Python 原生接口

依赖

在使用 Python 原生接口包前，您需要安装 thrift (>=0.13) 依赖。

如何使用 （示例）

首先下载包：pip3 install apache-iotdb

您可以从这里得到一个使用该包进行数据读写的例子：Session ExamplePython 原生接口 - 图1open in new window

关于对齐时间序列读写的例子：Aligned Timeseries Session ExamplePython 原生接口 - 图2open in new window

（您需要在文件的头部添加import iotdb）

或者：

1. from iotdb.Session import Session

3. ip = "127.0.0.1"
4. port_ = "6667"
5. username_ = "root"
6. password_ = "root"
7. session = Session(ip, port_, username_, password_)
8. session.open(False)
9. zone = session.get_time_zone()
10. session.close()

基本接口说明

下面将给出 Session 对应的接口的简要介绍和对应参数：

初始化

  • 初始化 Session
1. session = Session(ip, port_, username_, password_, fetch_size=1024, zone_id="UTC+8")
  • 开启 Session，并决定是否开启 RPC 压缩
1. session.open(enable_rpc_compression=False)

注意: 客户端的 RPC 压缩开启状态需和服务端一致

  • 关闭 Session
1. session.close()

数据定义接口 DDL

Database 管理
  • 设置 database
1. session.set_storage_group(group_name)
  • 删除单个或多个 database
1. session.delete_storage_group(group_name)
2. session.delete_storage_groups(group_name_lst)
时间序列管理
  • 创建单个或多个时间序列
1. session.create_time_series(ts_path, data_type, encoding, compressor,
2. props=None, tags=None, attributes=None, alias=None)

4. session.create_multi_time_series(
5. ts_path_lst, data_type_lst, encoding_lst, compressor_lst,
6. props_lst=None, tags_lst=None, attributes_lst=None, alias_lst=None
7. )
  • 创建对齐时间序列
1. session.create_aligned_time_series(
2. device_id, measurements_lst, data_type_lst, encoding_lst, compressor_lst
3. )

注意：目前暂不支持使用传感器别名。

  • 删除一个或多个时间序列
1. session.delete_time_series(paths_list)
  • 检测时间序列是否存在
1. session.check_time_series_exists(path)

数据操作接口 DML

数据写入

推荐使用 insert_tablet 帮助提高写入效率

  • 插入一个 Tablet，Tablet 是一个设备若干行数据块，每一行的列都相同
  • 写入效率高
  • 支持写入空值 （0.13 版本起）

Python API 里目前有两种 Tablet 实现

  • 普通 Tablet
1. values_ = [
2. [False, 10, 11, 1.1, 10011.1, "test01"],
3. [True, 100, 11111, 1.25, 101.0, "test02"],
4. [False, 100, 1, 188.1, 688.25, "test03"],
5. [True, 0, 0, 0, 6.25, "test04"],
6. ]
7. timestamps_ = [1, 2, 3, 4]
8. tablet_ = Tablet(
9. device_id, measurements_, data_types_, values_, timestamps_
10. )
11. session.insert_tablet(tablet_)

13. values_ = [
14. [None, 10, 11, 1.1, 10011.1, "test01"],
15. [True, None, 11111, 1.25, 101.0, "test02"],
16. [False, 100, None, 188.1, 688.25, "test03"],
17. [True, 0, 0, 0, None, None],
18. ]
19. timestamps_ = [16, 17, 18, 19]
20. tablet_ = Tablet(
21. device_id, measurements_, data_types_, values_, timestamps_
22. )
23. session.insert_tablet(tablet_)
  • Numpy Tablet

相较于普通 Tablet，Numpy Tablet 使用 numpy.ndarrayPython 原生接口 - 图3open in new window 来记录数值型数据。 内存占用和序列化耗时会降低很多，写入效率也会有很大提升。

注意

  1. Tablet 中的每一列时间戳和值记录为一个 ndarray
  2. Numpy Tablet 只支持大端类型数据，ndarray 构建时如果不指定数据类型会使用小端，因此推荐在构建 ndarray 时指定下面例子中类型使用大端。如果不指定，IoTDB Python客户端也会进行大小端转换，不影响使用正确性。
1. import numpy as np
2. data_types_ = [
3. TSDataType.BOOLEAN,
4. TSDataType.INT32,
5. TSDataType.INT64,
6. TSDataType.FLOAT,
7. TSDataType.DOUBLE,
8. TSDataType.TEXT,
9. ]
10. np_values_ = [
11. np.array([False, True, False, True], TSDataType.BOOLEAN.np_dtype()),
12. np.array([10, 100, 100, 0], TSDataType.INT32.np_dtype()),
13. np.array([11, 11111, 1, 0], TSDataType.INT64.np_dtype()),
14. np.array([1.1, 1.25, 188.1, 0], TSDataType.FLOAT.np_dtype()),
15. np.array([10011.1, 101.0, 688.25, 6.25], TSDataType.DOUBLE.np_dtype()),
16. np.array(["test01", "test02", "test03", "test04"], TSDataType.TEXT.np_dtype()),
17. ]
18. np_timestamps_ = np.array([1, 2, 3, 4], TSDataType.INT64.np_dtype())
19. np_tablet_ = NumpyTablet(
20. device_id, measurements_, data_types_, np_values_, np_timestamps_
21. )
22. session.insert_tablet(np_tablet_)

