开始使用 InfluxDB 3 Core

开始使用 InfluxDB 3 Core

InfluxDB是一个旨在收集、处理、转化和存储事件和时间序列数据的数据库，特别适合需要实时摄取和快速查询响应时间，以构建用户界面、监控和自动化解决方案的使用案例。

常见的使用案例包括：

• 监控传感器数据
• 服务器监控
• 应用性能监控
• 网络监控
• 金融市场和交易分析
• 行为分析

InfluxDB针对近实时数据监控至关重要的场景进行了优化，查询需要快速返回，以支持用户体验，如仪表板和交互式用户界面。

InfluxDB 3核心是InfluxDB 3的开源版本。核心的特点亮点包括：

• 无盘架构，支持对象存储（或无依赖的本地磁盘）
• 快速查询响应时间（最后值查询低于10毫秒，或不同元数据30毫秒）
• 用于插件和触发器的嵌入式Python虚拟机
• Parquet文件持久化
• 与 InfluxDB 1.x 和 2.x 写入 API 的兼容性

企业版本在核心功能的基础上增加了：

• 历史查询能力和单系列索引
• 高可用性
• 读取副本
• 增强的安全性（即将推出）
• 行级删除支持（即将推出）
• 集成的管理员用户界面（敬请期待）

欲了解更多信息，请查看如何开始使用企业版。

本指南包含的内容

本指南涵盖了 InfluxDB 3 Core（开源版本），包括以下主题：

• 安装和启动
• 数据模型
• 将数据写入数据库
• 查询数据库
• 最后值缓存
• 唯一值缓存
• Python 插件和处理引擎
• 无盘架构

安装和启动

InfluxDB 3 Core 在 Linux、macOS 和 Windows 上运行。

curl -O https://www.influxdata.com/d/install_influxdb3.sh \
&& sh install_influxdb3.sh

docker pull quay.io/influxdb/influxdb3-core:latest

每次合并到 InfluxDB 3 Core main 分支时，构建的工件和镜像都会更新。

验证安装

安装 InfluxDB 3 Core 后，输入以下命令以验证安装是否成功：

influxdb3 --version

如果您的系统无法找到 influxdb3，那么请 source 配置文件 (例如，.bashrc，.zshrc) 供您的 shell 使用，例如：

source ~/.zshrc

启动 InfluxDB

要启动您的 InfluxDB 实例，请使用 influxdb3 serve 命令并提供以下信息：

• --object-store: 指定要使用的对象存储类型。InfluxDB支持以下类型：本地文件系统 (file), memory, S3（以及兼容的服务，如Ceph或Minio） (s3), Google Cloud Storage (google), 和Azure Blob Storage (azure).
• --writer-id: 一个字符串标识符，决定服务器在配置的存储位置中的存储路径

以下示例展示了如何以不同的对象存储配置启动 InfluxDB 3：

# MEMORY
# Stores data in RAM; doesn't persist data
influxdb3 serve --writer-id=local01 --object-store=memory

# FILESYSTEM
# Provide the filesystem directory
influxdb3 serve \
  --writer-id=local01 \
  --object-store=file \
  --data-dir ~/.influxdb3

要运行Docker镜像并将数据持久化到文件系统，挂载一个卷用于对象存储-例如，传递以下选项：

• -v /path/on/host:/path/in/container: 将你的文件系统中的一个目录挂载到容器中
• --object-store file --data-dir /path/in/container: 使用挂载作为服务器存储

# FILESYSTEM USING DOCKER
# Create a mount
# Provide the mount path
docker run -it \
 -v /path/on/host:/path/in/container \
 quay.io/influxdb/influxdb3-core:latest serve \
 --writer-id my_host \
 --object-store file \
 --data-dir /path/in/container

# S3 (defaults to us-east-1 for region)
# Specify the Object store type and associated options
influxdb3 serve --writer-id=local01 --object-store=s3 --bucket=[BUCKET] --aws-access-key=[AWS ACCESS KEY] --aws-secret-access-key=[AWS SECRET ACCESS KEY]

# Minio/Open Source Object Store (Uses the AWS S3 API, with additional parameters)
# Specify the Object store type and associated options
influxdb3 serve --writer-id=local01 --object-store=s3 --bucket=[BUCKET] --aws-access-key=[AWS ACCESS KEY] --aws-secret-access-key=[AWS SECRET ACCESS KEY] --aws-endpoint=[ENDPOINT] --aws-allow-http

