Page History

...

并且因为要同时读多个sensor对应chunk的所有数据，内存占用会变高。

改进的流程

• 根据待合并文件列表，依次使用每个文件的TsFileSequenceReader，获取该文件的设备列表，生成所有的device集合
• 遍历device集合
  • 根据文件从文件读取器cache中得到相应的TsFileSequenceReader
  • 根据device读取各个文件对应的TimeseriesMetadataListIterator（TimeseriesMetadataListIterator每次按字典序吐出1000个sensor及其对应的TimeseriesMetadata）
  • 新建一个Map<TsFileSequenceReader, ITimeseriesMetadata> timeseriesMetadataCacheForMerge专门缓存reader及其对应的TimeseriesMetadata
  • 循环遍历所有TimeseriesMetadataListIterator直到没有任何一个TimeseriesMetadataListIterator还有数据
    • 新建一个Set<IMeasuementSchema> iMeasuementSchemaCache临时存储本次所有完整的IMeasuementSchema(如果存在vector，可能不完整，这类schema不放入此次合并，等待下一次取完再合并)
    •  对于每次吐出的TimeseriesMetadata及其对应的sensor做归并排序，然后依次判断每一个TimeseriesMetadata是不是一个VectorTimeseriesMetadata(根据timeSeriesMetadataType判断)
      • 如果接下来开始是一个VectorTimeseriesMetadata
        • 不进行下一步合并，直到这个VectorTimeseriesMetadata被取完（还要考虑VectorTimeseriesMetadata的sensor字典序与普通TimeseriesMetadata字典序的关系）
        • 将取完的VectorTimeseriesMetadata手动封装为完整的VectorTimeseriesMetadata并放入timeseriesMetadataCacheForMerge
        • 将取完的VectorTimeseriesMetadata手动封装出VectorMeasurementSchema并放入iMeasuementSchemaCache
      • 如果接下来是一个普通TimeseriesMetadata
        • 将TimeseriesMetadata放入timeseriesMetadataCacheForMerge
        • 将TimeseriesMetadata封装出MeasurementSchema并放入iMeasuementSchemaCache
    • 对iMeasuementSchemaCache的每一个IMeasuementSchema，如果该measurementId字典序小于归并排序后的最后一个measurementId
      •  如果是 MeasurementSchema（单sensor）
        • 走原来流程
      • 如果是 VectorMeasurementSchema （多sensor）
        • 如果是乱序空间的文件合并，采取deserialize合并
          • 根据 timeseriesMetadataCacheForMerge中各自文件的reader有序读出对应VectorMeasurementSchema的TimeChunk并做合并
          • 新建VectorChunkWriter
          • 根据文件顺序遍历reader
            • 同时遍历TimeChunk中的时间戳和这个文件该VectorTimeseriesMetadata真实数据的时间戳
            • 如果有，则将value写入VectorChunkWriter，如果没有这个时间戳，则传isNull
          • 判断限流
          • 将VectorChunkWriter写入新文件（这里VectorChunkWriter可能过大，需要配置调节大小，如何在vector环境下调节合并大小配置需要讨论）
        • 如果是顺序空间的文件合并
          
          • 如果page足够大，采取append合并
            •  通过各自文件的reader有序把chunk读出来，并通过合并ByteBuffer和统计信息的方式不解析chunk点而有序合并出对应的新Chunk和ChunkMetadata
            • 判断限流
            • 将合并完的Chunk和ChunkMetadata写入新文件
          • 如果page不足够大，采取deserialize合并
            
            • 根据 timeseriesMetadataCacheForMerge中各自文件的reader有序读出对应VectorMeasurementSchema的TimeChunk并做合并
            • 新建VectorChunkWriter
            • 根据文件顺序遍历reader
              • 同时遍历TimeChunk中的时间戳和这个文件该VectorTimeseriesMetadata真实数据的时间戳
              • 如果有，则将value写入VectorChunkWriter，如果没有这个时间戳，则传isNull
            • 判断限流
            • 将VectorChunkWriter写入新文件（这里VectorChunkWriter可能过大，需要配置调节大小，如何在vector环境下调节合并大小配置需要讨论）
  • 关闭reader cache中所有的reader
  • 序列化新文件
  • 关闭新文件writer