24. # insert one numpy tablet with None into the database.
25. np_values_ = [
26. np.array([False, True, False, True], TSDataType.BOOLEAN.np_dtype()),
27. np.array([10, 100, 100, 0], TSDataType.INT32.np_dtype()),
28. np.array([11, 11111, 1, 0], TSDataType.INT64.np_dtype()),
29. np.array([1.1, 1.25, 188.1, 0], TSDataType.FLOAT.np_dtype()),
30. np.array([10011.1, 101.0, 688.25, 6.25], TSDataType.DOUBLE.np_dtype()),
31. np.array(["test01", "test02", "test03", "test04"], TSDataType.TEXT.np_dtype()),
32. ]
33. np_timestamps_ = np.array([98, 99, 100, 101], TSDataType.INT64.np_dtype())
34. np_bitmaps_ = []
35. for i in range(len(measurements_)):
36. np_bitmaps_.append(BitMap(len(np_timestamps_)))
37. np_bitmaps_[0].mark(0)
38. np_bitmaps_[1].mark(1)
39. np_bitmaps_[2].mark(2)
40. np_bitmaps_[4].mark(3)
41. np_bitmaps_[5].mark(3)
42. np_tablet_with_none = NumpyTablet(
43. device_id, measurements_, data_types_, np_values_, np_timestamps_, np_bitmaps_
44. )
45. session.insert_tablet(np_tablet_with_none)
  • 插入多个 Tablet
1. session.insert_tablets(tablet_lst)
  • 插入一个 Record，一个 Record 是一个设备一个时间戳下多个测点的数据。
1. session.insert_record(device_id, timestamp, measurements_, data_types_, values_)
  • 插入多个 Record
1. session.insert_records(
2. device_ids_, time_list_, measurements_list_, data_type_list_, values_list_
3. )
  • 插入同属于一个 device 的多个 Record
1. session.insert_records_of_one_device(device_id, time_list, measurements_list, data_types_list, values_list)
带有类型推断的写入

当数据均是 String 类型时，我们可以使用如下接口，根据 value 的值进行类型推断。例如：value 为 “true” ，就可以自动推断为布尔类型。value 为 “3.2” ，就可以自动推断为数值类型。服务器需要做类型推断，可能会有额外耗时，速度较无需类型推断的写入慢

1. session.insert_str_record(device_id, timestamp, measurements, string_values)
对齐时间序列的写入

对齐时间序列的写入使用 insert_aligned_xxx 接口，其余与上述接口类似：

  • insert_aligned_record
  • insert_aligned_records
  • insert_aligned_records_of_one_device
  • insert_aligned_tablet
  • insert_aligned_tablets

IoTDB-SQL 接口

  • 执行查询语句
1. session.execute_query_statement(sql)
  • 执行非查询语句
1. session.execute_non_query_statement(sql)
  • 执行语句
1. session.execute_statement(sql)

元数据模版接口

构建元数据模版
  1. 首先构建Template类
  2. 添加子节点，可以选择InternalNode或MeasurementNode
  3. 调用创建元数据模版接口
1. template = Template(name=template_name, share_time=True)

3. i_node_gps = InternalNode(name="GPS", share_time=False)
4. i_node_v = InternalNode(name="vehicle", share_time=True)
5. m_node_x = MeasurementNode("x", TSDataType.FLOAT, TSEncoding.RLE, Compressor.SNAPPY)

7. i_node_gps.add_child(m_node_x)
8. i_node_v.add_child(m_node_x)

10. template.add_template(i_node_gps)
11. template.add_template(i_node_v)
12. template.add_template(m_node_x)

