本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。
本作品 (李兆龙 博文, 由 李兆龙 创作)，由 李兆龙 确认，转载请注明版权。
文章目录
引言
influxdb的计算引擎为了做到自底而上的合并逻辑，必然存在某种row的排序规则，这些规则在查询计划的创建阶段就已经确定。
比如group by tags，此类查询基于tag的排序；而group by time的查询，则基于time去做排序；group by tags, time 则是基于tags和time；至于show则是基于field排序；特殊的比如show series cardinality在改写为select后实际是基于tags排序；
事实上要完成一个流式引擎必须自底而上遵循某种排序规则；例如子查询内部的排序规则和内部排序规则不同是则需要重排，这就没法做到流式返回。
样例
show series不是基于serieskey或者基于展开后的tag做排序，简单的看两个show series 返回的case：
"yottadb_partition_replicas_num_lzl_ywq,account_id2=Mqw0vQ\\=\\="
"yottadb_partition_replicas_num_lzl_ywq,account_id4=Mqw0vQ\\=\\="
"yottadb_partition_replicas_num_lzl_ywq,account_id5=Mqw0vQ\\=\\="
"yottadb_partition_replicas_num_lzl_ywq,account_id7=Mqw0vQ\\=\\="
"yottadb_partition_replicas_num_lzl_ywq,account_id8=Mqw0vQ\\=\\="
"yottadb_partition_replicas_num_lzl_ywq,account_id9=Mqw0vQ\\=\\="
| account_id2 | account_id4 | account_id5 | account_id7 | account_id8 | account_id9 |
|---|---|---|---|---|---|
| Mqw0vQ\=\= | null | null | null | null | null |
| null | Mqw0vQ\=\= | null | null | null | null |
| null | null | Mqw0vQ\=\= | null | null | null |
| null | null | null | Mqw0vQ\=\= | null | null |
| null | null | null | null | Mqw0vQ\=\= | null |
| null | null | null | null | null | Mqw0vQ\=\= |
这个case表示不是以serieskey内部的tag本身做排序；因为以这个规则排序展开后account_id9应该排在最前面，因为null本身小于任何值。
"car1,city=city_0dddd,id=2,type=type_2"
"car1,city=city_0dddd\\ ,id=2,type=type_2"
"car1,city=city_1,id=3,type=type_0"
空格的ascall码小于 ‘,’ ，所以也不是以serieskey排序
SHOW SERIES比较原理
我们回到show series，引擎内部迭代器调用栈帧如下：
- v1/coordinator/statement_executor.go:createIteratorsV2
- influxql/query/select.go:Select
- influxql/query/compile.go: (c *compiledStatement) Prepare 已经把shards赋值给preparedStatement.ic
- influxql/query/select.go: (p *preparedStatement) Select
- influxql/query/select.go:buildCursor
- influxql/query/select.go:buildAuxIterator
- tsdb/shard.go:(a Shards) CreateIterator
- tsdb/shard.go:(s *Shard) CreateIterator
- tsdb/engine/tsm1/engine.go:CreateIterator
- tsdb/shard.go:(a Shards) CreateIterator
- tsdb/shard.go:(a Shards) createSeriesIterator
- tsdb/index.go:NewSeriesPointIterator
- tsdb/index.go:MeasurementIterator (is IndexSet) measurementIterator()
- tsdb/index/tsi1/index.go: (i *Index) MeasurementIterator()
- tsdb/index/tsi1/partition.go (p *Partition) MeasurementIterator()
- tsdb/index/tsi1/file_set.go (fs *FileSet) MeasurementIterator()
- tsdb/index/tsi1/log_file.go (f *LogFile) MeasurementIterator()
事实上createSeriesIterator之下的MeasurementIterator都是基于measurement name做比较，真正的比较是shards中的seriesPointIterator，其首先会获取每一个measurement的全部时间序列对应的tsid，随后从sfile中获取tsid对应的serieskey，直接原地调用sort， 排序seriesKeys，实际调用CompareSeriesKeys作为比较函数。
核心比较函数为CompareSeriesKeys：
func CompareSeriesKeys(a, b []byte) int {
// Handle 'nil' keys.
if len(a) == 0 && len(b) == 0 {
return 0
} else if len(a) == 0 {
return -1
} else if len(b) == 0 {
return 1
}
// Read total size.
_, a = ReadSeriesKeyLen(a)
_, b = ReadSeriesKeyLen(b)
// Read names.
name0, a := ReadSeriesKeyMeasurement(a)
name1, b := ReadSeriesKeyMeasurement(b)
// Compare names, return if not equal.
if cmp := bytes.Compare(name0, name1); cmp != 0 {
return cmp
}
// Read tag counts.
tagN0, a := ReadSeriesKeyTagN(a)
tagN1, b := ReadSeriesKeyTagN(b)
// Compare each tag in order.
for i := 0; ; i++ {
// Check for EOF.
if i == tagN0 && i == tagN1 {
return 0
} else if i == tagN0 {
return -1
} else if i == tagN1 {
return 1
}
// Read keys.
var key0, key1, value0, value1 []byte
key0, value0, a = ReadSeriesKeyTag(a)
key1, value1, b = ReadSeriesKeyTag(b)
// Compare keys & values.
if cmp := bytes.Compare(key0, key1); cmp != 0 {
return cmp
} else if cmp := bytes.Compare(value0, value1); cmp != 0 {
return cmp
}
}
}
结论
所以事实上show series返回的真正顺序遵循以下规则：
- 以measurement name排序
- 每个measuremnet基于serieskey内部的tag本身做排序
其实很好理解，因为从tsi中获取measurement对应的tsid后又从sfile获取对应的serieskey，此时的serieskey为了解析的性能，事实上进行了二进制编码的，无法直接拿来比较；其次此时是没有schema的概念的，所以如果基于tag去排序效率会及其低下，因为需要先计算合并后的schema结构，然后再生成新的row，所以搞了个这么个性能不错，但是奇奇怪怪的排序方法；
这种比较方式可以应用到流式框架，但是意义不大，因为本身这种排序就没有规定一个全局顺序（不同的tagkey都直接拿来比较了），而且与influxql本来的排序方式差别很大，额外的开发工作很多；
从用户的角度看，show series的顺序没有什么意义，就算希望有意义，当前的show series也无法满足，所以最好的方式就是直接hash merge，不给用户保证show series的返回顺序，influxdb的官网也没有保证show series的顺序。
结束语
花了三十分钟迅速写完这篇文章，倒不是这个点很重要，关键在于我在半年前实现某些特性时"假设"其顺序是serieskey，在第二次实现"假设"其是以tag为顺序，最后发现与想的完全不同。
以后做任何事前都需要提醒自己，合理的规划可以节省大量时间。