TDengine 入门教程⑤——数据库SQL操作 | 建库、建表、数据读写

一、前文

TDengine 入门教程——导读

二、库操作

2.1 创建库

CREATE DATABASE test;

• BUFFER: 一个 VNODE 写入内存池大小，单位为 MB，默认为 96，最小为 3，最大为 16384。
• CACHEMODEL：表示是否在内存中缓存子表的最近数据。默认为 none。
  • none：表示不缓存。
  • last_row：表示缓存子表最近一行数据。这将显著改善 LAST_ROW 函数的性能表现。
  • last_value：表示缓存子表每一列的最近的非 NULL 值。这将显著改善无特殊影响（WHERE、ORDER BY、GROUP BY、INTERVAL）下的 LAST 函数的性能表现。
  • both：表示同时打开缓存最近行和列功能。
• CACHESIZE：表示每个 vnode 中用于缓存子表最近数据的内存大小。默认为 1 ，范围是[1, 65536]，单位是 MB。
• COMP：表示数据库文件压缩标志位，缺省值为 2，取值范围为 [0, 2]。
  • 0：表示不压缩。
  • 1：表示一阶段压缩。
  • 2：表示两阶段压缩。
• DURATION：数据文件存储数据的时间跨度。可以使用加单位的表示形式，如 DURATION 100h、DURATION 10d 等，支持 m（分钟）、h（小时）和 d（天）三个单位。不加时间单位时默认单位为天，如 DURATION 50 表示 50 天。
• WAL_FSYNC_PERIOD：当 WAL 参数设置为 2 时，落盘的周期。默认为 3000，单位毫秒。最小为 0，表示每次写入立即落盘；最大为 180000，即三分钟。
• MAXROWS：文件块中记录的最大条数，默认为 4096 条。
• MINROWS：文件块中记录的最小条数，默认为 100 条。
• KEEP：表示数据文件保存的天数，缺省值为 3650，取值范围 [1, 365000]，且必须大于或等于 DURATION 参数值。数据库会自动删除保存时间超过 KEEP 值的数据。KEEP 可以使用加单位的表示形式，如 KEEP 100h、KEEP 10d 等，支持 m（分钟）、h（小时）和 d（天）三个单位。也可以不写单位，如 KEEP 50，此时默认单位为天。
• PAGES：一个 VNODE 中元数据存储引擎的缓存页个数，默认为 256，最小 64。一个 VNODE 元数据存储占用 PAGESIZE * PAGES，默认情况下为 1MB 内存。
• PAGESIZE：一个 VNODE 中元数据存储引擎的页大小，单位为 KB，默认为 4 KB。范围为 1 到 16384，即 1 KB 到 16 MB。
• PRECISION：数据库的时间戳精度。ms 表示毫秒，us 表示微秒，ns 表示纳秒，默认 ms 毫秒。
• REPLICA：表示数据库副本数，取值为 1 或 3，默认为 1。在集群中使用，副本数必须小于或等于 DNODE 的数目。
• RETENTIONS：表示数据的聚合周期和保存时长，如 RETENTIONS 15s:7d,1m:21d,15m:50d 表示数据原始采集周期为 15 秒，原始数据保存 7 天；按 1 分钟聚合的数据保存 21 天；按 15 分钟聚合的数据保存 50 天。目前支持且只支持三级存储周期。
• STRICT：表示数据同步的一致性要求，默认为 off。
  • on 表示强一致，即运行标准的 raft 协议，半数提交返回成功。
  • off 表示弱一致，本地提交即返回成功。
• WAL_LEVEL：WAL 级别，默认为 1。
  • 1：写 WAL，但不执行 fsync。
  • 2：写 WAL，而且执行 fsync。
• VGROUPS：数据库中初始 vgroup 的数目。
• SINGLE_STABLE：表示此数据库中是否只可以创建一个超级表，用于超级表列非常多的情况。
  • 0：表示可以创建多张超级表。
  • 1：表示只可以创建一张超级表。
• WAL_RETENTION_PERIOD：wal 文件的额外保留策略，用于数据订阅。wal 的保存时长，单位为 s。单副本默认为 0，即落盘后立即删除。-1 表示不删除。多副本默认为 4 天。
• WAL_RETENTION_SIZE：wal 文件的额外保留策略，用于数据订阅。wal 的保存的最大上限，单位为 KB。单副本默认为 0，即落盘后立即删除。多副本默认为-1，表示不删除。
• WAL_ROLL_PERIOD：wal 文件切换时长，单位为 s。当 wal 文件创建并写入后，经过该时间，会自动创建一个新的 wal 文件。单副本默认为 0，即仅在落盘时创建新文件。多副本默认为 1 天。
• WAL_SEGMENT_SIZE：wal 单个文件大小，单位为 KB。当前写入文件大小超过上限后会自动创建一个新的 wal 文件。默认为 0，即仅在落盘时创建新文件。

taos> CREATE DATABASE test;
Query OK, 0 of 0 rows affected (0.042633s)

1
2
3

taos> CREATE DATABASE test1;

DB error: Out of dnodes (0.000307s)
1
2
3

2.2 删除库

DROP DATABASE test;

taos> DROP DATABASE test;
Query OK, 0 of 0 rows affected (0.024260s)