14. session.create_schema_template(template)
修改模版节点信息

修改模版节点，其中修改的模版必须已经被创建。以下函数能够在已经存在的模版中增加或者删除物理量

  • 在模版中增加实体
1. session.add_measurements_in_template(template_name, measurements_path, data_types, encodings, compressors, is_aligned)
  • 在模版中删除物理量
1. session.delete_node_in_template(template_name, path)
挂载元数据模板
1. session.set_schema_template(template_name, prefix_path)
卸载元数据模版
1. session.unset_schema_template(template_name, prefix_path)
查看元数据模版
  • 查看所有的元数据模版
1. session.show_all_templates()
  • 查看元数据模版中的物理量个数
1. session.count_measurements_in_template(template_name)
  • 判断某个节点是否为物理量，该节点必须已经在元数据模版中
1. session.count_measurements_in_template(template_name, path)
  • 判断某个路径是否在元数据模版中，这个路径有可能不在元数据模版中
1. session.is_path_exist_in_template(template_name, path)
  • 查看某个元数据模板下的物理量
1. session.show_measurements_in_template(template_name)
  • 查看挂载了某个元数据模板的路径前缀
1. session.show_paths_template_set_on(template_name)
  • 查看使用了某个元数据模板（即序列已创建）的路径前缀
1. session.show_paths_template_using_on(template_name)
删除元数据模版

删除已经存在的元数据模版，不支持删除已经挂载的模版

1. session.drop_schema_template("template_python")

对 Pandas 的支持

我们支持将查询结果轻松地转换为 Pandas DataframePython 原生接口 - 图4open in new window。

SessionDataSet 有一个方法.todf()，它的作用是消费 SessionDataSet 中的数据，并将数据转换为 pandas dataframe。

例子：

1. from iotdb.Session import Session

3. ip = "127.0.0.1"
4. port_ = "6667"
5. username_ = "root"
6. password_ = "root"
7. session = Session(ip, port_, username_, password_)
8. session.open(False)
9. result = session.execute_query_statement("SELECT ** FROM root")

11. # Transform to Pandas Dataset
12. df = result.todf()

14. session.close()

16. # Now you can work with the dataframe
17. df = ...

IoTDB Testcontainer

Python 客户端对测试的支持是基于testcontainers库 (https://testcontainers-python.readthedocs.io/en/latest/index.htmlPython 原生接口 - 图5open in new window) 的，如果您想使用该特性，就需要将其安装到您的项目中。

要在 Docker 容器中启动（和停止）一个 IoTDB 数据库，只需这样做：

1. class MyTestCase(unittest.TestCase):

3. def test_something(self):
4. with IoTDBContainer() as c:
5. session = Session("localhost", c.get_exposed_port(6667), "root", "root")
6. session.open(False)
7. result = session.execute_query_statement("SHOW TIMESERIES")
8. print(result)
9. session.close()

默认情况下，它会拉取最新的 IoTDB 镜像 apache/iotdb:latest进行测试，如果您想指定待测 IoTDB 的版本，您只需要将版本信息像这样声明：IoTDBContainer("apache/iotdb:0.12.0")，此时，您就会得到一个0.12.0版本的 IoTDB 实例。

IoTDB DBAPI

IoTDB DBAPI 遵循 Python DB API 2.0 规范 (https://peps.python.org/pep-0249/Python 原生接口 - 图6open in new window)，实现了通过Python语言访问数据库的通用接口。

例子
  • 初始化

初始化的参数与Session部分保持一致（sqlalchemy_mode参数除外，该参数仅在SQLAlchemy方言中使用）

1. from iotdb.dbapi import connect

3. ip = "127.0.0.1"
4. port_ = "6667"
5. username_ = "root"
6. password_ = "root"
7. conn = connect(ip, port_, username_, password_,fetch_size=1024,zone_id="UTC+8",sqlalchemy_mode=False)
8. cursor = conn.cursor()
  • 执行简单的SQL语句
1. cursor.execute("SELECT ** FROM root")
2. for row in cursor.fetchall():
3. print(row)
  • 执行带有参数的SQL语句

IoTDB DBAPI 支持pyformat风格的参数

1. cursor.execute("SELECT ** FROM root WHERE time < %(time)s",{"time":"2017-11-01T00:08:00.000"})
2. for row in cursor.fetchall():
3. print(row)
  • 批量执行带有参数的SQL语句
1. seq_of_parameters = [
2. {"timestamp": 1, "temperature": 1},
3. {"timestamp": 2, "temperature": 2},
4. {"timestamp": 3, "temperature": 3},
5. {"timestamp": 4, "temperature": 4},
6. {"timestamp": 5, "temperature": 5},
7. ]
8. sql = "insert into root.cursor(timestamp,temperature) values(%(timestamp)s,%(temperature)s)"
9. cursor.executemany(sql,seq_of_parameters)
  • 关闭连接
1. cursor.close()
2. conn.close()

IoTDB SQLAlchemy Dialect（实验性）

IoTDB的SQLAlchemy方言主要是为了适配Apache superset而编写的，该部分仍在完善中，请勿在生产环境中使用！

元数据模型映射

SQLAlchemy 所使用的数据模型为关系数据模型，这种数据模型通过表格来描述不同实体之间的关系。 而 IoTDB 的数据模型为层次数据模型，通过树状结构来对数据进行组织。 为了使 IoTDB 能够适配 SQLAlchemy 的方言，需要对 IoTDB 中原有的数据模型进行重新组织， 把 IoTDB 的数据模型转换成 SQLAlchemy 的数据模型。

