核心概念

数据库

Database 是表和其他对象的命名空间，用于组织和管理数据，但本身不等于完整的租户隔离边界。

Time-Series Table

GreptimeDB 的表使用关系 schema，并且有且仅有一个时间索引。列采用 Tag、Timestamp、Field 语义。时序表适合 metrics 和 IoT workload；logs、traces 和事件数据使用同一套表模型，但采用适合各自信号的 schema 和表选项。

表可以用 SQL 创建，也可以由支持的写入协议自动创建。分布式部署中，一张表可以拆成多个 Region，放置在不同的 Datanode 上。详见数据模型。

时间索引与主键

每张 GreptimeDB 表都有且只有一个时间索引。它记录样本或事件时间，存储引擎据此按时间组织和裁剪数据。

主键列采用 Tag 语义，用来标识一组时间序列或记录。对于开启去重的表，主键与时间索引共同标识数据行，并按表的 merge_mode进行合并。这里的主键不是通用关系数据库中的唯一约束：append-only 表可以不设置主键，append-only mode 也会把主键和时间戳重复的写入保留为不同数据行。

Table Engine

表引擎决定表数据如何写入、组织、compaction 和读取。主要引擎是：

• Mito Engine：用于一般的时间索引表，包括 logs、traces 和事件数据。
• Metric Engine：基于 Mito Engine，针对大量 Prometheus 风格的 metrics 表做优化。用户操作的 metrics 表仍是 logical table，内部可以共享 physical table 和 metadata。

表引擎与本地文件、Amazon S3、Google Cloud Storage 等 storage provider 是不同层次的抽象。详见表引擎和存储位置。

Region

Region 是表的物理分区，也是存储、调度和迁移的基本单位。Region 由 Datanode 承载，Metasrv 维护它的路由和放置 metadata。客户端通常通过 Frontend 访问表，不需要直接指定 Region。

数据类型

GreptimeDB 的列是强类型。自动生成 schema 可以创建表和添加兼容的列，但写入已有列的值必须符合该列类型，或能够转换为该类型。详见数据类型。

索引

索引是可选的数据结构，用于加速特定查询。GreptimeDB 提供倒排索引、全文索引和 skipping index，三者在适用查询、存储开销和写入成本上各有取舍。详见索引。

View

View 是以虚拟表形式呈现的命名 SQL 查询。它保存查询定义，不物化查询结果；查询 View 时仍会读取底层表。

Pipeline

Pipeline 在写入阶段处理数据，可以在数据进入表之前解析、转换、增强和路由传入的记录。详见 Pipeline。

Flow

Flow 在数据行进入源表后执行连续计算。它持续更新结果，并将结果物化到 sink table；sink table 可以像其他表一样查询和管理。详见 Flow 计算。