diff --git a/documentation20/TAOS SQL-ch.md b/documentation20/TAOS SQL-ch.md index 024a3c4c24f6fff143bccb3e491d82b134fa4605..c8e6219fb058d7a005c11d77315ddb41993dffcd 100644 --- a/documentation20/TAOS SQL-ch.md +++ b/documentation20/TAOS SQL-ch.md @@ -947,7 +947,7 @@ SELECT function_list FROM stb_name 2. 在时间维度聚合中，返回的结果中时间序列严格单调递增。 3. 如果查询对象是超级表，则聚合函数会作用于该超级表下满足值过滤条件的所有表的数据。如果查询中没有使用group by语句，则返回的结果按照时间序列严格单调递增；如果查询中使用了group by语句分组，则返回结果中每个group内不按照时间序列严格单调递增。 -**示例：**智能电表的建表语句如下： +**示例:** 智能电表的建表语句如下： ```mysql CREATE TABLE meters (ts timestamp, current float, voltage int, phase float) TAGS (location binary(64), groupId int); @@ -963,7 +963,7 @@ SELECT AVG(current),MAX(current),LEASTSQUARES(current, start_val, step_val), PER FILL(PREV); ``` -##TAOS SQL 边界限制 +## TAOS SQL 边界限制 - 数据库名最大长度为33 - 表名最大长度为193，每行数据最大长度16k个字符 - 列名最大长度为65，最多允许1024列，最少需要2列，第一列必须是时间戳 diff --git a/documentation20/advanced features-ch.md b/documentation20/advanced features-ch.md index ccde21bfffa129e6e15a668ca557c46fd7625c9a..c767daddce2ff0e02d61045dec5b37548cedfd3a 100644 --- a/documentation20/advanced features-ch.md +++ b/documentation20/advanced features-ch.md @@ -296,7 +296,8 @@ $ taos 您可以继续插入一些数据观察示例程序的输出。 -## 缓存 (Cache) +## 缓存(Cache) + TDengine采用时间驱动缓存管理策略（First-In-First-Out，FIFO），又称为写驱动的缓存管理机制。这种策略有别于读驱动的数据缓存模式（Least-Recent-Use，LRU），直接将最近写入的数据保存在系统的缓存中。当缓存达到临界值的时候，将最早的数据批量写入磁盘。一般意义上来说，对于物联网数据的使用，用户最为关心最近产生的数据，即当前状态。TDengine充分利用了这一特性，将最近到达的（当前状态）数据保存在缓存中。 TDengine通过查询函数向用户提供毫秒级的数据获取能力。直接将最近到达的数据保存在缓存中，可以更加快速地响应用户针对最近一条或一批数据的查询分析，整体上提供更快的数据库查询响应能力。从这个意义上来说，可通过设置合适的配置参数将TDengine作为数据缓存来使用，而不需要再部署额外的缓存系统，可有效地简化系统架构，降低运维的成本。需要注意的是，TDengine重启以后系统的缓存将被清空，之前缓存的数据均会被批量写入磁盘，缓存的数据将不会像专门的Key-value缓存系统再将之前缓存的数据重新加载到缓存中。 @@ -308,7 +309,14 @@ TDengine将内存池按块划分进行管理，数据在内存块里按照列式 你可以通过函数last_row快速获取一张表或一张超级表的最后一条记录，这样很便于在大屏显示各设备的实时状态或采集值。例如： ```mysql -select last_row(degree) from thermometer where location='beijing'; +select last_row(voltage) from meters where location='Beijing.Chaoyang'; ``` -该SQL语句将获取所有位于北京的传感器最后记录的温度值。 +该SQL语句将获取所有位于北京朝阳区的电表最后记录的电压值。 + + +## 报警监测(Alert) + +在 TDengine 的应用场景中，报警监测是一个常见需求，从概念上说，它要求程序从最近一段时间的数据中筛选出符合一定条件的数据，并基于这些数据根据定义好的公式计算出一个结果，当这个结果符合某个条件且持续一定时间后，以某种形式通知用户。 + +为了满足用户对报警监测的需求，TDengine 以独立模块的形式提供了这一功能，有关它的安装使用方法，请参考博客 [使用 TDengine 进行报警监测](https://www.taosdata.com/blog/2020/04/14/1438.html) 。 diff --git a/documentation20/insert-ch.md b/documentation20/insert-ch.md index fcc061674246da3c5b5389e3a1fdcf67b36ccccb..2fd869cfe64ac357a8c60f2d3f765722b53e4e53 100644 --- a/documentation20/insert-ch.md +++ b/documentation20/insert-ch.md @@ -22,10 +22,10 @@ INSERT INTO d1001 VALUES (1538548685000, 10.3, 219, 0.31) (1538548695000, 12.6, 详细的SQL INSERT语法规则请见TAOS SQL -##Prometheus直接写入 +## Prometheus直接写入 [Prometheus](https://www.prometheus.io/)作为Cloud Native Computing Fundation毕业的项目，在性能监控以及K8S性能监控领域有着非常广泛的应用。