Update Queries-ch.md

Minor modifications on multi tables aggregation queries.

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<a href="https://www.taosdata.com/cn/documentation20/taos-sql/">TAOS SQL </a>。
 
 ## 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：
-
-<center> <img src="../assets/stable.png"> </center>
-
-<center> 多表聚合查询原理图  </center>
-
-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