前言

本文主要讨论时序数据库中常见的一种时间戳或者数值压缩方法：delta-of-delta 算法，可以极大地降低数据存储的成本和提高数据写入、查询的性能。

delta-of-delta 压缩时间戳是 Facebook Gorilla 论文中所提到的，论文地址：http://www.vldb.org/pvldb/vol8/p1816-teller.pdf。社区比较火热的 Prometheus TSDB 项目也是借鉴了 Facebook Gorilla 论文中的思路，可以实现很高的时序数据压缩率。

delta 时间戳压缩

时间戳一般采用 long 类型进行存储，需要占用 8byte 存储空间。最直接的优化就是存储时间戳的差值，这里需要起始时间戳和 delta 的最大范围阈值。有两种常用的实现思路：

• 存储相邻两个时间戳差值 Delta(n) = T(n) - T(n-1)

• 存储与起始时间戳的差值 Delta(n) = T(n) - T(0)

假设起始时间戳为 1571889600000，delta 的最大范围阈值为 3600s，每个 delta 的数值需要 13bit 可以存储。因此以上时间戳数据共占用空间为 64 + 13 * 4 = 116bit。

思路 2 的优势是不需要对块内数据依次遍历，但是相比思路 1 可能需要更为频繁地更换起始时间，根据实际需求选择合适的压缩方案。

delta-of-delta 时间戳压缩

Facebook Gorilla 有详细阐述 delta-of-delta 编码的计算方式，以下为论文的摘录。

针对不同时间跨度的数据，Facebook Gorilla 给出了一种较为通用的处理方案。

依然通过一组时间戳数据来直观感受下 delta-of-delta 编码的压缩效果：

依然假设起始时间戳为 1571889600000，delta 的最大范围阈值为 3600s，占用存储空间对比如下：

• delta 算法：64 + 13 * 7 = 155bit 。

• delta-of-delta 算法：64 + 9 * 4 + 1 * 3 = 103bit 。

可以看出 delta-of-delta 算法相比 delta 算法进一步获得了更高的压缩率。在实际应用场景中，海量时序数据的时间戳都是密集且连续的，绝大部分都满足 delta-of-delta=0 的条件，这样可以大幅度降低时间戳的存储空间。

总结

• delta-of-delta 算法常用于监控数据中时间戳的压缩，可以大幅度降低存储成本和提高写入、查询性能。

• 针对跨度较大的数据，系统需要有一定的容错能力。

• delta-of-delta 算法也存在一定的缺陷，因为是不定长的压缩算法，所以导致解压后必须从数据块的首地址依次计算。

附录

• Implementation of time series compression method from the Facebook's Gorilla paper

- END -

「技术分享」某种程度上，是让作者和读者，不那么孤独的东西。欢迎关注我的微信公众号：「Kirito的技术分享」