技术分享

delta-of-delta 编码 | 时序数据常用压缩方案

前言
本文主要讨论时序数据库中常见的一种时间戳或者数值压缩方法:delta-of-delta 算法,可以极大地降低数据存储的成本和提高数据写入、查询的性能。
delta-of-delta 压缩时间戳是 Facebook Gorilla 论文中所提到的,论文地址:http://www.vldb.org/pvldb/vol8/p1816-teller.pdf。社区比较火热的 Prometheus TSDB 项目也是借鉴了 Facebook Gorilla 论文中的思路,可以实现很高的时序数据压缩率。
delta 时间戳压缩时间戳一般采用 long 类型进行存储,需要占用 8byte 存储空间。最直接的优化就是存储时间戳的差值,这里需要起始时间戳和 delta 的最大范围阈值。有两种常用的实现思路:
存储相邻两个时间戳差值 Delta(n) = T(n) - T(n-1)

Unix时间戳Delta1571889600000015718896000101015718896000251515718896000305157188960004010存储与起始时间戳的差值 Delta(n) = T(n) - T(0)

Unix时间戳Delta15718896000000157188960001010157188960002525157188960003030157188960004040假设起始时间戳为 1571889600000,delta 的最大范围阈值为 3600s,每个 delta 的数值需要 13bit 可以存储。因此以上时间戳数据共占用空间为 64 + 13 * 4 = 116bit。
思路 2 的优势是不需要对块内数据依次遍历,但是相比思路 1 可能需要更为频繁地更换起始时间,根据实际需求选择合适的压缩方案。
delta-of-delta 时间戳压缩Facebook Gorilla 有详细阐述 delta-of-delta 编码的计算方式,以下为论文的摘录。
针对不同时间跨度的数据,Facebook Gorilla 给出了一种较为通用的处理方案。
D标识位占用总bits001[-63,64]102 + 7 = 9[-255,256]1103 + 9 = 12[-2047,2048]11104 + 12 = 16> 204811114 + 32 = 36依然通过一组时间戳数据来直观感受下 delta-of-delta 编码的压缩效果:
Unix时间戳deltadelta-of-delta压缩后总bits157188960000000--15718896000101010915718896000100-10915718896000111191571889600012101157188960001310115718896000152191571889600017201依然假设起始时间戳为 1571889600000,delta 的最大范围阈值为 3600s,占用存储空间对比如下:
delta 算法:64 + 13 * 7 = 155bit 。
delta-of-delta 算法:64 + 9 * 4 + 1 * 3 = 103bit 。
可以看出 delta-of-delta 算法相比 delta 算法进一步获得了更高的压缩率。在实际应用场景中,海量时序数据的时间戳都是密集且连续的,绝大部分都满足 delta-of-delta=0 的条件,这样可以大幅度降低时间戳的存储空间。
总结delta-of-delta 算法常用于监控数据中时间戳的压缩,可以大幅度降低存储成本和提高写入、查询性能。
针对跨度较大的数据,系统需要有一定的容错能力。
delta-of-delta 算法也存在一定的缺陷,因为是不定长的压缩算法,所以导致解压后必须从数据块的首地址依次计算。
- END -

小飞
没有人可以左右你的人生,只是很多时候我们需要多一些勇气,去坚定自己的选择。
查看“小飞”的所有文章 →

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注

相关推荐