TSDB ：Time Series Database，时序数据库，用于保存时间序列（按时间顺序变化）的海量数据。

度量（metric）：数据指标的类别，如发动机的温度、发动机转速、模拟量等。

域（field）：在指定度量下数据的子类别。即一个metric支持多个field，如metric为wind，该metric可以有两个field：direction和speed。

时间戳（timestamp）：数据产生的时间点。

数值（value）：度量对应的数值，如56°C、1000r/s等（实际中不带单位）。如果有多个field，每个field都有相应的value。不同的field支持不同的数据类型写入。对于同一个field，如果写入了某个数据类型的value之后，相同的field不允许写入其他数据类型。

标签（tag）：一个标签是一个key-value对，用于提供额外的信息，如"设备号=95D8-7913"、“型号=ABC123”、“出厂编号=1234567890”等。

数据点（data point）：“1个metric+1个field（可选）+1个timestamp+1个value + n个tag（n>=1）”唯一定义了一个数据点。当写入的metric、field、timestamp、n个tag都相同时，后写入的value会覆盖先写入的value。

时间序列 ：“1个metric+1个field（可选） +n个tag（n>=1）”定义了一个时间序列。单域和多域的数据点和时间序列由下图所示：

实践一（单域）

监测温度的值，把温度（temperature）作为一个度量（metric），用标签（tag）来标识每一个数据的额外信息，比如每个数据点都有3个tag，tag是一个key-value对，tag的key分别是deivceID、floor、room。

如图所示，表示对温度的时间序列监测值，共4个数据点。在该图中的4个数据点使用的metric、tag是相同的，所以是同一个时间序列。

实践二（多域）

监测风力的值，把风力（wind）作为一个度量（metric），风力（wind）分为两个域：风向（direction）和速度（speed）。这些监测数据是从不同的传感器传输到云端的，用标签（tag）来标识每一个数据的额外信息，比如每个数据点有三个tag，tag是一个key-value对；tag的key分别是sensor、city、province。

为了表示在广东省深圳市传感器编号95D8-7913上传风向（direction）数据，可以将这个数据点的tag为标记为sensor=95D8-7913、city=深圳、province=广东。

如图，展示了metric为wind的两个域(speed和direction)的监测数据。当使用的是metric、field和tag是相同的时，是同一个时间序列。即图中有2个时间序列，8个数据点。

将数据采用metric+field的方式存储的优势在于，可以将同一metric下的数据进行多field联合查询。以上图为例，要查询1467627246000-1467627249000时间内风力(wind)的情况，可以联合查询多个field的值，得到下图的数据。

如果写入时没有数据，在查询时，可以采用插值方案将值补充完整，插值的使用说明见数据库操作相关文档。

• tag的key值和value值都相同才算做同一个tag，即deviceid=1和deviceid=2是两个标签。
• 请不要将时间戳作为tag，否则会导致时间序列超过限制，关于时间序列的限制请参考费率表。

分组（group）：可以按标签（tag）对数据点进行分组。

聚合函数（aggregator）：可以对一段时间的数据点做聚合，如每10分钟的和值、平均值、最大值、最小值等。TSDB目前支持的聚合函数请参考文档

数据库（database）：一个用户可以有多个数据库，一个数据库可以写入多个“度量”的“数据点”。