小 T 導讀：作為一款專業的時序資料庫（Time Series Database，TSDB），為滿足使用者在不同場景下的查詢需求，TDengine 提供了豐富的查詢功能。除了一些主要的查詢外，還包括多表聚合查詢、降取樣查詢及連續查詢，本文將從實際操作層面對這三種特殊查詢進行解讀。

**查詢資料**

**主要查詢功能**
TDengine 採用 SQL 作為查詢語言，應用程式可以透過 REST API 或聯結器傳送 SQL 語句，使用者還可以透過 TDengine 命令列工具 taos 手動執行 SQL 即席查詢（Ad-Hoc Query）。TDengine 支援如下查詢功能：

- 單列、多列資料查詢
- 標籤和數值的多種過濾條件：>, , like 等
- 聚合結果的分組（Group by）、排序（Order by）、約束輸出（Limit/Offset）
- 數值列及聚合結果的四則運算
- 時間戳對齊的連線查詢（Join Query: 隱式連線）操作
- 多種聚合/計算函式: count, max, min, avg, sum, twa, stddev, leastsquares, top, bottom, first, last, percentile, apercentile, last_row, spread, diff 等

例如：在命令列工具 taos 中，我們需要從表 d1001 中查詢出 voltage > 215 的記錄，按時間降序排列，僅僅輸出如下 2 條結果。
```java
taos> select * from d1001 where voltage > 215 order by ts desc limit 2;
           ts            |       current        |   voltage   |        phase         |
======================================================================================
 2018-10-03 14:38:16.800 |             12.30000 |         221 |              0.31000 |
 2018-10-03 14:38:15.000 |             12.60000 |         218 |              0.33000 |
Query OK, 2 row(s) in set (0.001100s)
```

為滿足物聯網場景的需求，TDengine 還支援幾個特殊的函式，比如 twa(時間加權平均)、spread (最大值與最小值的差)、last_row(最後一條記錄)等，未來還將有更多與物聯網場景相關的函式新增進來。

**多表聚合查詢**
在物聯網場景中，往往同一個型別的資料採集點有多個。TDengine 採用超級表(STable)的概念來描述某一個型別的資料採集點，一張普通的表來描述一個具體的資料採集點。同時 TDengine 使用標籤來描述資料採集點的靜態屬性，一個具體的資料採集點有具體的標籤值。

透過指定標籤的過濾條件，TDengine 實現了將超級表(某一型別的資料採集點)所屬的子表統一進行聚合查詢。值得一提的是，對普通表的聚合函式以及絕大部分操作都適用於超級表，語法完全一樣。

- 示例一
在 TAOS Shell 查詢加利福尼亞州所有智慧電錶採集的電壓平均值，並按照 location 分組。程式碼如下所示：
```java
taos> SELECT AVG(voltage) FROM meters GROUP BY location;
       avg(voltage)        |            location            |
=============================================================
             222.000000000 | California.LosAngeles                |
             219.200000000 | California.SanFrancisco               |
Query OK, 2 row(s) in set (0.002136s)
```

- 示例二
在 TAOS shell 查詢 groupId 為 2 的所有智慧電錶過去 24 小時的記錄條數，電流的最大值。程式碼如下所示：

```java
taos> SELECT count(*), max(current) FROM meters where groupId = 2 and ts > now - 24h;
     cunt(*)  |    max(current)  |
==================================
            5 |             13.4 |
Query OK, 1 row(s) in set (0.002136s)
```

需要注意的是，TDengine 僅容許對同屬於一個超級表的表之間進行聚合查詢，不同超級表之間的聚合查詢並不支援。

**降取樣查詢、插值**
除了上述場景，在物聯網場景中，我們還經常需要透過降取樣（down sampling）將採集的資料按時間段進行聚合。TDengine 提供了一個簡便的關鍵詞——interval（等間隔視窗），讓按照時間視窗進行的查詢操作變得極為簡單。比如，對智慧電錶 d1001 採集的電流值按每 10 秒鐘求和：

```java
taos> SELECT sum(current) FROM d1001 INTERVAL(10s);
           ts            |       sum(current)        |
======================================================
 2018-10-03 14:38:00.000 |              10.300000191 |
 2018-10-03 14:38:10.000 |              24.900000572 |
Query OK, 2 row(s) in set (0.000883s)
```
同樣，降取樣操作也適用於超級表，比如將加利福尼亞州所有智慧電錶採集的電流值按每秒鐘求和：

```java
taos> SELECT SUM(current) FROM meters where location like "California%" INTERVAL(1s);
           ts            |       sum(current)        |
======================================================
 2018-10-03 14:38:04.000 |              10.199999809 |
 2018-10-03 14:38:05.000 |              32.900000572 |
 2018-10-03 14:38:06.000 |              11.500000000 |
 2018-10-03 14:38:15.000 |              12.600000381 |
 2018-10-03 14:38:16.000 |              36.000000000 |
Query OK, 5 row(s) in set (0.001538s)
```
此外，降取樣操作也支援時間偏移，比如：將所有智慧電錶採集的電流值按每秒鐘求和，但要求每個時間視窗從 500 毫秒開始：
```java
taos> SELECT SUM(current) FROM meters INTERVAL(1s, 500a);
           ts            |       sum(current)        |
======================================================
 2018-10-03 14:38:04.500 |              11.189999809 |
 2018-10-03 14:38:05.500 |              31.900000572 |
 2018-10-03 14:38:06.500 |              11.600000000 |
 2018-10-03 14:38:15.500 |              12.300000381 |
 2018-10-03 14:38:16.500 |              35.000000000 |
Query OK, 5 row(s) in set (0.001521s)
```
眾所周知，在物聯網場景裡每個資料採集點採集資料的時間較難同步，但很多分析演算法(比如 FFT)需要把採集的資料嚴格按照時間等間隔地對齊，在很多系統裡，這需要應用自己寫程式來處理，但使用 TDengine 的降取樣操作這個需求便能輕鬆解決了。

如果一個時間間隔裡沒有采集的資料，TDengine 還提供插值計算的功能。

**寫在最後**
時序資料的查詢場景多種多樣，從使用者需求出發，TDengine 進行了一系列查詢功能的設計和最佳化。本文詳細介紹了 TDengine 中的幾種複雜查詢功能，如果大家在實操中遇到問題，可以將本文當做執行手冊進行查閱，對於還無法解決的問題，還可以加小 T 微信，進入 TDengine 技術社群深入交流。

------------

![](http://img.blog.itpub.net/blog/2022/09/30/a76b92537cf0f4fd.jpeg?x-oss-process=style/bb)
想了解更多 TDengine Database的具體細節，歡迎大家在[GitHub]( https://github.com/taosdata/grafanaplugin"GitHub")上檢視相關原始碼。
[![](http://img.blog.itpub.net/blog/2022/05/11/0fd59db1207fc97f.jpeg?x-oss-process=style/bb)](https://www.taosdata.com/?zh "![](http://img.blog.itpub.net/blog/2022/05/11/0fd59db1207fc97f.jpeg?x-oss-process=style/bb)")

一文讀懂 TDengine 的三種查詢功能

相關文章