方法中我们先根据设备名称获取产品，如果识别产品ID为10001（空净产品），
那么我们就写入数据到Measurement：AirPurifierDataPoint
Measurement相当于数据库的表。
Measurement和Column特性都是InfluxDB.Client.Core提供的，可以用来标识Tag、Timestamp等
using InfluxDB.Client.Core;
using Newtonsoft.Json;
namespace MASA.IoT.Core.Contract
{
[Measurement("AirPurifierDataPoint")]
public class AirPurifierDataPoint
{
/// <summary>
/// 设备名称
/// </summary>
[Column("DeviceName", IsTag = true)] public string DeviceName { get; set; }
/// <summary>
/// 产品ID
/// </summary>
[Column("ProductId", IsTag = true)] public Guid ProductId { get; set; }
/// <summary>
/// Pm2.5
/// </summary>
[Column("PM_25")] public double? Pm_25 { get; set; }
/// <summary>
/// 温度
/// </summary>
[Column("Temperature")] public double? Temperature { get; set; }
/// <summary>
/// 湿度
/// </summary>
[Column("Humidity")] public double? Humidity { get; set; }
/// <summary>
/// 时间戳
/// </summary>
[JsonProperty(propertyName: "Ts")]
[Column(IsTimestamp = true)] public long Timestamp { get; set; }
}
}
public class DeviceHandler : IDeviceHandler
{
private readonly MASAIoTContext _ioTDbContext;
private readonly IMqttHandler _mqttHandler;
private readonly ITimeSeriesDbClient _timeSeriesDbClient;
public DeviceHandler(MASAIoTContext ioTDbContext, IMqttHandler mqttHandler, ITimeSeriesDbClient timeSeriesDbClient)
{
_ioTDbContext = ioTDbContext;
_mqttHandler = mqttHandler;
_timeSeriesDbClient = timeSeriesDbClient;
}
/// <summary>
/// 写入数据
/// </summary>
/// <typeparam name="T"></typeparam>
/// <param name="pubSubOptions"></param>
/// <returns></returns>
public async Task<bool> WriteMeasurementAsync<T>(PubSubOptions pubSubOptions)
{
var device = await _ioTDbContext.IoTDeviceInfo.Include(o => o.ProductInfo).AsNoTracking()
.FirstOrDefaultAsync(o => o.DeviceName == pubSubOptions.DeviceName);
if (device != null && device.ProductInfo.ProductCode == "10001") //空气净化器产品
{
var airPurifierDataPoint = JsonConvert.DeserializeObject<AirPurifierDataPoint>(pubSubOptions.Msg);
airPurifierDataPoint.ProductId = device.ProductInfoId;
return _timeSeriesDbClient.WriteMeasurement<AirPurifierDataPoint>(airPurifierDataPoint);
}
return false;
}
除了WriteMeasurement方法之外，还提供了很多其他方法，如WritePoint，和批量写入的方法，可自行测试。
测试
我们启动项目，通过MQTTX向"topic/284202304230001"上报一条数据
{
"DeviceName":"284202304230001",
"Pm_25":100,
"Temperature":25,
"Humidity":50
}
我们在influxDB的管理工具中使用Data Explorer，使用如下的flux query查询语句，即可查出5分钟之内的数据，注意，这里的时间是UTC时间
如果想显示北京时区方便调试，可以在后面添加|> timeShift(duration: 8h)
from(bucket: "IoTDemos")
|> range(start:-5m)
关于flux查询语法
总结
本节我们简单介绍了开源时序数据库influxDB的安装。
我们借助InfluxDB.Client库完成设备从上报到时序库数据存储的全过程，下一节我们介绍从时序库查询数据。
完整代码在这里：https://github.com/sunday866/MASA.IoT-Training-Demos
标签：MASA,4.2,数据库,IoT,写入,时序,我们,数据,public From： https://www.cnblogs.com/sunday866/p/17402042.html