1.整形；
输入的时间经常会不在时间间隔的边界，所以需要根据前后两个有效的更新进行线性整形。（有效时间是被 heartbeat 设定控制的
）假定你在监视一个增长速度不均匀的计数器，每分钟检查一次，在 4：30 是 2，5：30 是 4，那么第 5 分钟的变化速度为 3。整形后得到的值称为 PDP（Primary Data Points）。

2.合并；

RRDtool 最终会根据设定对 PDP 进行合并，得到 CDP（Consolidated Data Point）。CDP 可以是多个（可以是一个）PDP 的平均值、最小值、最大值以及最近的值。CDP 是 RRD 数据库中最终存储的数据。这对于输出监控数据时是非常有利的。假设每个 PDP 的时间间隔是 1 分钟，如果你想查看 1 天的数据，而且你不需要查看每一分钟具体的监控数据，只是想看一下这一个天中每半个小时的监控数据。如果 RRD 中存储的是 PDP, 在输出时就需要对当天的 PDP 每 30 个进行合并。合并需要时间，如果你需要合并的数据量更大，如 1 个月或是 1 年，那这个合并的时间会非常长。所以 RRDtool 选择在数据库更新时对 PDP 进行合并，保存 CDP。用户可以根据需要设定如何对 PDP（非 UNKNOWN）进行合并

PDP是什么呢？

3，使用
用rrdtool,一般只用到四个命令, 分别是create, update, fetch, graph. 既， 创建rrd数据库，更新rrd数据库，从rrd数据库获取数据，从rrd数据库画图。 下面来一一解说：
rrdtool create filename [--start|-b start time]
[--step|-s step]
[--no-overwrite|-O]
[DS:ds-name:DST:dst arguments]
[RRA:CF:cf arguments]

先给个实例，然后再来详细的解说这些参数是什么意思。

rrdtool create eth.rrd -s 300 -b `date -d “2011/10/18″ +%s` \
DS:in:GAUGE:600:0:1000000 \
DS:out:GAUGE:600:0:1000000 \
RRA:AVERAGE:0.5:1:105408 \
RRA:AVERAGE:0.5:4:26352 \
RRA:AVERAGE:0.5:24:4392 \
RRA:AVERAGE:0.5:288:730
运行上面的脚本，没报错的话，将会生成一个叫做eth.rrd的文件。如果报错，请检查一下，是否漏掉了每行后面的反斜杠。这里假设你运行成功了，那下面就解释下上面的这些参数的意思：
-b | –start : 就是这个rrd开始纪录的时间， 当你插入的数据的时间比它小的时候，会报错
-s | –step : 举个列子，假如你设置的是300秒，既5分钟，那么，如果你每1分钟update一次数据，这些数据其实并不会纪录起来，而是当间隔时间大于等于300秒的时候才会纪录起来，同时触发下面的RRA。
-O | –no-overwrite： 不解释
DS:ds-name:GAUGE | COUNTER | DERIVE | ABSOLUTE:heartbeat:min:max： DS指的是数据源（Data Source）,用来定义数据源的。DS:in:GAUGE:600:0:1000000,这里定义的数据源名字为in；采用的DST（数据源类型 Data Source Type）为GAUGE,再详细说明DST；心跳为600， 意思是当600秒还没有数据update,就设置该DS的值为Unknow; min和max自然就是指这个DS的最小值和最大值了。
DST说明：
COUNTER： 这次update的值减去上次update的值，然后除以step。既算出平均每秒的值，update的值必须是递增的。
DERIVE：跟COUNTER类似，不过不强求update的值是递增的
GAUGE：把update的值直接赋值给了PDP,不平均
ABSOLUTE：假定上次的PDP为0，然后再平均
COMPUTE： 自定义rpn来进行赋值，可以根据前面的DS来进行生成
RRA:CF:xff:step:rows： 用来定义一条RRA,注意，RRA的解释很重要，我开始的时候一直弄不清楚数据是怎么存储的，就是RRA和DS以及update的值给搞混了。
1), update的值并不会写进数据库，它只是用来生成DS的值，也叫PDP（Primary Data Point）
2), PDP值根据RRA生成CDP（Consolidated Data Point）,每个CDP将保存rows个， 在超过rows个之后，新的会覆盖旧的，这就是一个环路数据
好了，下面继续介绍RRA
CF: 合并方法（Consolidated Function）,可以为AVERATE | LAST | MAX | LAST .
xff: unknowns / step. 既这个step里面unknown的比例，超过这个比例，则设置CDP为unknown.
step: 多少个PDP合并成一个CDP
rows： 该PDP保存的个数
现在来解释RRA:AVERAGE:0.5:1:105408， 既我想保存时间间隔为300 * 1的CDP的个数为105408，时间长度为： 300 * 1（1个PDP合并成一个该CDP） * 105408 = 1年， 既我可以查到一年内任何段的这个CDP的纪录。