有关服务器选项的更多信息，请运行 influxdb3 serve --help。

许可

当第一次启动 InfluxDB 3 Core 时，它会提示您输入电子邮件地址以进行验证。您将收到一封带有验证链接的电子邮件。 完成验证后，许可证的创建、检索和应用将自动进行。

在alpha阶段，许可证有效期至2025年5月7日。

数据模型

数据库服务器包含逻辑数据库，这些数据库有表，这些表有列。与之前版本的InfluxDB相比，您可以将数据库视为v2中的bucket或v1中的db/retention_policy。table相当于measurement，它具有可以是tag（字符串字典）、int64、float64、uint64、bool或string类型的列，最后每个表都有一个time列，它是纳秒精度的时间戳。

在 InfluxDB 3 中，每个表都有一个主键——有序的标签集合和时间——用于其数据。这是所有创建的 Parquet 文件所使用的排序方式。当您通过显式调用或首次向表中写入数据来创建表时，它将主键设置为按到达顺序排列的标签。这个是不可改变的。尽管 InfluxDB 仍然是一个 写时模式 数据库，但表的标签列定义是不可改变的。

标签应该包含唯一的识别信息，如 sensor_id，或 building_id 或 trace_id。所有其他数据应保存在字段中。您将能够在以后为任何列（无论是字段还是标签）添加快速的最近 N 值和唯一值查找。

写入数据

InfluxDB是一个写时模式的数据库。您可以开始写入数据，InfluxDB会即时创建逻辑数据库、表和它们的模式。 在创建模式后，InfluxDB会在接受数据之前验证未来的写入请求。 随后的请求可以即时添加新的字段，但无法添加新的标签。

InfluxDB 3 Core 针对最近的数据进行了优化——它接受来自过去72小时内的数据写入。它将这些数据持久化在Parquet文件中，以便第三方系统进行长期历史分析和查询。如果您需要更长时间的历史查询，并且需要一个优化数据组织的压缩器，请考虑使用 InfluxDB 3 Enterprise。

数据库有三个写入API端点，响应HTTP POST 请求：

• /write?db=mydb&precision=ns
• /api/v2/write?bucket=mydb&precision=ns
• /api/v3/write_lp?db=mydb&precision=ns&accept_partial=true

InfluxDB 3 Core 提供 /write 和 /api/v2/write 端点，以便与可以将数据写入先前版本的 InfluxDB 的客户端向后兼容。 然而，这些 API 与先前版本中的 API 在以下方面有所不同：

• 表中的标签（测量）是 不可变的
• 标签和字段在一个表中不能有相同的名称。

InfluxDB 3 Core 新增了 /api/v3/write_lp 端点，接受与之前版本相同的行协议语法，并支持 ?accept_partial=<BOOLEAN> 参数，该参数允许您接受或拒绝部分写入（默认值为 true）。

以下代码块是行协议的一个示例，显示了表名后面跟着标签，这些标签是一个有序的、以逗号分隔的键/值对列表，其中值为字符串，后面是一个以逗号分隔的键/值对列表，表示字段，并以一个可选的时间戳结束。默认情况下，时间戳是纳秒纪元，但您可以通过precision查询参数指定不同的精度。

cpu,host=Alpha,region=us-west,application=webserver val=1i,usage_percent=20.5,status="OK"
cpu,host=Bravo,region=us-east,application=database val=2i,usage_percent=55.2,status="OK"
cpu,host=Charlie,region=us-west,application=cache val=3i,usage_percent=65.4,status="OK"
cpu,host=Bravo,region=us-east,application=database val=4i,usage_percent=70.1,status="Warn"
cpu,host=Bravo,region=us-central,application=database val=5i,usage_percent=80.5,status="OK"
cpu,host=Alpha,region=us-west,application=webserver val=6i,usage_percent=25.3,status="Warn"

如果您将前面的行协议保存到一个文件中（例如，server_data），那么您可以使用influxdb3 CLI来写入数据，例如：

influxdb3 write --database=mydb --file=server_data

以下示例显示了如何使用 curl 和 /api/3/write_lp HTTP 端点写入数据。为了显示接受和拒绝部分写入之间的区别，示例中的第 2 行包含了一个 float 字段的 string 值 (temp=hi)。

