Lindb

database-shard-replica(leader,follower)

计算和存储分离
查询 http-linproxy(sql解析，生成执行计划，多机查询下发，多机结果聚合，linclient具体查询)-linstorage(内部查询和计算出中间结果)
写入 linclient-linstorage

linMaster 主控节点(shard,replica的分配，各linstorage的存储调度) zk创建临时节点进行选举(各linstorage抢着创建此节点，抢占失败获取此节点信息并watch)
linstorage 需向linMaster发心跳报告资源信息，供LinMaster负载均衡使用
linMaster对leader的处理：初始分配，分配后leader将ISR维护在zk上，下线server或某server不可用(没收到心跳)，对server上leader进行重新选举（ISR选一个），定期检查leader是否是初始leader，若不是且初始leader在ISR内，leader迁移
ISR(In-Sync Replicas)：一小段时间内Follower的index曾大于等于过Leader的index，包括Leader

Lindb client写入:异步+批量，user thread计算shard放入PointAccumulator(database+shard - batch queue), sender thread消费PointAccumulator，使用netty write，netty内部flush发出

写入leader的wal成功即写入成功，提升写入性能，不保证强一致性

本地写入：先写inverted index(某database在单机上所有shard共享)，再写数据，本地cosume index写入lsm缓存，本地ack index缓存flush

单通道复制：写入某leader，leader同布follower，需保证顺序（leader-某follower，单连接，发送单线程，接收单线程，接收处理线程根据shard单线程，发送端callback处理单线程），每个follower有自己的consume index，ack index

多通道复制：leader下线，选新leader，新leader向其它follower同步就是一新通道，不保证顺序

数据格式：segment(时间)-data family(时间)- lsm, 单个lsm文件内容：measurement id - TSID - 数据(按列存储，列1-多数据，列2-多数据）

lsm：下面各操作都有特定线程进行check和特定线程进行处理
1 flush(为了不block写操作，数据exchange到Immutable Memory Table，由IMT写入文件)，写入Level O层
2 compact Level O层文件太多，合并入Level 1层，例如Level 0有5文件，Level 1有0文件，第一个文件直接进L1，第二个如果measurement id range和现有L1有重合则合入L1(同measurement id数据合并，新measurement id数据直接写入)，否则新建L1文件，L0代表写入时间范围，L1代表measurement id range
3 rollup （细粒度data family L0 - 粗粒度data family L0）

inverted index：元数据(Mapping表获取string-id)，缓存,存储(rocksdb),写入数据时希望通过measurement/tags/fields获取measurement id/time series id/field id，若没有则创建，
重点讲2个family，tag name - tag name id， tag name id+tag value -TSID 列表(roaringBitMap，倒排索引)
如何通过tags获取time series id呢？
1 如果出现新的tagName或tagValue
2 SeriesKey(measurement+Tags)-TSID 缓存没有，且多个bitMap AND无结果
上述1或2生成TSID，放入各tagValue对应的bitMap中，放入SeriesKey-TSID缓存中

LevelDB是基于LSM Tree的单机KV数据库，高效。Rocksdb是基于LevelDB改造的

查询sql：downsampling(降时间精度聚合，如sum，interval指定间隔) aggregation(多time series聚合，如sum，group by指定) time(多时间聚合，如t_sum相加,stddev求标准差) series(无显式函数，表达对time结果的处理，如求top10),downsampling和aggregation默认为field本身的聚合类型，也可显式指定聚合类型

举例：select t_max(sum(mean(f1))) from xxx group by appId order by stddev(f1) limit 2
若默认interval为1min，f1默认聚合类型为sum，那么分组后每组有对应appId的多个值(每分钟1个)，按stddev(sum(sum(f1)))对组进行排序，选前2组，每组给出对应appId的t_max(sum(mean(f1)))的一个值
select f1 from xxx group by appId order by stddev(sum(mean(f1))) limit 2
每组给出对应appId的sum(sum(f1))的多个值(每分钟1个)

opentsdb :downsampling/aggregation/functions/expressions
influxdb :函数和子查询，语句复杂但通用