BlueSky时间序列化数据库如何联合索引查询？

所以给定查询过滤条件 age=18 的过程就是先从 term index 找到 18 在 term dictionary 的大概位置，然后再从 term dictionary 里地找到 18 这个 term，然后得到一个 ting list 或者一个指向 ting list 位置的指针。然后再查询 gender= 女 的过程也是类似的。得出 age=18 AND gender= 女 就是把两个 ting list 做一个“与”的合并。

这个理论上的“与”合并的操作可不容易。对于 mysql 来说，如果你给 age 和 gender 两个字段都建立了索引，查询的时候只会选择其中 selective 的来用，然后另外一个条件是在遍历行的过程中在内存中计算之后过滤掉。那么要如何才能联合使用两个索引呢？有两种办法：使用 skip list 数据结构。同时遍历 gender 和 age 的 ting list，互相 skip；使用 bitset 数据结构，对 gender 和 age 两个 filter 分别求出 bitset，对两个 bitset 做 AN 操作。

BlueSky高性能时序数据库

非关系型数据库会超过关系型数据库，NoSQL会超过SQL。因为从社会构建的方式、交付的语言表述体系、视频采集的方式、工业生产IoT时序性数据大量产生等多个角度看，大部分新生成的数据都将是非关系型数据。而据IDC预测，到2023年，产生的非关系型数据的量会超过关系型数据。

成本与可用性呼唤时序数据库3

“关系型数据库包括Hadoop都无法对这些数据进行很好的存储和压缩，对磁盘的占用率比较高，没有对物联网设备及这些场景做优化和支持。于是，国外大厂（如Facebook）和新兴厂商（如InfluxDB）开始考虑是不是要研发新的数据库去做支撑。我国物联网发展比较快，现在也是蓬勃发展的时期，我国也需要有这样的数据库去满足这样的需求。可以说，是需求拉动了市场，数据存储与压缩成本的压力和一些使用的可用性的压力，引发了时序数据库的诞生。

BlueSky时序数据库怎么分

关系型数据库本身比较容易成为系统瓶颈，单机存储容量、连接数、处理能力都有限。当单表的数据量达到1000W或100G以后，由于查询维度较多，即使添加从库、优化索引，做很多操作时性能仍下降严重。此时就要考虑对其进行切分了，切分的目的就在于减少数据库的负担，缩短查询时间。

数据库分布式内容无非就是数据切分（Sharding），以及切分后对数据的***、整合。数据切分就是将数据分散存储到多个数据库中，使得单一数据库中的数据量变小，通过扩充主机的数量缓解单一数据库的性能问题，从而达到提升数据库操作性能的目的。

数据切分根据其切分类型，可以分为两种方式：垂直（纵向）切分和水平（横向）切分