@

我们可以将设备上行数据存储到关系型数据库中，我们需要两张带有时间戳的表（最新数据表和 历史数据表），历史数据表存储所有设备上报的数据，最新数据表需要存储设备最新一条上报数据，这条最新数据相当于设备的当前状态。然后展示的时候只展示最新一条数据的状态，报表查询可以按照设备id和时间从历史数据表查询汇总。这样是可以的，但是我们的最新数据表需要被频繁的更新，数据量少的时候没问题。但数据量大，并发高的时候就会出现问题。1、存储成本：数据不会被压缩，导致占用存储资源。2、维护成本：单表数据量太大时，需要人工分库分表。3、写入性能：单机写入吞吐量难以满足大量上行数据的写入需求，数据库存在性能瓶颈。4、查询性能：数据量太大导致查询性能受到影响。

我们可以采用时序库来解决上述问题，首先来了解一下什么是时序数据。时序数据是按照时间维度进行索引的数据，它记录了某个被测量实体在一定时间范围内，每个时间点上的一组测试值。传感器上传的室内PM2.5和甲醛数据、净水器传感器当前的TDS值、计算机系统的监控数据等，都属于时序数据，时序数据有如下特点：1、数据量较大，写入操作是持续且平稳的，而且写多读少。2、只有写入操作，几乎没有更新操作，比如去修改传感器的历史数据，是没有意义的。3、没有随机删除，即使删除也是按照时间范围进行删除。删除某一个时间点的数据没有意义，但是删除2年前的数据是有意义的。4、数据实时性和时效性强，数据随着时间的推移不断追加，旧数据很快失去意义。5、大部分以时间和实体为维度进行查询，很少以测试值为维度查询，比如用户会查询某个时间段的温度数据，但是很少会去查询温度高于多少度的数据记录。显然IoT的业务是符合使用时序库的场景的。序数据库就是用来存储时序数据的数据库，时序数据库相较于传统的关系型数据和非关系型数据库而言，专门优化了对时序数据的存储，开源的时序数据库有InfluxDB OpenTSDB、TimeScaleDB 等。本文以InfluxDB数据库进行演示。时序数据库有如下几个概念。1.Metric:度量，相当于关系型数据库中的表(table)。2.Data Point:数据点，相当于关系型数据库的中的行(row)。3.Timestamp:时间戳，数据点生成时的时间戳。4.Field:测量值，比如温度和湿度、PM2.5等。5.Tag:标签，用于标识数据点，通常用来标识数据点的来源，比如温度和湿度数据来自哪个房间，哪个设备，可以当作关系型数据库表的主键。

【资料图】

如下图，度量为 Wind，每一个数据点都具有一个 timestamp，两个 field：direction 和 speed，两个 tag：sensor、city。它的第一行和第三行，存放的都是 sensor 号码为 95D8-7913 的设备，属性城市是上海。随着时间的变化，风向和风速都发生了改变，风向从 23.4 变成 23.2；而风速从 3.4 变成了 3.3。图片来自网络

安装参考官方文档，为了方便，我这里采用docker安装

docker run --name influxdb -p 8086:8086 influxdb:2.7.0

https://docs.influxdata.com/influxdb/v2.7/install/

我们打开 服务器ip:8086可以看到它自带的管理界面，我们首先创建用户名密码，组织、以及Bucket的名称。这里的bucket "IoTDemos" 相当于数据库的名称我们记录一下这个Token，一会连接influxdb需要，相当于账号密码

对于时序库来讲，时间戳是非常重要的，但是我们拿到的playload并没有时间戳（MQTTNet包我没有找到拿时间戳的方法）。所以我们需要在mqtt上想办法，让设备上报数据的时候，mqtt自动添加时间戳到playload中。1、我们在数据集成->规则中新建一条规则名称为"Add_Ts"。SQL编写如下

SELECT  *,  now_timestamp("millisecond") as payload.TsFROM  "topic/#"

topic/#代表消息发布到"topic/#"主题的事件now_timestamp函数返回当前时间的 Unix 时间戳，我们将时间戳写入到payload的Ts属性中，关于更多内置SQL函数，请参考官方文档

https://www.emqx.io/docs/zh/v5.0/data-integration/rule-sql-builtin-functions.html

2、我们打开下面的调试，模拟设备上报一条数据，可以看到这条规则帮我们加入了时间戳。

3、然后我们还需要处理添加了时间戳的处理结果，我们在右侧添加一个动作，选择消息重发布，将刚刚添加了时间戳的消息重发到一个新的Topic上，我们使用topic/dp，并在playload中添加${payload}，这样我们就修改了playload中的信息，添加了我们需要的时间戳，当然，我们Hub订阅的消息也需要对应修改，添加/dp后缀。4、首先我们先修改MASA.IoT.Hub的配置文件，Topic添加"/dp"后缀

"MqttSetting": {...    "Topic": "$share/IotHub/topic/+/dp"  },

5、CallbackAsync中，因为我们设备名称是从Topic截取的，也要对应修改一下。

private async Task CallbackAsync(MqttApplicationMessageReceivedEventArgs e)    {        var deviceDataPointStr = System.Text.Encoding.Default.GetString(e.ApplicationMessage.PayloadSegment);        Console.WriteLine(deviceDataPointStr);        var pubSubOptions = new PubSubOptions        {            //修改一下获取设备名称的方式            DeviceName = e.ApplicationMessage.Topic[6..^3],            Msg = deviceDataPointStr,            PubTime = new DateTimeOffset(DateTime.Now).ToUnixTimeMilliseconds(),            TrackId = Guid.NewGuid()        };                            ...    }