跨文件空间合并

原来的流程

• 从MManager中的取出改storageGroup所有的device→sensor
• 遍历device列表 
  • 按组遍历device对应的sensor列表（这里的组是最大同时合并的时间序列数量n）
    • 遍历顺序文件列表，对于每一个顺序文件
      • 根据device读取各个文件对应的ChunkMetadataListIterator（ChunkMetadataListIterator每次按字典序吐出1000个sensor及其对应的ChunkMetadata列表）
      • 循环遍历所有ChunkMetadataListIterator直到没有任何一个ChunkMetadataListIterator还有数据 
        • 对于每一个sensor建立sensor→chunkMetadataList的列表
      • 对于每一个sensor→chunkMetadataList列表进行按合并子任务并行配置进行分组
        • 对于每个子任务的sensor→chunkMetadataList列表
          • 遍历每一个chunkMetadata对应的Chunk，如果有与unseq文件overlapped数据，则插入
          • 如果遍历完该unseq文件还有剩余的数据，则直接append到结果文件后面

...

并且因为要同时读多个sensor以及本次选出的顺序乱序文件对应chunk的所有数据，内存占用会变高。

改进的流程

• 从MManager中的取出改storageGroup所有的device
• 遍历device列表 
  
  • 遍历顺序文件列表，对于每一个顺序文件
    • 新建一个Map<TsFileSequenceReader, ITimeseriesMetadata> timeseriesMetadataCacheForMerge专门缓存reader及其对应的TimeseriesMetadata 
    • 根据device读取各个文件对应的TimeseriesMetadataListIterator（TimeseriesMetadataListIterator每次按字典序吐出1000个sensor及其对应的TimeseriesMetadata）
    • 循环遍历所有TimeseriesMetadataListIterator直到没有任何一个TimeseriesMetadataListIterator还有数据
      • 新建一个Set<IMeasuementSchema> iMeasuementSchemaCache临时存储本次所有完整的IMeasuementSchema(如果存在vector，可能不完整，这类schema不放入此次合并，等待下一次取完再合并)
      •  对于每次吐出的TimeseriesMetadata及其对应的sensor做归并排序，然后依次判断每一个TimeseriesMetadata是不是一个VectorTimeseriesMetadata(根据timeSeriesMetadataType判断)
        • 如果接下来开始是一个VectorTimeseriesMetadata
          • 不进行下一步合并，直到这个VectorTimeseriesMetadata被取完（还要考虑VectorTimeseriesMetadata的sensor字典序与普通TimeseriesMetadata字典序的关系）
          • 将取完的VectorTimeseriesMetadata手动封装为完整的VectorTimeseriesMetadata并放入timeseriesMetadataCacheForMerge
          • 将取完的VectorTimeseriesMetadata手动封装出VectorMeasurementSchema并放入iMeasuementSchemaCache
        • 如果接下来是一个普通TimeseriesMetadata
          • 将TimeseriesMetadata放入timeseriesMetadataCacheForMerge
          • 将TimeseriesMetadata封装出MeasurementSchema并放入iMeasuementSchemaCache
      • 对于每一个iMeasuementSchemaCache列表进行按合并子任务并行配置进行分组，
        • 对于每个子任务的iMeasuementSchemaCache列表
          • 从timeseriesMetadataCacheForMerge取出对应的reader和ITimeseriesMetadata
          • 新建VectorChunkWriter
          • 对于每一个TimeseriesMetadata，遍历对应的sensor
            
            • 按文件顺序遍历每一个TimeChunk，如果有与unseq文件overlapped数据，则插入VectorChunkWriter
            • 如果遍历完该unseq文件还有剩余的数据，则直接append到VectorChunkWriter后面