一、場景特性

每個業務場景都有自己特有數據特性，IoT也不例外。單純從設備檢索的角度切入來看，IoT的設備檢索特性如下：

     1. 億級數據；

     2. 數據高頻變更；

     3. 時序特性；

     4. 無冷熱特徵；

     5. 結構鬆散；

     6. 數據異構；

二、數據Dump層

整體思路和多數檢索場景類似：全量數據+增量數據。由於底層用了多套雲檢索引擎，因此整個Dump層天然具備雲原生的能力，與此同時，我們採用了影子庫、主備集群、讀寫分離、配置化、全鏈路監控等手段，來保障數據的吞吐、時延、穩定、高效。

三、物模型檢索

物模型是物理空間中的實體（如傳感器、車載裝置、樓宇、工廠等）在雲端的數字化表示，從屬性、服務和事件三個維度，分別描述了該實體是什麼、能做什麼、可以對外提供哪些信息。因此相對於設備的元數據（名稱等），物模型數據的檢索是極其重要的一部分。然而，雖然單個設備的物模型屬性數量是有限的，但是不同的設備的物模型屬性數是完全不一樣的，這就導致最終最終設備的物模型的屬性是不可窮盡的，但是我們的索引表的寬度是有限的。因此，就需要用有限的索引列存儲無限的物模型數據。

通過結合物模型的特點：數據定義明確、整體數量不可窮盡、單設備可窮盡，將單設備的物模型信息與索引進行映射，多設備複用相同索引，實現物模型數據的檢索。

四、SQL-Like檢索能力

雲上的產品ToB的比重更高，使用我們雲平臺的大多數用戶都有一定技術背景，SQL在技術人員普及度又極高，為了降低用戶的使用成本，我們提供了SQL-Like的檢索能力，用戶能夠像查詢數據庫一樣來檢索數據。與此同時，我們底層用了多套檢索引擎，因此我們希望在上層使用SQL檢索的方式來屏蔽底層引擎的差異。簡而言之，上層使用SQL語法，下層適配多套檢索引擎。

為此，我們設計了一套：適配多引擎、業務自定義、SQL檢索框架。整體架構上，參考了Apache Calcite。

SQL-Helper：我們提供了SQL拼裝工具，用戶可以像寫JAVA那樣完成SQL書寫，防止SQL拼寫錯誤帶來的調試效率問題；

Adapter：適配層模塊，基於底層引擎進行適配、路由；

Parser：SQL解析模塊；

Completer：語句補全、替換等；

Validater：語句校驗模塊；

Tanslator：語句轉義為底層引擎請求，並進行參數優化；

五、使用文檔

https://help.aliyun.com/document_detail/185713.html？spm=a2c4g.11174283.6.712.2d924c07H2j7X7