Dotaz: MySQL nejlepší úložiště pro tabulku s pevnou velikostí záznamu

[LangPa]

Zdravím

Mám následující tabulku, principiáně:

CREATE TABLE `temperature` (
  `time`       BIGINT NOT NULL PRIMARY KEY,  /* UNIX timestamp * 1000 */
  `id_sensor`  TINYINT NOT NULL,             /* cizi klic na senzor */
  `t16`        SMALLINT NOT NULL,            /* teplota - 12bitu */
);

Stručně

1. Jaká úložiště nejefektivněji ukládají řádek s pevnou velikostí
2. Lze použít DATETIME nebo TIMESTAMP jako primární klíč když je možné naměřit 2 a více hodnot za vteřinu?

Detailně

Tabulka uchovává data ze senzorů teploty tak jak jsou čtena, cca 1 teplota z 1 senzoru za 1 sekundu.

Tabulka bude v čase konstantně růst. Potřebuji navrhnout tabulku tak abych měl co největší efektifitu ukládání, Jaký je v tomto rozdíl mezi jednotlivými úložišti (je li nějaký), dělá úložiště padding, ušetřím něco TINYINTem? (InnoDB, MyISAM)

Nechtěl jsem zavádět explicitní primární klíč, vzhledem k tomu že se zde jako naturální hodí čas měření. Protože se ale může stát, že dvě měření se uskuteční ve stejnou sekundu a nevím zda DATETIME či TIMESTAMP rozlišuje milisekundy, zvolil jsem UNIX timestamp * 1000 (po milisekundách, což je mimo jiné způsob interpretace javascriptu, který data zpracovává na webu)

Agregaci dat budu samozřejmě dělat, ale až po nějakém intervalu (cca 1 měsíc), ale nechtěl bych data zbytečně mazat, dokud si neověřím, že mě to občas nehodí nesmyslnou chybu měření/přenosu dat po sběrnici.

Díky za radu

Odpovědi

[LangPa]

jen ještě dodám aktuální situaci:

Nemodifikovaná struktura:

CREATE TABLE `temperature` (
  `id` bigint(20) NOT NULL AUTO_INCREMENT COMMENT 'ID',
  `id_sensor` int(11) NOT NULL COMMENT 'foreign to sensor',
  `time` datetime NOT NULL COMMENT 'date and time',
  `temperature` float NOT NULL COMMENT 'temperature',
  PRIMARY KEY (`id`),
  KEY `time` (`time`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COLLATE=utf8_czech_ci;

CREATE TABLE `sensor` (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT 'ID',
  `uid` varchar(20) COLLATE utf8_czech_ci NOT NULL COMMENT 'sensor ID',
  `location` varchar(50) COLLATE utf8_czech_ci NOT NULL COMMENT 'short location description',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COLLATE=utf8_czech_ci;

Velikost dat 71 942 144

Velikost indexů 34 160 640

Řádků (auto increment): 1 559 770

[Kit]

V daném případě bych asi použil CSV Storage Engine bez indexů. Indexy se hodí pro vyhledávání, ale pokud by to mělo být jen 1x za měsíc, tak nejsou potřebné.

Syntetický primární klíč by měl sémantiku "číslo měření", byl by tedy vhodný i tady. Jinak by asi musel být primární klíč složený (datetime,id_sensor).

Zkusil bych zvážit, zda se MySQL pro tento účel hodí. Je to obyčejné logování, které se dá velmi snadno realizovat běžnými systémovými prostředky přímo na filesystému.

[LangPa]

Tak CSV se mi nějak nezdá, chci data ukládat binárně možná i po bitech nevěřím že by CSV byla menší než MyISAM nebo InnoDB

Protože nelze realizovat 2 měření zároveň tak syntetický klíč není potřeba i když logicky se nabízí.

MySQL používám protože se na úlohu hodí asi nejlépe, mám interaktivní graf na (zatím neveřejném) webu a tam se zobrazuje agregace po minutě a každou minutu se aktualizuje pomocí AJAXu.

Jediné co mi teď asi vadí je to, že nevím, kolik bitů sebere datetime nebo timestamp bez timezone oproti BIGINTu.

Aktuálně jsem si spočítal, že potřebuju:

• čas od 1.1.1970 po 0,1s minimálně 34bitů do roku 2024, 35bitů do roku 2078
• id senzoru 4bity pro 16 čidel
• teplota z čidla je na 12bitů signed

celkem tedy 50 bitů, což je nejblíže 7 bajtům na záznam což by odpovídalo cca 604800 byte na den (1 záznam na sekundu) a takto zůstane záznam se všemi hodnotami; integrálně do streamu bych si to mohl psát taky s ještě vyšší efektivitou, ale chci SQL...

[Kit]

... mám interaktivní graf na (zatím neveřejném) webu a tam se zobrazuje agregace po minutě a každou minutu se aktualizuje pomocí AJAXu.

Tak tohle bych neoznačil jako agregace 1x za měsíc ani náhodou. Takže 1x za minutu. To úplně mění požadavek.

Pro úsporné uložení používám SQLite, ale na 7 bytů se nedá dostat ani náhodou. A ani v MySQL to nepůjde.

[LangPa]

Psal jsem že budu provádět agregaci, ale po nějaké době, tím jsem myslel něco ve smyslu CRONu, mělo by to vzít data načtená, zagregovat je (a to hruběji, tak po deseti minutách) a uložit do jiné tabulky, přiznávám, že jsem se asi špatně vyjádřil.

Je mi jasné že na 7 bytů se nedostanu jinak než vlastním kódem, ale co jsem chtěl je smrsknout rekord co možná nejvíce a proto jsem se ptal na úložiště. Asi zvolím MyISAM s jedním indexem a to bude UNIX timestamp * 10 (kvůli desetinám sekundy) a uložím to jako BIGINT, díky tomu můžu použít čas jako primární klíč, což odbourá potřebu indexu na čas, jak to mám teď po staru (viz první doplňující příspěvek pod dotazem)

Jde mi o to že teď mi jeden tento primitivní záznam zabírá efektivně (Podle statistiky) 46.3 bajtů včetně indexů, samotné indexy přitom mají 22.4 bajtů na záznam a to je hodně divné (data tudíš zabírají 23.9 bajtů)

Podle výpočtu velikosti rekordu mi vychází původně: 8+4+4+8 = 24 bytů což odpovídá, podle nového návrhu v dotazu budu potřebovat na data 8+1+2 = 11 bytů (bez indexů (a tady jen PK)) a taky nevím, zda MySQL neudělá nějaký padding.

[blondak]

Nebo nic neřešit a používat RRD, to mi na to přijde úplně nejlepší, dělá to agregaci samo a grafy také.

[rADOn]

Jaká úložiště nejefektivněji ukládají řádek s pevnou velikostí

10.5. Data Type Storage Requirements

Lze použít DATETIME nebo TIMESTAMP jako primární klíč když je možné naměřit 2 a více hodnot za vteřinu?

10.3.5. Fractional Seconds in Time Values

IMO se sql na to co chceš moc nehodí, ale když na tom trváš, dobrou radu najdeš zde