发生了部分行协议的写入

使用 accept_partial=true：

* upload completely sent off: 59 bytes
< HTTP/1.1 400 Bad Request
< transfer-encoding: chunked
< date: Wed, 15 Jan 2025 19:35:36 GMT
< 
* Connection #0 to host localhost left intact
{"error":"partial write of line protocol occurred","data":[{"original_line":"dquote> home,room=Sunroom temp=hi","line_number":2,"error_message":"No fields were provided"}]}%                 

第 1 行已编写并可查询。 响应是一个HTTP错误 (400) 状态，响应主体包含 partial write of line protocol occurred 和关于问题行的详细信息。

解析失败，写入_lp 端点

使用 accept_partial=false：

> curl -v -XPOST "localhost:8181/api/v3/write_lp?db=sensors&precision=auto&accept_partial=false" \
  --data-raw "home,room=Sunroom temp=96
dquote> home,room=Sunroom temp=hi"
< HTTP/1.1 400 Bad Request
< transfer-encoding: chunked
< date: Wed, 15 Jan 2025 19:28:27 GMT
< 
* Connection #0 to host localhost left intact
{"error":"parsing failed for write_lp endpoint","data":{"original_line":"dquote> home,room=Sunroom temp=hi","line_number":2,"error_message":"No fields were provided"}}%

两行都没有写入数据库。 返回的是一个HTTP错误（400）状态，响应主体包含解析失败，针对write_lp端点及问题行的详细信息。

数据持久性

写入的数据进入WAL文件，每秒创建一次，以及一个可查询的内存缓冲区。随后，InfluxDB快照WAL并将数据持久化到对象存储中，作为Parquet文件。 我们在本指南后面会介绍无磁盘架构。

创建数据库或表

要创建一个没有写入数据的数据库，请使用create子命令，例如：

influxdb3 create database mydb

要了解有关子命令的更多信息，请使用 -h, --help 标志：

influxdb3 create -h

查询数据库

InfluxDB 3 现在支持原生 SQL 查询，除了 InfluxQL，这是一种为时间序列查询定制的类 SQL 语言。

开始查询的最快方法是使用 influxdb3 CLI（它通过 HTTP2 使用 Flight SQL API）。

这个 query 子命令包括选项，以帮助确保查询正确的数据库并具有正确的权限。只有 --database 选项是必需的，但根据您的具体设置，您可能需要传递其他选项，例如主机、端口和令牌。

示例：在servers数据库上查询“SHOW TABLES”：

$ influxdb3 query --database=servers "SHOW TABLES"
+---------------+--------------------+--------------+------------+
| table_catalog | table_schema       | table_name   | table_type |
+---------------+--------------------+--------------+------------+
| public        | iox                | cpu          | BASE TABLE |
| public        | information_schema | tables       | VIEW       |
| public        | information_schema | views        | VIEW       |
| public        | information_schema | columns      | VIEW       |
| public        | information_schema | df_settings  | VIEW       |
| public        | information_schema | schemata     | VIEW       |
+---------------+--------------------+--------------+------------+

示例: 查询 cpu 表，限制为 10 行:

$ influxdb3 query --database=servers "SELECT DISTINCT usage_percent, time FROM cpu LIMIT 10"
+---------------+---------------------+
| usage_percent | time                |
+---------------+---------------------+
| 63.4          | 2024-02-21T19:25:00 |
| 25.3          | 2024-02-21T19:06:40 |
| 26.5          | 2024-02-21T19:31:40 |
| 70.1          | 2024-02-21T19:03:20 |
| 83.7          | 2024-02-21T19:30:00 |
| 55.2          | 2024-02-21T19:00:00 |
| 80.5          | 2024-02-21T19:05:00 |
| 60.2          | 2024-02-21T19:33:20 |
| 20.5          | 2024-02-21T18:58:20 |
| 85.2          | 2024-02-21T19:28:20 |
+---------------+---------------------+

使用CLI查询InfluxQL

InfluxQL 是由 InfluxData 开发的一种类似于 SQL 的语言，具备针对利用和处理 InfluxDB 特定功能的特点。它与所有版本的 InfluxDB 兼容，使其成为不同 InfluxDB 安装之间互操作性的良好选择。

