博客/
博客/
【运维Pro】: 是由 YMatrix 售前和售后团队负责的栏目。除了介绍日常的数据库运维和使用知识，我们更希望能够通过介绍这些知识背后的原理，让大家和我们一起感知数据库的美妙。
有别于其它场景，时序场景中的数据、查询都有着更为明显的特征；也因此，YMatrix 可以针对这些特征进行深度优化，最终带来出色的性能表现。
然而在时序场景中使用 YMatrix 时，会发现不同的使用方式有时会带来明显的性能差异；究其原因，只有针对时序场景精心设计，才能最大的发挥 YMatrix 在时序场景的性能优势。
我们会从 YMatrix 在时序场景中的最佳实践出发，深入逻辑和原理，一起讨论我们做什么、如何做、为什么。
作为本系列的第一篇文章，我们先简单介绍一些准备知识。
简单来说，时序数据就是： 设备标识 + 时间戳 + 指标 * N 。
以一个传感器记录的温度数据作为简单的例子：
_1699338816.png)
设备标识：1 或多个字段组成的设备唯一标识
时间戳：指标采集时刻的时间戳
指标：设备采集到的许多不同的指标值
关于时序场景和时序数据的更多介绍，可以阅读 YMatrix 官方文档。（时序数据模型：https://ymatrix.cn/doc/5.0/datamodel/what_is_time-Series_datamodel）
通常的，在时序场景会使用分区表进行存储。相比较其他数据库，YMatrix 针对时序场景进行了全方位优化，拥有诸多优势。这里我们以最新的 MARS3 存储引擎为例（其他存储类型也可参考），初步介绍如何针对使用场景创建表，以及其背后的基础逻辑。
MARS3 是在 YMatrix 5.1 中发布的最新存储引擎，相比 MARS2, 提供了数据更新与删除功能，并支持增删列，及 MVCC 机制，在 AP 和 TP 场景下都有明显的性能提升。
对应上面的例子，我们可以这样创建表：
针对时序场景，在创建表时，除了数据对应的字段类型，我们还需要重点关注和理解两个基础的问题：
在 YMatrix 中，一张表的数据会根据分布键和分布算法分散在不同节点上。
当执行查询时，如果涉及的数据均匀的分布在所有计算节点上，那么负载就会平均分配到每个节点上，自然能在并行执行时更充分的利用硬件资源，达到最佳性能表现。
反之，如果查询涉及的数据分布不均，那么执行查询时，就会出现数据量大的节点负载大，数据量小的节点负载小的问题；负载分布不均就意味着一些节点的资源未能充分利用，最终性能表现就可能不达预期。
因此，我们选择表的分区键，基本原则是让查询时涉及的数据尽可能均匀分布至各个节点上，数据分布越均匀，查询性能就越好。
要达到这一目的，首先需要理解时序场景查询的特点。
通常来讲，时序场景查询的条件均包含 时间戳（和设备标识 ）的限定条件，比如：