IoTDB 中的元数据有：

  1. Database：数据库
  2. Path：存储路径
  3. Entity：实体
  4. Measurement：物理量

SQLAlchemy 中的元数据有：

  1. Schema：数据模式
  2. Table：数据表
  3. Column：数据列

它们之间的映射关系为：

SQLAlchemy中的元数据 IoTDB中对应的元数据
Schema Database
Table Path ( from database to entity ) + Entity
Column Measurement

下图更加清晰的展示了二者的映射关系：

sqlalchemy-to-iotdb

sqlalchemy-to-iotdb

数据类型映射
IoTDB 中的数据类型 SQLAlchemy 中的数据类型
BOOLEAN Boolean
INT32 Integer
INT64 BigInteger
FLOAT Float
DOUBLE Float
TEXT Text
LONG BigInteger
Example
  • 执行语句
1. from sqlalchemy import create_engine

3. engine = create_engine("iotdb://root:root@127.0.0.1:6667")
4. connect = engine.connect()
5. result = connect.execute("SELECT ** FROM root")
6. for row in result.fetchall():
7. print(row)
  • ORM (目前只支持简单的查询)
1. from sqlalchemy import create_engine, Column, Float, BigInteger, MetaData
2. from sqlalchemy.ext.declarative import declarative_base
3. from sqlalchemy.orm import sessionmaker

5. metadata = MetaData(
6. schema='root.factory'
7. )
8. Base = declarative_base(metadata=metadata)

11. class Device(Base):
12. __tablename__ = "room2.device1"
13. Time = Column(BigInteger, primary_key=True)
14. temperature = Column(Float)
15. status = Column(Float)

18. engine = create_engine("iotdb://root:root@127.0.0.1:6667")

20. DbSession = sessionmaker(bind=engine)
21. session = DbSession()

23. res = session.query(Device.status).filter(Device.temperature > 1)

25. for row in res:
26. print(row)

给开发人员

介绍

这是一个使用 thrift rpc 接口连接到 IoTDB 的示例。在 Windows 和 Linux 上操作几乎是一样的，但要注意路径分隔符等不同之处。

依赖

首选 Python3.7 或更高版本。

必须安装 thrift（0.11.0 或更高版本）才能将 thrift 文件编译为 Python 代码。下面是官方的安装教程，最终，您应该得到一个 thrift 可执行文件。

1. http://thrift.apache.org/docs/install/

在开始之前，您还需要在 Python 环境中安装requirements_dev.txt中的其他依赖：

1. pip install -r requirements_dev.txt

编译 thrift 库并调试

在 IoTDB 源代码文件夹的根目录下，运行mvn clean generate-sources -pl client-py -am，

这个指令将自动删除iotdb/thrift中的文件，并使用新生成的 thrift 文件重新填充该文件夹。

这个文件夹在 git 中会被忽略，并且永远不应该被推到 git 中！

注意不要将iotdb/thrift上传到 git 仓库中 ！

Session 客户端 & 使用示例

我们将 thrift 接口打包到client-py/src/iotdb/session.py 中（与 Java 版本类似），还提供了一个示例文件client-py/src/SessionExample.py来说明如何使用 Session 模块。请仔细阅读。

另一个简单的例子：

1. from iotdb.Session import Session

3. ip = "127.0.0.1"
4. port_ = "6667"
5. username_ = "root"
6. password_ = "root"
7. session = Session(ip, port_, username_, password_)
8. session.open(False)
9. zone = session.get_time_zone()
10. session.close()

测试

请在tests文件夹中添加自定义测试。

要运行所有的测试，只需在根目录中运行pytest . 即可。

注意一些测试需要在您的系统上使用 docker，因为测试的 IoTDB 实例是使用 testcontainersPython 原生接口 - 图8open in new window 在 docker 容器中启动的。

其他工具

blackPython 原生接口 - 图9open in new window 和 flake8Python 原生接口 - 图10open in new window 分别用于自动格式化和 linting。 它们可以通过 black . 或 flake8 . 分别运行。

发版

要进行发版，

只需确保您生成了正确的 thrift 代码，

运行了 linting 并进行了自动格式化，

然后，确保所有测试都正常通过（通过pytest . ），

最后，您就可以将包发布到 pypi 了。

准备您的环境

首先，通过pip install -r requirements_dev.txt安装所有必要的开发依赖。

发版

有一个脚本release.sh可以用来执行发版的所有步骤。

这些步骤包括：

  • 删除所有临时目录（如果存在）
  • （重新）通过 mvn 生成所有必须的源代码
  • 运行 linting （flke8）
  • 通过 pytest 运行测试
  • Build
  • 发布到 pypi