时序数据查询
时序数据库支持使用 SQL 语句执行简单查询、嵌套查询、关联查询、联合查询和插值查询。
创建查询
前提条件
用户拥有目标表的 SELECT 权限。
语法格式
有关时序数据查询的语法格式，参见 SQL 参考。
参数说明
有关时序数据查询的参数说明，参见 SQL 参考。
语法示例
查询时序表的数据。
以下示例假设经创建
ts_db数据库。以下示例查询t1时序表的数据。-- 1. 创建 t1 时序表并写入数据。 CREATE TABLE ts_db.t1(ts timestamp not null,a int, b int) tags(tag1 int not null, tag2 int) primary tags(tag1); CREATE TABLE -- 2. 向表中写入数据。 INSERT INTO ts_db.t1 VALUES(now(),11,11,33,44); INSERT INTO ts_db.t1 VALUES(now(),22,22,33,44); INSERT INTO ts_db.t1 VALUES(now(),11,33,33,44); INSERT INTO ts_db.t1 VALUES(now(),22,44,33,44); INSERT INTO ts_db.t1 VALUES(now(),33,55,44,44); INSERT INTO ts_db.t1 VALUES(now(),22,44,44,44); INSERT INTO ts_db.t1 VALUES(now(),33,44,55,44); INSERT INTO ts_db.t1 VALUES(now(),null,null,66,66); INSERT INTO ts_db.t1 VALUES(now(),null,null,66,77); -- 3. 查看表的内容。 SELECT * FROM t1; ts | a | b | tag1 | tag2 --------------------------------+------+------+------+------- 2024-02-26 01:28:28.867+00:00 | 11 | 11 | 33 | 44 2024-02-26 01:28:28.874+00:00 | 22 | 22 | 33 | 44 2024-02-26 01:28:28.877+00:00 | 11 | 33 | 33 | 44 2024-02-26 01:28:28.88+00:00 | 22 | 44 | 33 | 44 2024-02-26 01:28:28.883+00:00 | 33 | 55 | 44 | 44 2024-02-26 01:28:28.885+00:00 | 22 | 44 | 44 | 44 2024-02-26 01:28:28.888+00:00 | 33 | 44 | 55 | 44 2024-02-26 01:28:28.89+00:00 | NULL | NULL | 66 | 66 2024-02-26 01:28:28.893+00:00 | NULL | NULL | 66 | 66 (9 rows)查询指定的数据列。
以下示例查询
t1表的a列并进行求和。SELECT sum(a) FROM ts_db.t1; sum ------- 154 (1 row)去重查询。
以下示例对
t1表的a列进行去重查询。SELECT DISTINCT a FROM ts_db.t1; a -------- 11 22 33 NULL (4 rows)使用
WHERE语句过滤标签列。以下示例使用
WHERE语句过滤t1表的a列。SELECT tag1 FROM ts_db.t1 WHERE a =11; tag1 -------- 33 33 (2 rows)使用
GROUP BY和ORDER BY语句对数据列进行分类和排序。以下示例使用
GROUP BY语句对t1表的a列进行分类和排序。SELECT a, max(b) FROM ts_db.t1 GROUP BY a ORDER BY a; a | max -------+------- NULL | NULL 11 | 33 22 | 44 33 | 55 (4 rows)
插值查询
时间序列数据中，有时会存在缺失和偏离的数据，影响后续数据的使用和分析。KWDB 提供了 time_bucket_gapfill() 函数和 interpolate() 函数，支持用户对指定窗口间隔的数据进行时间戳对齐，插入缺失的时间戳行，并根据需要选择是否进行补值。
说明
time_bucket_gapfill() 函数必须与 GROUP BY 配合使用。如果需要同时查询其他列信息，且待查询的列不在 GROUP BY 指定的范围内，需要使用聚合函数来处理这些列。例如，系统不支持以下查询：
SELECT time_bucket_gapfill (time, 86400) AS a, c1 FROM t1 GROUP BY a;
但支持使用聚合函数的查询：
SELECT time_bucket_gapfill (time, 86400) AS a, max(c1) FROM t1 GROUP BY a;
前提条件
用户拥有目标表的 SELECT 权限。
语法格式
插入缺失的时间戳行但不补值
SELECT time_bucket_gapfill (<timestamp_column>, <interval>) AS <alias> FROM <table_name> GROUP BY <alias> [ORDER BY <alias>];插入缺失的时间戳行并进行补值
SELECT time_bucket_gapfill (<timestamp_column>, <interval>) AS <alias> interpolate (expression_1, expression_2) FROM <table_name> GROUP BY <alias> [ORDER BY <alias>];
参数说明
| 参数 | 说明 |
|---|---|
timestamp_column | 时间戳列。 |
interval | 时间间隔，支持的单位包括纳秒、微秒、毫秒、秒、分、小时、天、周、月、年。目前，KWDB 不支持复合时间格式，如 1d1h。 各时间单位支持的输入格式如下所示： - 纳秒： ns、nsec、nsecs、nanosecond、nanoseconds - 微秒： us 、usec、usecs、microsecond、microseconds - 毫秒： ms、msec、msecs、millisecond、milliseconds - 秒： s、sec、secs、second、seconds - 分： m、min、mins、minute、minutes - 小时： h、hr、hrs、hour、hours- 天： d、day、days - 周： w、week、weeks - 月： mon、mons、month、months - 年： y、yr、yrs、year、years |
alias | 为生产的时间桶结果起的别名，便于后续引用。 |
expression_1 | 补值算法，必须是聚合函数且数据类型为数字。 |
expression_2 | 补值模式，支持常量值（constant）、前值（prev）、后值（next）、线性值（linear）和 NULL。补值结果类型应与原始值一致。 |
table_name | 待查询表的名称。 |
语法示例
插入缺失的时间戳行但不补值。
以下示例对
t1表进行插值查询，但不补值。SELECT time_bucket_gapfill (timestamp, 600) AS a FROM t1 GROUP BY a ORDER BY a; time_bucket_gapfill --------------------------- 2022-11-04 19:20:00 2022-11-04 19:30:00 2022-11-04 19:40:00 2022-11-04 19:50:00 2022-11-04 20:00:00 2022-11-04 20:10:00 (6 rows)插入缺失的时间戳行并使用前值进行补值。
以下示例对
t1表进行插值查询，并使用前值进行补值。SELECT time_bucket_gapfill(timestamp, 600) AS a, interpolate(avg(e6), PREV) FROM t1 GROUP BY a ORDER BY a; time_bucket_gapfill | interpolate -----------------------+--------------- 2022-11-04 19:20:00 | 499.999 2022-11-04 19:30:00 | 499.999 2022-11-04 19:40:00 | 99.999 2022-11-04 19:50:00 | 99.999 2022-11-04 20:00:00 | 177.999 2022-11-04 20:10:00 | 20.999 (6 rows)插入缺失的时间戳行并使用常量进行补值。
以下示例对
t1表进行插值查询，并使用常量进行补值。SELECT time_bucket_gapfill(timestamp, 600) AS a, interpolate(avg(e6), '40') FROM t1 GROUP BY a ORDER BY a; time_bucket_gapfill | interpolate ---------------------+--------------- 2022-11-04 19:20:00 | 499.999 2022-11-04 19:30:00 | 40 2022-11-04 19:40:00 | 99.999 2022-11-04 19:50:00 | 40 2022-11-04 20:00:00 | 177.999 2022-11-04 20:10:00 | 20.999 (6 rows)