要使用 InfluxQL 查询，请输入 influxdb3 query 子命令，并在语言选项中指定 influxql，例如：

influxdb3 query --database=servers --lang=influxql "SELECT DISTINCT usage_percent FROM cpu WHERE time >= now() - 1d"

使用API查询

InfluxDB 3 支持 Flight (gRPC) API 和 HTTP API。要使用 HTTP API 查询数据库，请向 /api/v3/query_sql 或 /api/v3/query_influxql 端点发送请求。在请求中，在 db 参数中指定数据库名称，在 q 参数中指定查询。您可以在查询字符串中或在 JSON 对象内传递参数。

使用 format 参数来指定响应格式： pretty， jsonl， parquet， csv 和 json。 默认是 json。

示例：查询传递URL编码的参数

以下示例发送一个 HTTP GET 请求，包含一个 URL 编码的 SQL 查询：

curl -v "http://127.0.0.1:8181/api/v3/query_sql?db=servers&q=select+*+from+cpu+limit+5"

示例：传递JSON参数的查询

以下示例发送一个带有JSON负载参数的HTTP POST 请求：

curl http://127.0.0.1:8181/api/v3/query_sql \
  --data '{"db": "server", "q": "select * from cpu limit 5"}'

使用Python客户端查询

使用 InfluxDB 3 Python 库与数据库交互并与您的应用程序集成。我们建议在您特定项目的 Python 虚拟环境中安装所需的包。

要开始，安装 influxdb3-python 包。

pip install influxdb3-python

在这里，您可以仅使用主机和**数据库名称连接到您的数据库。:

from influxdb_client_3 import InfluxDBClient3

client = InfluxDBClient3(
    host='http://127.0.0.1:8181',
    database='servers'
)

下面的示例展示了如何使用 SQL 查询，然后使用 PyArrow 探索模式并处理结果：

from influxdb_client_3 import InfluxDBClient3

client = InfluxDBClient3(
    host='http://127.0.0.1:8181',

    database='servers'
)

# Execute the query and return an Arrow table
table = client.query(
    query="SELECT * FROM cpu LIMIT 10",
    language="sql"
)

print("\n#### View Schema information\n")
print(table.schema)

print("\n#### Use PyArrow to read the specified columns\n")
print(table.column('usage_active'))
print(table.select(['host', 'usage_active']))
print(table.select(['time', 'host', 'usage_active']))

print("\n#### Use PyArrow compute functions to aggregate data\n")
print(table.group_by('host').aggregate([]))
print(table.group_by('cpu').aggregate([('time_system', 'mean')]))

有关Python客户端库的更多信息，请参阅influxdb3-python库在GitHub上的信息。

最后值缓存

InfluxDB 3 Core 支持一个 最后 n 个值缓存，它在内存中存储系列或列层次中的最后 N 个值。这使得数据库能够在不到 10 毫秒的时间内回答这些类型的查询。 你可以使用 influxdb3 CLI 来创建一个最后值缓存。

Usage: $ influxdb3 create last-cache [OPTIONS] -d <DATABASE_NAME> -t <TABLE>

Options:
  -h, --host <HOST_URL>                URL of the running InfluxDB 3 server
  -d, --database <DATABASE_NAME>       The database to run the query against 
      --token <AUTH_TOKEN>             The token for authentication 
  -t, --table <TABLE>                  The table for which the cache is created
      --cache-name <CACHE_NAME>        Give a name for the cache
      --help                           Print help information
      --key-columns <KEY_COLUMNS>      Columns used as keys in the cache
      --value-columns <VALUE_COLUMNS>  Columns to store as values in the cache
      --count <COUNT>                  Number of entries per unique key:column 
      --ttl <TTL>                      The time-to-live for entries (seconds)

您可以为每个时间序列创建一个最后值缓存，但要注意高基数表可能会占用过多内存。

创建此缓存的示例：

influxdb3 create last-cache --database=servers --table=cpu --cache-name=cpuCache --key-columns=host,application --value-columns=usage_percent,status --count=5

查询最后值缓存

要利用LVC，请在您的查询中使用 last_cache() 函数调用它，例如：

influxdb3 query --database=servers "SELECT * FROM last_cache('cpu', 'cpuCache') WHERE host = 'Bravo;"

删除最后值缓存

要移除最后值缓存，请使用以下命令：

influxdb3 delete last_cache [OPTIONS] -d <DATABASE_NAME> -t <TABLE> --cache-name <CACHE_NAME>

