TimeStream为了简化ES用作时序引擎的使用，直接内置了时序的数据模型。
在时序场景下，数据包含了三种类型的数据：
- 维度字段
- 指标字段
- 时间字段
ES通过设置index.mode=time_series，可以自动为mapping设置时间字段。
然后通过time_series_dimension和time_series_metric可以为字段设置维度或者指标类型。
TimeStream利用了这些能力，直接定义好数据模型：
| 字段 | 描述 |
|---|---|
| labels | 指标相关的属性，唯一标识个体的元数据，时间线ID可由labels生成。 |
| metrics | 指标数据集合，指标只能为long或者double类型。 |
| @timestamp | 指标记录对应的时间，默认是毫秒级的时间戳。 |
当然，用户也可以自定义模型字段。如果不指定的话，就使用上述的默认字段。
所以TimeStream最简单的创建方式就直接使用如下API：
PUT _time_stream/test_stream
让我们来可以看看，默认的创建方式，TimeStream内部会做哪些操作。通过如下的GET命令可以查看到time_stream内部的一些配置信息：
GET _time_stream/test_stream
首先time_stream会自动创建一个索引模板，模板内容如下：
{
"index_patterns" : [
"test_stream"
],
"template" : {
"settings" : {
"index" : {
"mode" : "time_series",
"codec" : "ali",
"refresh_interval" : "10s",
"ali_codec_service" : {
"enabled" : "true",
"source_reuse_doc_values" : {
"enabled" : "true"
}
},
"translog" : {
"durability" : "ASYNC"
},
"doc_value" : {
"compression" : {
"default" : "zstd"
}
},
"postings" : {
"compression" : "zstd"
},
"source" : {
"compression" : "zstd"
},
"routing_path" : [
"labels.*"
]
}
},
"mappings" : {
"numeric_detection" : true,
"dynamic_templates" : [
{
"labels_template_match_labels.*" : {
"path_match" : "labels.*",
"mapping" : {
"time_series_dimension" : "true",
"type" : "keyword"
},
"match_mapping_type" : "*"
}
},
{
"metrics_double_match_metrics.*" : {
"path_match" : "metrics.*",
"mapping" : {
"index" : "false",
"type" : "double"
},
"match_mapping_type" : "double"
}
},
{
"metrics_long_match_metrics.*" : {
"path_match" : "metrics.*",
"mapping" : {
"index" : "false",
"type" : "long"
},
"match_mapping_type" : "long"
}
}
],
"properties" : {
"@timestamp" : {
"format" : "epoch_millis||strict_date_optional_time",
"type" : "date"
}
}
}
},
"composed_of" : [ ],
"data_stream" : {
"hidden" : false
}
}
index_template settings中配置了以下关键参数。
| 参数 | 说明 |
|---|---|
| index.mode | 取值time_series，表示创建的索引类型是time_series索引，系统会自动集成Elasticsearch在时序场景的最佳实践配置。 |
| index.codec | 取值ali，表示使用aliyun-codec索引压缩插件。与以下参数配合使用，可以极大减少磁盘存储空间： * index.ali_codec_service.enabled=true：开启codec压缩功能。 * index.doc_value.compression.default=zstd：doc_values使用zstd压缩。 * index.postings.compression=zstd：倒排数据使用zstd压缩。 * index.ali_codec_service.source_reuse_doc_values.enabled=true：不存储source，使用doc_values拼装source。 * index.source.compression=zstd：正排数据使用zstd压缩。 |
index_template mappings配置了时序模型对应的dynamic_templates配置：
- 维度字段：默认使用keyword类型，然后配置time_series_dimension=true，标识为维度字段。index.mode=time_series会把所有time_series_dimension=true的字段拼装成一个时间线id（_tsid）的内部字段。
- 指标字段：支持double和long类型，只存储doc_values，不存储索引。
所以可以看到，一个默认的创建接口，TimeStream将数据模型和时序场景的最佳实践直接集成，极大的降低了用户的使用门槛。
写入数据时，按照数据模型写入示例如下：
POST test_stream/_doc
{
"labels": {
"namespce": "cn-hanzhou",
"clusterId": "cn-xxx-xxxxxx",
"nodeId": "node-xxx",
"label": "test-cluster",
"disk_type": "cloud_ssd",
"cluster_type": "normal"
},
"metrics": {
"cpu.idle": 10,
"mem.free": 100.1,
"disk_ioutil": 5.2
},
"@timestamp": 1624873606000
}
查询则可以使用ES原生search API，也可以使用Prometheus的查询接口，通过promQL查询，这个后面会介绍到。