1
2
3

2.3 查询库

SHOW DATABASES;

taos> SHOW DATABASES;
              name              |
=================================
 information_schema             |
 performance_schema             |
 test                           |
Query OK, 3 rows in database (0.003425s)

1
2
3
4
5
6
7
8

三、表操作

3.1 创建表

CREATE TABLE test.weather(ts timestamp, temperature float) tags(location nchar(64));

taos> CREATE TABLE test.weather(ts timestamp, temperature float) tags(location nchar(64));
Query OK, 0 of 0 rows affected (0.001351s)

1
2
3

3.2 删除表

DROP TABLE test.weather;

taos> DROP TABLE test.weather;
Query OK, 0 of 0 rows affected (0.001149s)

1
2
3

3.3 查询所有表

SHOW TABLES;

taos> show tables from test;

DB error: syntax error near "from test;" (0.000089s)
taos> show tables;

DB error: db not specified (0.000047s)
taos> USE test;
Database changed.

taos> SHOW TABLES;
           table_name           |
=================================
 t1                             |
 d1                             |
Query OK, 2 rows in database (0.003124s)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

3.4 查询表结构

DESCRIBE test.weather;

taos> DESCRIBE test.weather;
             field              |         type         |   length    |   note   |
=================================================================================
 ts                             | TIMESTAMP            |           8 |          |
 temperature                    | FLOAT                |           4 |          |
 location                       | NCHAR                |          64 | TAG      |
Query OK, 3 rows in database (0.000595s)

1
2
3
4
5
6
7
8

四、数据写入

4.1 插入数据

INSERT INTO t1 USING test.weather tags(‘北京’) values(now, 18.2);

• 可以看出，t1的tags不会变，固定了
• t1和d1都是子表

taos> INSERT INTO t1 USING test.weather tags('北京') values(now, 18.2);
Query OK, 1 of 1 rows affected (0.000994s)

taos> INSERT INTO t1 USING test.weather tags('北京') values(now, 17.2);
Query OK, 1 of 1 rows affected (0.006636s)

taos> INSERT INTO t1 USING test.weather tags('上海') values(now, 16.2);
Query OK, 1 of 1 rows affected (0.000858s)

taos> SELECT * from test.weather;
           ts            |     temperature      |            location            |
==================================================================================
 2022-09-09 23:00:54.526 |             18.20000 | 北京                           |
 2022-09-09 23:01:37.493 |             17.20000 | 北京                           |
 2022-09-09 23:01:58.623 |             16.20000 | 北京                           |
Query OK, 3 rows in database (0.003118s)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

4.2 修改标签值

ALTER TABLE t1 set tag location=‘上海’;

taos> USE test;
Database changed.

taos> ALTER TABLE t1 SET TAG location='上海';
Query OK, 0 of 0 rows affected (0.000942s)

taos> SELECT ts,temperature,location FROM t1;
           ts            |     temperature      |            location            |
==================================================================================
 2022-09-09 23:00:54.526 |             18.20000 | 上海                           |
 2022-09-09 23:01:37.493 |             17.20000 | 上海                           |
 2022-09-09 23:01:58.623 |             16.20000 | 上海                           |
Query OK, 3 rows in database (0.001336s)

1
2
3
4
5
6
7
8
9
10
11
12
13
14

五、数据查询

5.1 查询总表

SELECT * from test.weather;

taos> SELECT * FROM test.weather ;
           ts            |     temperature      |            location            |
==================================================================================
 2022-09-09 23:12:54.634 |              1.70000 | 厦门                           |
 2022-09-09 23:00:54.526 |             18.20000 | 北京                           |
 2022-09-09 23:01:37.493 |             17.20000 | 北京                           |
 2022-09-09 23:01:58.623 |             16.20000 | 北京                           |
Query OK, 4 rows in database (0.002965s)

1
2
3
4
5
6
7
8
9

5.2 查询子表

taos> SELECT * from t1;
           ts            |     temperature      |
=================================================
 2022-09-09 23:00:54.526 |             18.20000 |
 2022-09-09 23:01:37.493 |             17.20000 |
 2022-09-09 23:01:58.623 |             16.20000 |
Query OK, 3 rows in database (0.003236s)

1
2
3
4
5
6
7
8

taos> SELECT ts,temperature,location from t1;
           ts            |     temperature      |            location            |
==================================================================================
 2022-09-09 23:00:54.526 |             18.20000 | 北京                           |
 2022-09-09 23:01:37.493 |             17.20000 | 北京                           |
 2022-09-09 23:01:58.623 |             16.20000 | 北京                           |
Query OK, 3 rows in database (0.006667s)

1
2
3
4
5
6
7
8

taos> SELECT ts,temperature,location from d1;
           ts            |     temperature      |            location            |
==================================================================================
 2022-09-09 23:12:54.634 |              1.70000 | 厦门                           |
Query OK, 1 rows in database (0.003230s)

1
2
3
4
5
6

六、参考

数据库 | TDengine 文档

查询数据 | TDengine 文档

觉得好，就一键三连呗（点赞+收藏+关注）