Options:
  -h, --host <HOST_URL>          Host URL of the running InfluxDB 3 server
  -d, --database <DATABASE_NAME> The database to run the query against          
      --token <AUTH_TOKEN>       The token for authentication   
  -t, --table <TABLE>            The table for which the cache is being deleted
  -n, --cache-name <CACHE_NAME>  The name of the cache being deleted
      --help                     Print help information

不同的值缓存

类似于最近值缓存，数据库可以在RAM中缓存表中单独列或列层级的不同值。这对于快速元数据查找很有用，查找时间可以在30毫秒以内返回。许多选项与最近值缓存类似。有关更多信息，请参见CLI输出：

influxdb3 create distinct_cache -h

Python 插件和处理引擎

InfluxDB 3处理引擎是一个嵌入式Python虚拟机，用于在数据库内运行代码以处理和转换数据。

要使用处理引擎，您需要创建 插件 和 触发器。

插件

插件是一个与触发类型兼容的签名的Python函数。 influxdb3 create plugin命令将Python插件文件加载到服务器中。

触发器

在您将插件加载到 InfluxDB 3 服务器后，您可以创建一个或多个与该插件相关的触发器。
当您创建触发器时，您需要指定一个插件、一个数据库、可选的运行时参数，以及一个触发器规格，它指定 all_tables 或 table:my_table_name（用于过滤发送到插件的数据）。
当您 启用 触发器时，服务器会根据插件签名执行插件代码。

触发器类型

InfluxDB 3 提供以下类型的触发器：

• 在WAL刷新时: 每秒将一批写入数据发送到插件（可配置）。

测试、创建和触发插件代码

示例：用于WAL刷新 的Python插件

# This is the basic structure for Python plugin code that runs in the
# InfluxDB 3 Processing engine.

# When creating a trigger, you can provide runtime arguments to your plugin,
# allowing you to write generic code that uses variables such as monitoring
thresholds, environment variables, and host names.
#
# Use the following exact signature to define a function for the WAL flush
# trigger.
# When you create a trigger for a WAL flush plugin, you specify the database
# and tables that the plugin receives written data from on every WAL flush
# (default is once per second).
def process_writes(influxdb3_local, table_batches, args=None):
    # here you can see logging. for now this won't do anything, but soon 
    # we'll capture this so you can query it from system tables
    if args and "arg1" in args:
        influxdb3_local.info("arg1: " + args["arg1"])

    # here we're using arguments provided at the time the trigger was set up 
    # to feed into paramters that we'll put into a query
    query_params = {"host": "foo"}
    # here's an example of executing a parameterized query. Only SQL is supported. 
    # It will query the database that the trigger is attached to by default. We'll 
    # soon have support for querying other DBs.
    query_result = influxdb3_local.query("SELECT * FROM cpu where host = '$host'", query_params)
    # the result is a list of Dict that have the column name as key and value as 
    # value. If you run the WAL test plugin with your plugin against a DB that 
    # you've written data into, you'll be able to see some results
    influxdb3_local.info("query result: " + str(query_result))

    # this is the data that is sent when the WAL is flushed of writes the server 
    # received for the DB or table of interest. One batch for each table (will 
    # only be one if triggered on a single table)
    for table_batch in table_batches:
        # here you can see that the table_name is available.
        influxdb3_local.info("table: " + table_batch["table_name"])

        # example to skip the table we're later writing data into
        if table_batch["table_name"] == "some_table":
            continue

        # and then the individual rows, which are Dict with keys of the column names and values
        for row in table_batch["rows"]:
            influxdb3_local.info("row: " + str(row))

    # this shows building a line of LP to write back to the database. tags must go first and 
    # their order is important and must always be the same for each individual table. Then 
    # fields and lastly an optional time, which you can see in the next example below
    line = LineBuilder("some_table")\
        .tag("tag1", "tag1_value")\
        .tag("tag2", "tag2_value")\
        .int64_field("field1", 1)\
        .float64_field("field2", 2.0)\
        .string_field("field3", "number three")
    
    # this writes it back (it actually just buffers it until the completion of this function
    # at which point it will write everything back that you put in)
    influxdb3_local.write(line)

