目标

长期写入下，覆盖层级合并、顺序乱序合并，实际删除数据，重启，数据能够正确查询

数据量

10组，每组10个设备，每个设备10个sensor （sg1~sg10, d1~d10, s1~s10）

1. 普通写入查询

10组X10设备X10个sensor=1000个sensor写入。单客户端写入。写入之后立即查询，按照下面标题顺序依次查询验证。

步骤一：写入

每个sensor写入十万个数据点

例如设备d1

步骤二：原始数据部分查询

单设备单传感器

随机选择1个时间范围（随机选择一个时间点，往后查1000个，如果选择了最后(99000,100000]时间点，就查(99000,100000]的数据）。随机选择一个组一个设备，再随机选择2个传感器。总共两次查询。每次查询时间范围都不一样。

例如设备d1

select s1 from root.sg1.d1 where time >= 99 and time <= 1099
select s100 from root.sg1.d1 where time >= 1200 and time <= 2200

多设备单传感器

随机选择1个时间范围（随机选择一个时间点，往后查1000个，如果选择了最后(99000,100000]时间点，就查(99000,100000]的数据）。随机选择一个组，随机选择2个传感器。总共两次查询。每次查询时间范围都不一样。

例如

select s1 from root.sg1.d1, root.sg1.d2, ..., root.sg1.d10 where time >= 99 and time <= 1099
select s4 from root.sg1.d1, root.sg1.d2, ..., root.sg1.d10 where time >= 1200 and time <= 2200

单设备多传感器

随机选择1个时间范围（随机选择一个时间点，往后查1000个，如果选择了最后(99000,100000]时间点，就查(99000,100000]的数据）。随机选择一个组一个设备。总共一次查询。每次查询时间范围都不一样。

例如

select s1, s1, ...,s10 from root.sg1.d1 where time >= 99 and time <= 1099

对比数据是否一致, 如果不一致，打印出不一样的数据和sql。

步骤三：聚合查询

单设备单传感器

随机选择1个时间范围（随机选择一个时间点，且必须为10的整数倍，往后查1000个，如果选择了最后(99000,100000]时间点，就查(99000,100000]的数据）。随机选择一个组一个设备，再随机选择2个传感器。总共四次查询。每次查询时间范围都不一样。聚合函数分别为last_value，count。

select count(s1) from root.sg1.d1 where time >= 1000 and time <= 2000
select last_value(s1) from root.sg1.d1 where time >= 3000 and time <= 4000
select count(s100) from root.sg1.d1 where time >= 4000 and time <= 5000
select last_value(s100) from root.sg1.d1 where time >= 5000 and time <= 6000

多设备单传感器

和原始数据同理

单设备多传感器

和原始数据同理

步骤四：降采样查询

单设备单传感器

例如设备d1

随机选择1个时间范围（随机选择一个时间点，且必须为10的整数倍，往后查1000个，如果选择了最后(99000,100000]时间点，就查(99000,100000]的数据）。步长为10。随机选择一个组一个设备，再随机选择2个传感器。总共六次查询。每次查询时间范围都不一样。聚合函数分别为last_value, first_value, count。

select first_value(s1) from root.sg1.d1 group by ((1000, 2000], 10)
select last_value(s1) from root.sg1.d1 group by ((3000, 4000], 10)
select count(s1) from root.sg1.d1 group by ((4000, 5000], 10)
select first_value(s100) from root.sg1.d1 group by ((5000, 6000], 10)
select last_value(s100) from root.sg1.d1 group by ((7000, 8000], 10)
select count(s100) from root.sg1.d1 group by ((9000, 10000], 10)

多设备单传感器

和原始数据同理

单设备多传感器

和原始数据同理

对比数据是否一致, 如果不一致，打印出不一样的数据和sql。

重复写入查询

每个sensor再写入十万个数据点

例如设备d1

重复上述操作

2. 乱序写入查询

执行1. 普通写入查询

执行flush操作

写入乱序点

每个sensor随机设置N*10000（1 <= N <= 9），从后往前个乱序数据点插入，数据全部加一。

例如设备d1

原始数据部分查询

随机选择1个时间范围（随机在(N*10000,100000]选择一个时间点，往前查1000个）。其余全部和1. 普通写入查询同理。

重复写入查询

重复上述操作。

3. 删除写入查询

执行1. 普通写入查询

删除点

每个sensor随机删除N*100（1 <= N <= 9）个时间点数据。

原始数据部分查询

随机选择1个时间范围（随机在删除时间段选择一个时间点，往前查1000个）。其余全部和1. 普通写入查询同理。