TDengine提供一个小工具[Bailongma](https://github.com/taosdata/Bailongma)，只需在Prometheus做简单配置，无需任何代码，就可将Prometheus采集的数据直接写入TDengine，并按规则在TDengine自动创建库和相关表项。博文[用Docker容器快速搭建一个Devops监控Demo](https://www.taosdata.com/blog/2020/02/03/1189.html)即是采用bailongma将Prometheus和Telegraf的数据写入TDengine中的示例，可以参考。 -###从源代码编译blm_prometheus +### 从源代码编译blm_prometheus 用户需要从github下载[Bailongma](https://github.com/taosdata/Bailongma)的源码，使用Golang语言编译器编译生成可执行文件。在开始编译前，需要准备好以下条件： - Linux操作系统的服务器 - 安装好Golang, 1.10版本以上 @@ -39,7 +39,7 @@ go build 一切正常的情况下，就会在对应的目录下生成一个blm_prometheus的可执行程序。 -###安装Prometheus +### 安装Prometheus 通过Prometheus的官网下载安装。[下载地址](https://prometheus.io/download/) ### 配置Prometheus @@ -70,7 +70,7 @@ blm_prometheus会将收到的prometheus的数据拼装成TDengine的写入请求 blm_prometheus对prometheus提供服务的端口号。 ``` -###启动示例 +### 启动示例 通过以下命令启动一个blm_prometheus的API服务 ``` @@ -82,7 +82,7 @@ remote_write: - url: "http://10.1.2.3:8088/receive" ``` -###查询prometheus写入数据 +### 查询prometheus写入数据 prometheus产生的数据格式如下： ``` Timestamp: 1576466279341, @@ -104,10 +104,10 @@ use prometheus; select * from apiserver_request_latencies_bucket; ``` -##Telegraf直接写入 +## Telegraf直接写入 [Telegraf](https://www.influxdata.com/time-series-platform/telegraf/)是一流行的IT运维数据采集开源工具，TDengine提供一个小工具[Bailongma](https://github.com/taosdata/Bailongma)，只需在Telegraf做简单配置，无需任何代码，就可将Telegraf采集的数据直接写入TDengine，并按规则在TDengine自动创建库和相关表项。博文[用Docker容器快速搭建一个Devops监控Demo](https://www.taosdata.com/blog/2020/02/03/1189.html)即是采用bailongma将Prometheus和Telegraf的数据写入TDengine中的示例，可以参考。 -###从源代码编译blm_telegraf +### 从源代码编译blm_telegraf 用户需要从github下载[Bailongma](https://github.com/taosdata/Bailongma)的源码，使用Golang语言编译器编译生成可执行文件。在开始编译前，需要准备好以下条件： - Linux操作系统的服务器 @@ -123,7 +123,7 @@ go build 一切正常的情况下，就会在对应的目录下生成一个blm_telegraf的可执行程序。 -###安装Telegraf +### 安装Telegraf 目前TDengine支持Telegraf 1.7.4以上的版本。用户可以根据当前的操作系统，到Telegraf官网下载安装包，并执行安装。下载地址如下：https://portal.influxdata.com/downloads ### 配置Telegraf @@ -142,7 +142,7 @@ go build 关于如何使用Telegraf采集数据以及更多有关使用Telegraf的信息，请参考Telegraf官方的[文档](https://docs.influxdata.com/telegraf/v1.11/)。 -###启动blm_telegraf程序 +### 启动blm_telegraf程序 blm_telegraf程序有以下选项，在启动blm_telegraf程序时可以通过设定这些选项来设定blm_telegraf的配置。 ```sh @@ -165,7 +165,7 @@ blm_telegraf会将收到的telegraf的数据拼装成TDengine的写入请求， blm_telegraf对telegraf提供服务的端口号。 ``` -###启动示例 +### 启动示例 通过以下命令启动一个blm_telegraf的API服务 ``` ./blm_telegraf -host 127.0.0.1 -port 8089 @@ -177,7 +177,7 @@ blm_telegraf对telegraf提供服务的端口号。 url = "http://10.1.2.3:8089/telegraf" ``` -###查询telegraf写入数据 +### 查询telegraf写入数据 telegraf产生的数据格式如下： ``` { @@ -210,7 +210,7 @@ use telegraf; select * from cpu; ``` -## EMQ X MQTT Broker直接写入 +## EMQ X Broker直接写入 MQTT是一流行的物联网数据传输协议，[EMQ](https://github.com/emqx/emqx)是一开源的MQTT Broker软件，无需任何代码，只需要在EMQ里做简单配置，即可将MQTT的数据直接写入TDengine。