高效查询数据

主要查询功能

TDengine 采用 SQL 作为查询语言。应用程序可以通过 C/C++, Java, Go, Python 连接器发送 SQL 语句,用户可以通过 TDengine 提供的命令行(Command Line Interface, CLI)工具 TAOS Shell 手动执行 SQL 即席查询(Ad-Hoc Query)。TDengine 支持如下查询功能:

  • 单列、多列数据查询
  • 标签和数值的多种过滤条件:>, <, =, <>, like 等
  • 聚合结果的分组(Group by)、排序(Order by)、约束输出(Limit/Offset)
  • 数值列及聚合结果的四则运算
  • 时间戳对齐的连接查询(Join Query: 隐式连接)操作
  • 多种聚合/计算函数: count, max, min, avg, sum, twa, stddev, leastsquares, top, bottom, first, last, percentile, apercentile, last_row, spread, diff等

例如:在TAOS Shell中,从表d1001中查询出vlotage > 215的记录,按时间降序排列,仅仅输出2条。

  1. taos> select * from d1001 where voltage > 215 order by ts desc limit 2;
  2. ts | current | voltage | phase |
  3. ======================================================================================
  4. 2018-10-03 14:38:16.800 | 12.30000 | 221 | 0.31000 |
  5. 2018-10-03 14:38:15.000 | 12.60000 | 218 | 0.33000 |
  6. Query OK, 2 row(s) in set (0.001100s)

为满足物联网场景的需求,TDengine支持几个特殊的函数,比如twa(时间加权平均),spread (最大值与最小值的差),last_row(最后一条记录)等,更多与物联网场景相关的函数将添加进来。TDengine还支持连续查询。

具体的查询语法请看 TAOS SQL 的数据查询 章节。

多表聚合查询

物联网场景中,往往同一个类型的数据采集点有多个。TDengine采用超级表(STable)的概念来描述某一个类型的数据采集点,一张普通的表来描述一个具体的数据采集点。同时TDengine使用标签来描述数据采集点的静态属性,一个具体的数据采集点有具体的标签值。通过指定标签的过滤条件,TDengine提供了一高效的方法将超级表(某一类型的数据采集点)所属的子表进行聚合查询。对普通表的聚合函数以及绝大部分操作都适用于超级表,语法完全一样。

示例1:在TAOS Shell,查找北京所有智能电表采集的电压平均值,并按照location分组

  1. taos> SELECT AVG(voltage) FROM meters GROUP BY location;
  2. avg(voltage) | location |
  3. =============================================================
  4. 222.000000000 | Beijing.Haidian |
  5. 219.200000000 | Beijing.Chaoyang |
  6. Query OK, 2 row(s) in set (0.002136s)

示例2:在TAOS shell, 查找groupId为2的所有智能电表过去24小时的记录条数,电流的最大值

  1. taos> SELECT count(*), max(current) FROM meters where groupId = 2 and ts > now - 24h;
  2. cunt(*) | max(current) |
  3. ==================================
  4. 5 | 13.4 |
  5. Query OK, 1 row(s) in set (0.002136s)

TDengine仅容许对属于同一个超级表的表之间进行聚合查询,不同超级表之间的聚合查询不支持。在 TAOS SQL 的数据查询 一章,查询类操作都会注明是否支持超级表。

降采样查询、插值

物联网场景里,经常需要通过降采样(down sampling)将采集的数据按时间段进行聚合。TDengine 提供了一个简便的关键词 interval 让按照时间窗口的查询操作变得极为简单。比如,将智能电表 d1001 采集的电流值每10秒钟求和

  1. taos> SELECT sum(current) FROM d1001 INTERVAL(10s);
  2. ts | sum(current) |
  3. ======================================================
  4. 2018-10-03 14:38:00.000 | 10.300000191 |
  5. 2018-10-03 14:38:10.000 | 24.900000572 |
  6. Query OK, 2 row(s) in set (0.000883s)

降采样操作也适用于超级表,比如:将北京所有智能电表采集的电流值每秒钟求和

  1. taos> SELECT SUM(current) FROM meters where location like "Beijing%" INTERVAL(1s);
  2. ts | sum(current) |
  3. ======================================================
  4. 2018-10-03 14:38:04.000 | 10.199999809 |
  5. 2018-10-03 14:38:05.000 | 32.900000572 |
  6. 2018-10-03 14:38:06.000 | 11.500000000 |
  7. 2018-10-03 14:38:15.000 | 12.600000381 |
  8. 2018-10-03 14:38:16.000 | 36.000000000 |
  9. Query OK, 5 row(s) in set (0.001538s)

降采样操作也支持时间偏移,比如:将所有智能电表采集的电流值每秒钟求和,但要求每个时间窗口从 500 毫秒开始

  1. taos> SELECT SUM(current) FROM meters INTERVAL(1s, 500a);
  2. ts | sum(current) |
  3. ======================================================
  4. 2018-10-03 14:38:04.500 | 11.189999809 |
  5. 2018-10-03 14:38:05.500 | 31.900000572 |
  6. 2018-10-03 14:38:06.500 | 11.600000000 |
  7. 2018-10-03 14:38:15.500 | 12.300000381 |
  8. 2018-10-03 14:38:16.500 | 35.000000000 |
  9. Query OK, 5 row(s) in set (0.001521s)

物联网场景里,每个数据采集点采集数据的时间是难同步的,但很多分析算法(比如FFT)需要把采集的数据严格按照时间等间隔的对齐,在很多系统里,需要应用自己写程序来处理,但使用TDengine的降采样操作就轻松解决。如果一个时间间隔里,没有采集的数据,TDengine还提供插值计算的功能。

语法规则细节请见 TAOS SQL 的时间维度聚合 章节。