EMQ X 规则引擎系列(十三)- 消息写入到 TimescaleDB

2022-05-12 00:00:00 创建 数据 数据库 规则 消息
TimescaleDB 介绍


面对大规模快速增长的物联网传感器采集、交易记录等数据,时间序列数据累计速度非常快,时序数据库通过提高效率来处理这种大规模数据,并带来性能的提升,包括:更高的容纳率(Ingest Rates)、更快的大规模查询(尽管有一些比其他数据库支持更多的查询)以及更好的数据压缩。

TimescaleDB 是一款针对快速获取和复杂查询而优化的开源时间序列数据库。它使用标准的 SQL 语句,并且像传统的关系数据库那样容易使用,像 NoSQL 那样可扩展。

TimescaleDB是在 PostgreSQL 数据库的基础上进行开发的,所以使用方法基本和传统数据库一致。它可以支持复杂的SQL查询,并针对时间序列数据的快速插入和复杂查询、持久存储进行了优化,特别适合用于监控,IoT,金融,物流等大数据领域。


场景介绍


该场景需要将 EMQ X 指定主题下且满足条件的消息存储到 TimescaleDB。为了便于后续分析检索,消息内容需要进行拆分存储。

  该场景下客户端上报数据如下:

  • Topic:data/sensor

  • Payload:

    {
     "location": "bedroom",
     "temperature": 25,
     "humidity": 46.4
    }


准备工作


  创建数据库

创建 tutorial 数据库,用户名为 postgres,密码为 password:

$ docker pull timescale/timescaledb

$ docker run -d --name timescaledb -p 5432:5432 -e POSTGRES_PASSWORD=password timescale/timescaledb:latest-pg11

$ docker exec -it timescaledb psql -U postgres

## 创建并连接 tutorial 数据库
> CREATE database tutorial;

> \c tutorial

## 使用 TimescaleDB 扩展数据库
> CREATE EXTENSION IF NOT EXISTS timescaledb CASCADE;


  创建数据表

创建 sensor_data 表并转换为 hypertable:

> CREATE TABLE sensor_data (
 time        TIMESTAMPTZ       NOT NULL,
 location    TEXT              NOT NULL,
 temperature DOUBLE PRECISION  NULL,
 humidity    DOUBLE PRECISION  NULL
);

> SELECT create_hypertable('sensor_data', 'time');


配置说明


  创建资源

打开 EMQ X Dashboard,进入左侧菜单的 资源 页面,点击 新建 按钮,选择 TimescaleDB 资源类型并完成相关配置进行资源创建。

  创建规则

进入左侧菜单的 规则 页面,点击 新建 按钮,进行规则创建。这里选择触发事件 message.publish,即在 EMQ X 收到 PUBLISH 消息时触发该规则进行数据处理。

选定触发事件后,我们可在界面上看到可选字段及示例 SQL:

  筛选所需字段

规则引擎使用 SQL 语句过滤和处理数据。例如前文提到的场景中我们需要将 payload
中的字段提取出来使用,则可以通过 payload.<fieldName>
实现。同时我们仅仅期望处理 data/sensor
主题,那么可以在 WHERE 子句中使用主题通配符 =~
topic
进行筛选:topic =~ 'data/sensor'
, 终我们得到 SQL 如下:

SELECT
 payload.temperature as temperature,
 payload.humidity as humidity,
 payload.location as location
FROM
"message.publish"
WHERE
 topic =~ 'data/sensor'

  SQL 测试

借助 SQL 测试功能,我们可以快速确认刚刚填写的 SQL 语句能否达成我们的目的。首先填写用于测试的 payload 等数据如下:

然后点击 测试 按钮,我们得到以下数据输出:

{
 "humidity": 46.4,
 "location": "bedroom",
 "temperature": 25
}

测试输出与预期相符,我们可以进行后续步骤。

  添加响应动作,存储消息到 Timescale

SQL 条件输入输出无误后,我们继续添加响应动作,配置写入 SQL 语句,将筛选结果存储到 Timescale。

点击响应动作中的 添加 按钮,选择 保存数据到 Timescale 动作,选取刚刚创建的 Timescale
资源并填写 SQL 模板如下:

insert into sensor_data(time, location, temperature, humidity) values (NOW(), ${location}, ${temperature}, ${humidity})

后点击 新建 按钮完成规则创建。


测试


  预期结果

我们成功创建了一条规则,包含一个处理动作,动作期望效果如下:

  1. 客户端向 data/sensor
    主题上报消息时,该消息将命中 SQL,规则列表中 已命中 数字增加 1;

  2. Timescale tutorial
    数据库的 sensor_data
    表中将增加一条数据,数据内容与消息内容一致。

  使用 Dashboard 中的 Websocket 工具测试

切换到 工具 --> Websocket 页面,使用任意信息客户端连接到 EMQ X,连接成功后在 消息 卡片中发送如下消息:

  • Topic:data/sensor

  • Payload:

    {
     "location": "bedroom",
     "temperature": 25,
     "humidity": 46.4
    }

点击 发送 按钮,发送成功后可以看到当前规则已命中次数已经变为了 1。

然后检查 TimescaleDB,新的 data point 是否添加成功:

tutorial=# SELECT * FROM sensor_data LIMIT 100;
            time              | location | temperature | humidity
-------------------------------+----------+-------------+----------
2019-07-25 05:47:27.124415+00 | bedroom  |          25 |     46.4
(1 row)

至此,我们通过规则引擎实现了使用规则引擎存储消息到 Timescale 数据库的业务开发。

来源 https://www.modb.pro/db/244099

相关文章