上一章聊到 TsFile 的文件組成，以及數據塊的詳細介紹。詳情請見：
時序數據庫 Apache-IoTDB 源碼解析之文件數據塊（四）
打一波廣告，歡迎大家訪問IoTDB 倉庫，求一波 Star。
這一章主要想聊聊：
- TsFile索引塊的組成
- 索引塊的查詢過程
- 索引塊目前在做的改進項
索引塊
索引塊由兩大部分組成，其寫入的方式是從左到右寫入，也就是從文件頭向文件尾寫入。但讀出的方式是先讀出TsFileMetaData 再讀出 TsDeviceMetaDataList 中的具體一部分。我們按照讀取數據的順序介紹：
TsFileMetaData
TsFileMetaData屬於文件的 1 級索引，用來索引 Device 是否存在、在哪里等信息，其中主要保存了：
- DeviceMetaDataIndexMap：Map結構，Key 是設備名，Value 是 TsDeviceMetaDataIndex ，保存了包含哪些 Device（邏輯概念上的一個集合一段時間內的數據，例如前幾章我們講到的：張三、李四、王五）以及他們的開始時間及結束時間、在左側 TsDeviceMetaDataList 文件塊中的偏移量等。
- MeasurementSchemaMap：Map結構，Key 是測點的一個全路徑，Value 是 measurementSchema ，保存了包含的測點數據(邏輯概念上的某一類數據的集合,如體溫數據)的原信息，如：壓縮方式，數據類型，編碼方式等。
- 最后是一個布隆過濾器，快速檢測某一個
時間序列是不是存在於文件內(這里等聊到 server 模塊寫文件的策略時候再聊)。我們知道這個過濾器的特點就是：沒有的一定沒有，但有的不一定有。為了保證准確性和過濾器序列化后的大小均衡，這里提供了一個 1% - 10% 錯誤率的可配置，當為 1% 錯誤率時，保存 1 萬個測點信息，大概是 11.7 K。
我們再回想 SQL ：SELECT 體溫 FROM 王五 WHERE time = 1 。讀文件的過程就應該是：
- 先用
布隆過濾器判斷文件內是否有王五的體溫列，如果沒有，查找下一個文件。 - 從 DeviceMetaDataIndexMap 中找到
王五的 TsDeviceMetaDataIndex ，從而得到了王五的 TsDeviceMetadata 的 offset，接下來就尋道至這個 offset 把王五的 TsDeviceMetadata 讀出來。 - MeasurementSchemaMap 不用關注，主要是給 Spark 使用的，ChunkHeader 中也保存了這些信息。
TsDeviceMetaDataList
TsDeviceMetaDataList 屬於文件的 2 級索引，用來索引具體的測點數據是不是存在、在哪里等信息。其中主要保存了：
- ChunkGroupMetaData：ChunkGroup 的索引信息，主要包含了每個 ChunkGroup 數據塊的起止位置以及包含的所有的測點元信息（ChunkMetaData）。
- ChunkMetaData ：Chunk 的索引信息，主要包含了每個設備的測點在文件中的起止位置、開始結束時間、數據類型和預聚合信息。
上面的例子中，從 TsFileMetadata 已經拿到了王五的 TsDeviceMetadataIndex，這里就可以直接讀出王五的 TsDeviceMetadata，並且遍歷里邊的 ChunkGroupMetadata 中的 ChunkMetadata，找到體溫對應的所有的 ChunkMetadata。通過預聚合信息對時間過濾，判斷能否使用當前的 Chunk 或者能否直接使用預聚合信息直接返回數據(等介紹到 server 的查詢引擎時候細聊)。
如果不能直接返回，因為 ChunkMetaData 包含了這個 Chunk 對應的文件的偏移量，只需要使用 seek(offSet) 就會跳轉到數據塊，使用上一章介紹的讀取方法進行遍歷就完成了整個讀取。
預聚合信息（Statistics）
文中多次提到了預聚合在這里詳細介紹一下它的數據結構。
// 所屬文件塊的開始時間 private long startTime; // 所屬文件塊的結束時間 private long endTime; // 所屬文件塊的數據類型 private TSDataType tsDataType; // 所屬文件塊的最小值 private int minValue; // 所屬文件塊的最大值 private int maxValue; // 所屬文件塊的第一個值 private int firstValue; // 所屬文件塊的最后一個值 private int lastValue; // 所屬文件塊的所有值的和 private double sumValue; 這個結構主要保存在 ChunkMetaData 和 PageHeader 中，這樣做的好處就是，你不必從硬盤中讀取具體的Page 或者 Chunk 的文件內容就可以獲得最終的結果，例如：SELECT SUM(體溫) FROM 王五 ，當定位到 ChunkMetaData 時，判斷能否直接使用這個 Statistics 信息（具體怎么判斷，之后會在介紹 server 時具體介紹），如果能使用，那么直接返回 sumValue。這樣返回的速度，無論存了多少數據，它的聚合結果響應時間簡直就是 1 毫秒以內。
樣例數據
我們繼續使用上一章聊到的示例數據來展示。
| 時間戳 | 人名 | 體溫 | 心率 |
|---|---|---|---|
| 1580950800 | 王五 | 36.7 | 100 |
| 1580950911 | 王五 | 36.6 | 90 |
完整的文件信息如下：
