关于时序数据库:时序数据库的流计算支持

一、时序数据及其特点

时序数据（Time Series Data）是基于绝对稳固频率继续产生的一系列指标监测数据，比方一年内的道琼斯指数、一天内不同工夫点的测量气温等。时序数据有以下几个特点：

• 历史数据的不变性
• 数据的有效性
• 数据的时效性
• 结构化的数据
• 数据的大量性

二、时序数据库根本架构

针对时序数据的特点，时序数据库个别具备以下个性：

• 高速的数据入库
• 数据的生命周期治理
• 数据的流解决
• 高效的数据查问
• 定制的数据压缩

三、流计算介绍

流计算次要是指针对实时获取来自不同数据源的海量数据，通过实时剖析解决，从而取得有价值的信息。常见的业务场景包含实时事件的快速反应，市场变动的实时告警，实时数据的交互剖析等。流计算个别包含如下几方面的性能：
1）过滤和转换（filter & map）
2）聚合以及窗口函数（reduce，aggregation/window）
3）多数据流合并以及模式匹配（joining & pattern detection）
4）从流到块解决

四、时序数据库对流计算的反对

• 案例一：应用定制化的流计算 API，如上面例子所示：

from(bucket: "mydb")  
|> range(start: -1h)  
|> filter(fn: (r) => r["_measurement"] == "mymeasurement") 
|> map(fn: (r) => ({r with value: r.value * 2}))  
|> filter(fn: (r) => r.value > 100)  
|> aggregateWindow(every: 1m, fn: sum, createEmpty: false) 
|> group(columns: ["location"])  
|> join(tables: {stream1: {bucket: "mydb", measurement: "stream1", start: -1h}, stream2: {bucket: "mydb", measurement: "stream2", start: -1h}}, on: ["location"])  
|> alert(name: "value_above_threshold", message: "Value is above threshold", crit: (r) => r.value > 100)  
|> to(bucket: "mydb", measurement: "output", tagColumns: ["location"])

• 案例二：应用类 SQL 指令，创立流计算以及定义流计算规定，如下：

CREATE STREAM current_stream        
TRIGGER AT_ONCE        
INTO current_stream_output_stb AS        
SELECT             
 _wstart as start,              
 _wend as end,              
 max(current) as max_current        
 FROM meters        
 WHERE voltage <= 220        
 INTEVAL (5S) SLIDING (1s);