博客
关于我
Apache IoTDB源码解析(0.11.2版本):基本的数据结构解析(iotdb的内存表、存放的值)
阅读量:346 次
发布时间:2019-03-04

本文共 628 字,大约阅读时间需要 2 分钟。

IoTDB内存表模型与源码分析

1. 声明

本文旨在分享学习IoTDB源码的经历和收获,重点探讨其内存表的数据结构设计。所有内容源自于GitHub直接拉取的IoTDB开源项目源码。

2. AbstractMemTable源码分析

IoTDB采用HashMap作为内存表的基础数据结构,key为devcId(表示某个时序的前缀),value为另一个Map,用于存储时序后缀、时间戳集合以及数值集合。这种设计使得数据能够按照特定规则组织和检索。

3. IWritableMemChunk及子类源码解读

IWritableMemChunk类是IoTDB内存写入功能的核心实现,包含两个主要属性:MeasurementSchema(用于存储测点定义)和TVList(用于存储时序数据)。该类提供两种写入方式:单个数据写入和数组批量写入,分别通过相应的方法实现。

4. TVList及其子类分析

TVList位于org.apache.iotdb.db.utils.datastructure包下,作为时间序列数据的基础存储和排序接口。其子类BinaryTVList通过特定算法实现数据存储和索引计算,确保高效的时序数据管理和快速访问。

5. 内存表设计总结

IoTDB采用 HashMap管理内存表,devcId作为键,存储时序后缀及相关数据的Map作为值。TVList及其子类负责时序数据的存储和排序,通过两份数组分别管理时序和数值索引,确保数据的高效性和完整性。

转载地址:http://zcrh.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>
OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
查看>>
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>