POSITION| CONTENT -------- ------- 0| [magic head] TsFile 6| [version number] 000002 // 數據塊開始 ||||||||||||||||||||| [Chunk Group] of wangwu begins at pos 12, ends at pos 253, version:0, num of Chunks:2 12| [Chunk] of xinlv, numOfPoints:1, time range:[1580950800,1580950800], tsDataType:INT32, [minValue:100,maxValue:100,firstValue:100,lastValue:100,sumValue:100.0] | [marker] 1 | [ChunkHeader] | 1 pages 121| [Chunk] of tiwen, numOfPoints:1, time range:[1580950800,1580950800], tsDataType:FLOAT, [minValue:36.7,maxValue:36.7,firstValue:36.7,lastValue:36.7,sumValue:36.70000076293945] | [marker] 1 | [ChunkHeader] | 1 pages 230| [Chunk Group Footer] | [marker] 0 | [deviceID] wangwu | [dataSize] 218 | [num of chunks] 2 ||||||||||||||||||||| [Chunk Group] of wangwu ends // 索引塊開始 253| [marker] 2 254| [TsDeviceMetadata] of wangwu, startTime:1580950800, endTime:1580950800 | [startTime] 1580950800 | [endTime] 1580950800 | [ChunkGroupMetaData] of wangwu, startOffset12, endOffset253, version:0, numberOfChunks:2 | [ChunkMetaData] of xinlv, startTime:1580950800, endTime:1580950800, offsetOfChunkHeader:12, dataType:INT32, statistics:[minValue:100,maxValue:100,firstValue:100,lastValue:100,sumValue:100.0] | [ChunkMetaData] of tiwen, startTime:1580950800, endTime:1580950800, offsetOfChunkHeader:121, dataType:FLOAT, statistics:[minValue:36.7,maxValue:36.7,firstValue:36.7,lastValue:36.7,sumValue:36.70000076293945] 446| [TsFileMetaData] | [num of devices] 1 | [TsDeviceMetadataIndex] of wangwu, startTime:1580950800, endTime:1580950800, offSet:254, len:192 | [num of measurements] 2 | 2 key&measurementSchema | [createBy isNotNull] false | [totalChunkNum] 2 | [invalidChunkNum] 0 //布隆過濾器 | [bloom filter bit vector byte array length] 30 | [bloom filter bit vector byte array] | [bloom filter number of bits] 256 | [bloom filter number of hash functions] 5 599| [TsFileMetaDataSize] 153 603| [magic tail] TsFile 609| END of TsFile 當執行： SELECT 體溫 FROM 王五 時：
- 從
599開始讀，1 級索引長度為 153. 599 - 153 = 446就是 1 級索引讀開始位置，並讀出 TsDeviceMetadataIndex of 王五，其中記錄了，王五設備的 2 級索引的 offset 為 254.- 跳到
254開始讀 2 級索引，找到 ChunkMetaData of 體溫， 其中記錄了體溫數據的 Chunk 的offset 為121 - 跳到
121，這里進入了數據塊，從121讀取到230，讀出的數據就全部是體溫數據。
改進項
1. 只讀投影列
前面第 3 步中，讀取 2 級索引時候，會將這個設備下的所有測點數據全部讀出來，這依然不太符合只讀投影列的設計，所以在新的 TsFile 中，修改了 1級索引和 2 級索引的部分結構，使得讀出的數據更少，更高效。有興趣的同學可以關注 PR： Refactor TsFile #736
2. 文件級 Statistics
在物聯網場景中經常會涉及到查詢某個設備的最后狀態，比如：車聯網中，查詢車輛的末次位置( SELECT LAST(lat,lon) FROM VechicleID )，或者當前的點火、熄火狀態等 SELECT LAST(accStatus) FROM VechicleID 。
或者當某些分頁查詢等情況時候，經常會使用到 COUNT(*) 等操作，這些都非常符合 Statistics 結構，這些場景涉及到的索引設計也都會體現到新的 TsFile 索引改動中。
到此已經介紹完了文件的整體結構，了解了大體的寫入和讀取過程，但是 TsFile 的 API 是如何設計的，怎樣在代碼里做一些特殊的功課，來繞過 Java 裝箱、GC 等問題呢？歡迎持續關注。。。。