编码方式
编码方式
基本编码方式
为了提高数据的存储效率,需要在数据写入的过程中对数据进行编码,从而减少磁盘空间的使用量。在写数据以及读数据的过程中都能够减少 I/O 操作的数据量从而提高性能。IoTDB 支持多种针对不同类型的数据的编码方法:
- PLAIN 编码(PLAIN)
PLAIN 编码,默认的编码方式,即不编码,支持多种数据类型,压缩和解压缩的时间效率较高,但空间存储效率较低。
- 二阶差分编码(TS_2DIFF)
二阶差分编码,比较适合编码单调递增或者递减的序列数据,不适合编码波动较大的数据。
- 游程编码(RLE)
游程编码,比较适合存储某些数值连续出现的序列,不适合编码大部分情况下前后值不一样的序列数据。
游程编码也可用于对浮点数进行编码,但在创建时间序列的时候需指定保留小数位数(MAX_POINT_NUMBER,具体指定方式参见本文 SQL 参考文档)。比较适合存储某些浮点数值连续出现的序列数据,不适合存储对小数点后精度要求较高以及前后波动较大的序列数据。
游程编码(RLE)和二阶差分编码(TS_2DIFF)对 float 和 double 的编码是有精度限制的,默认保留 2 位小数。推荐使用 GORILLA。
- GORILLA 编码(GORILLA)
GORILLA 编码是一种无损编码,它比较适合编码前后值比较接近的数值序列,不适合编码前后波动较大的数据。
当前系统中存在两个版本的 GORILLA 编码实现,推荐使用GORILLA
,不推荐使用GORILLA_V1
(已过时)。
使用限制:使用 Gorilla 编码 INT32 数据时,需要保证序列中不存在值为Integer.MIN_VALUE
的数据点;使用 Gorilla 编码 INT64 数据时,需要保证序列中不存在值为Long.MIN_VALUE
的数据点。
- 字典编码 (DICTIONARY)
字典编码是一种无损编码。它适合编码基数小的数据(即数据去重后唯一值数量小)。不推荐用于基数大的数据。
- 频域编码 (FREQ)
频域编码是一种有损编码,它将时序数据变换为频域,仅保留部分高能量的频域分量。该编码适合于具有明显周期性的数据。
频域编码在配置文件中包括两个参数:
freq_snr
指定了编码的信噪比,该参数增大会同时降低压缩比和精度损失;freq_block_size
指定了编码进行时频域变换的分组大小,推荐不对默认值进行修改。参数影响的实验结果和分析详见设计文档。
- ZIGZAG 编码
ZigZag编码将有符号整型映射到无符号整型,适合比较小的整数。
数据类型与编码的对应关系
前文介绍的五种编码适用于不同的数据类型,若对应关系错误,则无法正确创建时间序列。数据类型与支持其编码的编码方式对应关系总结如表格 2-3。
表格 2-3 数据类型与支持其编码的对应关系
数据类型 | 支持的编码 |
---|---|
BOOLEAN | PLAIN, RLE |
INT32 | PLAIN, RLE, TS_2DIFF, GORILLA, FREQ, ZIGZAG |
INT64 | PLAIN, RLE, TS_2DIFF, GORILLA, FREQ, ZIGZAG |
FLOAT | PLAIN, RLE, TS_2DIFF, GORILLA, FREQ |
DOUBLE | PLAIN, RLE, TS_2DIFF, GORILLA, FREQ |
TEXT | PLAIN, DICTIONARY |