浅析时序数据库的流计算支持

01

时序数据及其特点

时序数据（Time Series Data）是基于相对稳定频率持续产生的一系列指标监测数据，比如一年内的道琼斯指数、一天内不同时间点的测量气温等。时序数据有以下几个特点：

●历史数据的不变性

● 数据的有效性

● 数据的时效性

● 结构化的数据

● 数据的大量性

02

时序数据库基本架构

针对时序数据的特点，时序数据库一般具有以下特性：

● 高速的数据入库

● 数据的生命周期管理

● 数据的流处理

● 高效的数据查询

● 定制的数据压缩

03

流计算介绍

流计算主要是指针对实时获取来自不同数据源的海量数据，经过实时分析处理，从而获得有价值的信息。常见的业务场景包括实时事件的快速反应，市场变化的实时告警，实时数据的交互分析等。流计算一般包括如下几方面的功能：

1）过滤和转换 （filter & map）

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

3）多数据流合并以及模式匹配 （joining & pattern detection）

4）从流到块处理

04

时序数据库对流计算的支持

案例一：使用定制化的流计算 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：使用类 SQL 指令，创建流计算以及定义流计算规则，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);

审核编辑：刘清