01

時序數據及其特點

時序數據（Time Series Data）是基于相對穩定頻率持續產生的一系列指標監測數據，比如一年內的道瓊斯指數、一天內不同時間點的測量氣溫等。時序數據有以下幾個特點：

●歷史數據的不變性

● 數據的有效性

● 數據的時效性

● 結構化的數據

● 數據的大量性

02

時序數據庫基本架構

針對時序數據的特點，時序數據庫一般具有以下特性：

● 高速的數據入庫

● 數據的生命周期管理

● 數據的流處理

● 高效的數據查詢

● 定制的數據壓縮

03

流計算介紹

流計算主要是指針對實時獲取來自不同數據源的海量數據，經過實時分析處理，從而獲得有價值的信息。常見的業務場景包括實時事件的快速反應，市場變化的實時告警，實時數據的交互分析等。流計算一般包括如下幾方面的功能：

1）過濾和轉換 （filter & map）

2）聚合以及窗口函數 （reduce，aggregation/window）

3）多數據流合并以及模式匹配 （joining & pattern detection）

4）從流到塊處理

04

時序數據庫對流計算的支持

案例一：使用定制化的流計算 API，如下面例子所示：

?

from(bucket: "mydb")  
|> range(start: -1h)  
|> filter(fn: (r) => r["_measurement"] == "mymeasurement")  
|> map(fn: (r) => ({ r with value: r.value * 2 }))  
|> filter(fn: (r) => r.value > 100)  
|> aggregateWindow(every: 1m, fn: sum, createEmpty: false)  
|> group(columns: ["location"])  
|>join(tables:{stream1:{bucket:"mydb",measurement:"stream1",start:-1h},stream2:{bucket:"mydb",measurement:"stream2",start:-1h}},on:["location"])
|>alert(name:"value_above_threshold",message:"Valueisabovethreshold",crit:(r)=>r.value>100)
|>to(bucket:"mydb",measurement:"output",tagColumns:["location"])

案例二：使用類 SQL 指令，創建流計算以及定義流計算規則，如下：

CREATE STREAM current_stream        
TRIGGER AT_ONCE        
INTO current_stream_output_stb AS        
SELECT
_wstartasstart,
_wendasend,
max(current)asmax_current
FROMmeters        
WHERE voltage <= 220        
?INTEVAL (5S) SLIDING (1s);

審核編輯：劉清