From 1ff9ddfcb20d3d70c0d3e85a4a06d8b9c192e9f6 Mon Sep 17 00:00:00 2001 From: Bo Xiao <69349626+boxiaobj@users.noreply.github.com> Date: Fri, 9 Oct 2020 14:18:23 +0800 Subject: [PATCH] Update Queries-ch.md Minor modifications on multi tables aggregation queries. --- .../webdocs/markdowndocs/Queries-ch.md | 59 ++++++++++++------- 1 file changed, 39 insertions(+), 20 deletions(-) diff --git a/documentation20/webdocs/markdowndocs/Queries-ch.md b/documentation20/webdocs/markdowndocs/Queries-ch.md index 1394338f54..9414af96f4 100644 --- a/documentation20/webdocs/markdowndocs/Queries-ch.md +++ b/documentation20/webdocs/markdowndocs/Queries-ch.md @@ -29,30 +29,49 @@ Query OK, 2 row(s) in set (0.001100s) 具体的查询语法请看TAOS SQL 。 ## 多表聚合查询 +以温度传感器采集时序数据作为例,示范Stable超级表多表聚合查询的使用。 -TDengine对每个数据采集点单独建表,但在实际应用中经常需要对不同的采集点数据进行聚合。为高效的进行聚合操作,TDengine引入超级表(STable)的概念。超级表用来代表一特定类型的数据采集点,它是包含多张表的表集合,集合里每张表的模式(schema)完全一致,但每张表都带有自己的静态标签,标签可以多个,可以随时增加、删除和修改。 +在这个例子中,对每个温度计都会建立一张表,表名为温度计的ID,温度计读数的时刻记为ts,采集的值记为degree。通过tags给每个采集器打上不同的标签,其中记录温度计的地区和类型,以方便我们后面的查询。所有温度计的采集量都一样,因此我们用STable来定义表结构。 -应用可通过指定标签的过滤条件,对一个STable下的全部或部分表进行聚合或统计操作,这样大大简化应用的开发。其具体流程如下图所示: - -
- -
多表聚合查询原理图
- -1:应用将一个查询条件发往系统;2: taosc将超级表的名字发往 Meta Node(管理节点);3:管理节点将超级表所拥有的 vnode 列表发回 taosc;4:taosc将计算的请求连同标签过滤条件发往这些vnode对应的多个数据节点;5:每个vnode先在内存里查找出自己节点里符合标签过滤条件的表的集合,然后扫描存储的时序数据,完成相应的聚合计算,将结果返回给taosc;6:taosc将多个数据节点返回的结果做最后的聚合,将其返回给应用。 - -由于TDengine在vnode内将标签数据与时序数据分离存储,通过先在内存里过滤标签数据,将需要扫描的数据集大幅减少,大幅提升聚合计算速度。同时,由于数据分布在多个vnode/dnode,聚合计算操作在多个vnode里并发进行,又进一步提升了聚合的速度。 - -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,细节请看 TAOS SQL。 - -比如:在TAOS Shell,查找所有智能电表采集的电压平均值,并按照location分组 +**定义STable表结构并使用它创建子表** +创建STable语句如下: +```mysql + CREATE TABLE thermometer (ts timestamp, degree double) + TAGS(location binary(20), type int) +``` +假设有北京,天津和上海三个地区的采集器共4个,温度采集器有3种类型,我们就可以对每个采集器建表如下: +```mysql + CREATE TABLE therm1 USING thermometer TAGS (’beijing’, 1); + CREATE TABLE therm2 USING thermometer TAGS (’beijing’, 2); + CREATE TABLE therm3 USING thermometer TAGS (’tianjin’, 1); + CREATE TABLE therm4 USING thermometer TAGS (’shanghai’, 3); +``` +其中therm1,therm2,therm3,therm4是超级表thermometer四个具体的子表,也即普通的Table。以therm1为例,它表示采集器therm1的数据,表结构完全由thermometer定义,标签location=”beijing”, type=1表示therm1的地区是北京,类型是第1类的温度计。 +**写入数据** +注意,写入数据时不能直接对STable操作,而是要对每张子表进行操作。我们分别向四张表therm1,therm2, therm3, therm4写入一条数据,写入语句如下: +```mysql + INSERT INTO therm1 VALUES (’2018-01-01 00:00:00.000’, 20); + INSERT INTO therm2 VALUES (’2018-01-01 00:00:00.000’, 21); + INSERT INTO therm3 VALUES (’2018-01-01 00:00:00.000’, 24); + INSERT INTO therm4 VALUES (’2018-01-01 00:00:00.000’, 23); +``` +**按标签聚合查询** +查询位于北京(beijing)地区的型号为1的温度传感器采样值的数量count(*)、平均温度avg(degree)、最高温度max(degree)、最低温度min(degree),并将结果按所处地域(location)和传感器类型(type)进行聚合。 +```mysql + SELECT COUNT(*), AVG(degree), MAX(degree), MIN(degree) + FROM thermometer + WHERE location=’beijing’ and type = 1 + GROUP BY location +``` +**按时间周期聚合查询** +查询仅位于北京以外地区的温度传感器最近24小时(24h)采样值的数量count(*)、平均温度avg(degree)、最高温度max(degree)和最低温度min(degree),将采集结果按照10分钟为周期进行聚合,并将结果按所处地域(location)和传感器类型(type)再次进行聚合。 ```mysql -taos> SELECT AVG(voltage) FROM meters GROUP BY location; - avg(voltage) | location | -============================================================= - 222.000000000 | Beijing.Haidian | - 219.200000000 | Beijing.Chaoyang | -Query OK, 2 row(s) in set (0.002136s) + SELECT COUNT(*), AVG(degree), MAX(degree), MIN(degree) + FROM thermometer + WHERE name<>’beijing’ and ts>=now-1d + INTERVAL(10M) + GROUP BY location, type ``` ## 降采样查询、插值 -- GitLab