    # here's another example, but with us setting a nanosecond timestamp at the end
    other_line = LineBuilder("other_table")
    other_line.int64_field("other_field", 1)
    other_line.float64_field("other_field2", 3.14)
    other_line.time_ns(1302)

    # and you can see that we can write to any DB in the server
    influxdb3_local.write_to_db("mytestdb", other_line)

    # just some log output as an example
    influxdb3_local.info("done")

在服务器上测试插件

安全地测试您的 InfluxDB 3 插件，而不会影响已写入的数据。在插件测试期间：

• 插件执行的查询针对您发送请求的服务器。
• 写入不会发送到服务器，而是返回给你。

要测试一个插件，请执行以下操作：

1. 创建一个 插件目录 –例如， /path/to/.influxdb/plugins

2. 将插件目录提供给Docker容器（例如，使用绑定挂载）

3. 运行Docker命令以 启动服务器，并包含 --plugin-dir 选项以及您的插件目录路径。

4. 将前面的示例代码保存到插件目录中的一个插件文件中。如果您还没有在示例中向表中写入数据，请注释掉查询的行。

5. 要运行测试，请输入以下命令和选项：

   • --lp 或 --file: 要测试的行协议
   • 可选： --input-arguments: 用于您的插件代码的逗号分隔的 <KEY>=<VALUE> 参数列表

   influxdb3 test wal_plugin \
     --lp <INPUT_LINE_PROTOCOL> \
     --input-arguments "arg1=foo,arg2=bar"
     --database <DATABASE_NAME> \
     <PLUGIN_FILENAME> 
   

该命令使用测试数据运行插件代码，将数据传递给插件代码，然后返回插件结果。 您可以快速查看插件的行为，它将写入数据库的数据以及任何错误。 然后，您可以编辑插件目录中的Python代码，并重新运行测试。 服务器会为每个对test API的请求重新加载文件。

有关更多信息，请参见 influxdb3 test wal_plugin 或运行 influxdb3 test wal_plugin -h。

在服务器插件目录中有插件代码，并且测试成功后，您准备好创建一个插件和一个触发器在服务器上运行。

示例：测试、创建和运行插件

以下示例展示了如何测试一个插件，然后创建该插件并触发:

# Test and create a plugin
# Requires:
#   - A database named `mydb` with a table named `foo`
#   - A Python plugin file named `test.py`
# Test a plugin
influxdb3 test wal_plugin \
  --lp="my_measure,tag1=asdf f1=1.0 123" \
  -d mydb \
  --input-arguments="arg1=hello,arg2=world" \
  test.py

# Create a plugin to run
influxdb3 create plugin \
  -d mydb \
  --code-filename="/path/to/.influxdb3/plugins/test.py" \
  test_plugin

# Create a trigger that runs the plugin
influxdb3 create trigger \
  -d mydb \
  --plugin=test_plugin \
  --trigger-spec="table:foo" \
  --trigger-arguments="arg1=hello,arg2=world" \
  trigger1

在创建了插件和触发器后，输入以下命令来启用触发器并在您写入数据时运行插件：

influxdb3 enable trigger --database mydb trigger1 

有关更多信息，请参见以下内容：

• influxdb3 test wal_plugin
• influxdb3 create plugin
• influxdb3 create trigger

无盘架构

InfluxDB 3能够仅使用对象存储进行操作，而无需本地附加磁盘。尽管它可以仅使用无依赖的磁盘，但在此版本中能够没有磁盘进行操作是一项新功能。下图展示了数据写入数据库的路径。

当写请求到达服务器时，它们会被解析、验证，并放入一个内存中的WAL缓冲区。该缓冲区默认每秒刷新一次（可通过配置更改），这将创建一个WAL文件。一旦数据被刷新到磁盘，它会被放入一个可查询的内存缓冲区，然后将响应发送回客户端，表示写入成功。现在该数据将显示在对服务器的查询中。

InfluxDB 定期快照 WAL，以持久化可查询缓冲区中的最旧数据，从而允许服务器删除旧的 WAL 文件。默认情况下，服务器将保留最多 900 个 WAL 文件（15 分钟的数据）并尝试持久化最旧的 10 分钟，保留最近的 5 分钟。

当数据在可查询的缓冲区外被持久化时，它被放入配置的对象存储中作为Parquet文件。这些文件也被放入内存缓存中，以便对最近持久化数据的查询不必去对象存储。