解决完时间戳的问题，我们就可以编写代码向InfluxDB中写入数据了，我们首先在Infrastructure文件夹下创建ITimeSeriesDbClient接口和TimeSeriesDbClient类，使用接口也方便我们日后更换其他的时序库。这里使用了InfluxDB.Client包。ITimeSeriesDbClient.cs

namespace MASA.IoT.Core.Infrastructure{    public interface ITimeSeriesDbClient    {        bool WriteMeasurement(T measurement);    }}

TimeSeriesDbClient.cs

using InfluxDB.Client;using InfluxDB.Client.Api.Domain;using MASA.IoT.WebApi;using Microsoft.Extensions.Options;namespace MASA.IoT.Core.Infrastructure{    public class TimeSeriesDbClient : ITimeSeriesDbClient    {        private readonly InfluxDBClient _client;        private readonly string _bucket;        private readonly string _org;        private readonly AppSettings _appSettings;                public TimeSeriesDbClient(IOptions settings)        {            _appSettings = settings.Value;            _org = _appSettings.InfluxDBSetting.Org;            _bucket = _appSettings.InfluxDBSetting.Bucket;            _client = new InfluxDBClient(_appSettings.InfluxDBSetting.Url, _appSettings.InfluxDBSetting.Token);        }        public bool WriteMeasurement(T measurement)        {            try            {                using var writeApi = _client.GetWriteApi();                writeApi.WriteMeasurement(measurement, WritePrecision.Ms, _bucket, _org);                return true;            }            catch (Exception ex)            {                Console.WriteLine(ex.Message);                return false;            }        }    }}

这里使用new InfluxDBClient(_appSettings.InfluxDBSetting.Url, _appSettings.InfluxDBSetting.Token)来构造InfluxDBClient。Token就是我们创建Bucket过程中保存的Token。Url是我们InfluxDB的访问地址：http://127.0.0.1:8086写入的方法WriteMeasurement中我们通过_client.GetWriteApi创建一个写入的api然后直接将我们要写入的泛型实体写入，第二个可选参数代表写入精度，这里我们使用WritePrecision.Ms我们在DeviceHandler.cs中注入ITimeSeriesDbClient并添加一个WriteMeasurementAsync方法，在方法中我们先根据设备名称获取产品，如果识别产品ID为10001（空净产品），那么我们就写入数据到Measurement：AirPurifierDataPointMeasurement相当于数据库的表。Measurement和Column特性都是InfluxDB.Client.Core提供的，可以用来标识Tag、Timestamp等

using InfluxDB.Client.Core;using Newtonsoft.Json;namespace MASA.IoT.Core.Contract{    [Measurement("AirPurifierDataPoint")]    public class AirPurifierDataPoint    {        /// 
        /// 设备名称        /// 
        [Column("DeviceName", IsTag = true)] public string DeviceName { get; set; }        /// 
        /// 产品ID        /// 
        [Column("ProductId", IsTag = true)] public Guid ProductId { get; set; }        /// 
        /// Pm2.5        /// 
        [Column("PM_25")] public double? Pm_25 { get; set; }        /// 
        /// 温度        /// 
        [Column("Temperature")] public double? Temperature { get; set; }        /// 
        /// 湿度        /// 
        [Column("Humidity")] public double? Humidity { get; set; }        /// 
        /// 时间戳        /// 
        [JsonProperty(propertyName: "Ts")]        [Column(IsTimestamp = true)] public long Timestamp { get; set; }    }}

public class DeviceHandler : IDeviceHandler    {        private readonly MASAIoTContext _ioTDbContext;        private readonly IMqttHandler _mqttHandler;        private readonly ITimeSeriesDbClient _timeSeriesDbClient;        public DeviceHandler(MASAIoTContext ioTDbContext, IMqttHandler mqttHandler, ITimeSeriesDbClient timeSeriesDbClient)        {            _ioTDbContext = ioTDbContext;            _mqttHandler = mqttHandler;            _timeSeriesDbClient = timeSeriesDbClient;        }        /// 
        /// 写入数据        /// 
        ///         ///         ///         public async Task WriteMeasurementAsync(PubSubOptions pubSubOptions)        {            var device = await _ioTDbContext.IoTDeviceInfo.Include(o => o.ProductInfo).AsNoTracking()                .FirstOrDefaultAsync(o => o.DeviceName == pubSubOptions.DeviceName);            if (device != null && device.ProductInfo.ProductCode == "10001")  //空气净化器产品            {                var airPurifierDataPoint = JsonConvert.DeserializeObject(pubSubOptions.Msg);                airPurifierDataPoint.ProductId = device.ProductInfoId;                  return _timeSeriesDbClient.WriteMeasurement(airPurifierDataPoint);            }            return false;        }

除了WriteMeasurement方法之外，还提供了很多其他方法，如WritePoint，和批量写入的方法，可自行测试。

我们启动项目，通过MQTTX向"topic/284202304230001"上报一条数据

{  "DeviceName":"284202304230001",  "Pm_25":100,  "Temperature":25,  "Humidity":50}

我们在influxDB的管理工具中使用Data Explorer，使用如下的flux query查询语句，即可查出5分钟之内的数据，注意，这里的时间是UTC时间

如果想显示北京时区方便调试，可以在后面添加|> timeShift(duration: 8h)

from(bucket: "IoTDemos") |> range(start:-5m)

关于flux查询语法

https://docs.influxdata.com/flux/v0.x/

本节我们简单介绍了开源时序数据库influxDB的安装。我们借助InfluxDB.Client库完成设备从上报到时序库数据存储的全过程，下一节我们介绍从时序库查询数据。

完整代码在这里：https://github.com/sunday866/MASA.IoT-Training-Demos