TSDB的数据如何利用Hadoop/spark集群做数据分析？

Posted 2021-04-13 百度智能云

物联网场景已经成为各行业巨头和各互联网公司的兵家必争之地，百度云天工TSDB对物联网场景下时序数据表现除了优秀的存储和查询能力，已经成为物联网应用的标配，支撑着智能制造、工业能源、智能车联网、智能家居、智慧城市等多个行业应用。TSDB正在助力企业拥抱物联网时代的到来。

 

众所周知，百度云TSDB在读取、写入和查询数据上的性能一直表现优异。

• 支持每秒百万级数据点的写入，可线性扩展

• 查询1亿个数据点聚合值的响应时间小于1秒

• 提供优于传统数据库的压缩能力，大大节约存储空间

• 弹性、按需的海量数据存储能力，成本更低。

我们都清楚，仅有提供海量的数据存储、极速的查询能力还不足以支撑不停发展的物联网行业应用。存储的海量数据如何产生价值为业主所用，是TSDB要解决的新问题。

物联网场景下，设备都是7*24小时工作以一定的频率上报数据的，数据量十分巨大。比如一辆无人车，以10Hz的频率上传数据，每次上传20个维度的数据点，每辆车每天就要存储1700万数据点；一个传感类监测设备比如温度传感器，通常每10秒钟上传一次数据，一个楼宇建筑中如果部署200个监测点，那一天下来需要170万个数据点。随着业务的发展，数据只会越来越多。这么多数据都是挖掘行业应用的金矿。

 

我们都不甘心数据只做存储躺在服务器里，那怎么把TSDB中的数据发挥价值呢。不用担心，TSDB目前已经可以作为Hadoop和spark集群的数据源，进行数据分析计算啦。

 

先来看最常使用的大数据分析工具Hadoop。Hadoop作为大数据分析的领军代表，提供可靠存储HDFS以及MapReduce编程范式以便大规模并行处理数据。TSDB作为存储海量数据的数据源，自然更需要Hadoop的帮助来做数据分析啦。我们都知道，Hadoop提供了基于廉价硬件实现大规模并行处理的能力，不过，简单的查询都要写MapReduce代码，对于商业用户实在不怎么友好。所以TSDB采用了更友好的方式，直接提供基于TSDB的Hive SQL。Hive是一个关系数据仓库，用户可以方便的利用类似SQL语言查询数据，而Hive会自动把SQL语言转换成MapReduce代码交给Hadoop处理。

 

那么，怎样用Hive的方式将TSDB的数据可以引用到Hadoop中做数据分析呢？非常简单，只有三步。

 

让我们来举个栗子：

一个风机监测站，用TSDB来存储风速的实时数据。大家知道，风速可是矢量数据，TSDB存储了x轴和y轴的数据，需要对x和y轴的数据求矢量和才能得到风速。

TSDB中的原始数据用简单的表格示意一下，就是如下：

背景就是这么简单，我们就开始三步走啦。

 

二、Hadoop集群中加载Jar包，并初始化。

示例代码如下：

上面的代码由以下几部分组成，

1、加载Jar包、创建表、设置storage为TSDBStorageHandler

2、初始化TSDB的参数。在TBLPROPERTIES中初始化在TSDB中用到的相关参数，如tsdb.metric_name、tsdb.timestamp_name、tsdb.field_names、tsdb.tag_keys初始化为TSDB中的值

三、通过SQL得到结果

上面的x轴和y轴的风速，需要计算矢量和拿到最后的风速，利用SQL和计算函数就很简单啦

得到的结果如下：

是不是很简单，聪明的你一定可以举一反三，用灵活的hive工具，就可以完成更复杂的在Hadoop做数据分析的功能啦。

除了可以直接使用hiveSQL，TSDB还支持spark SQL，步骤还是和将大象装进冰箱一样需要三步哦，需要的开发者可以直接查看帮助文档来查看操作步骤和示例代码哟（点击“阅读原文”查看）。

最后，别忘了动手实践，可以把实践的教程贴到天工的论坛中跟大家一起分享，大家好才是真的好。