一文读懂TDengine的三种查询功能
小 T 导读：作为一款专业的时序数据库（Time Series Database，TSDB），为满足用户在不同场景下的查询需求，TDengine 提供了丰富的查询功能。除了一些主要的查询外，还包括多表聚合查询、降采样查询及连续查询，本文将从实际操作层面对这三种特殊查询进行解读。
查询数据
主要查询功能
TDengine 采用 SQL 作为查询语言，应用程序可以通过 REST API 或连接器发送 SQL 语句，用户还可以通过 TDengine 命令行工具 taos 手动执行 SQL 即席查询（Ad-Hoc Query）。TDengine 支持如下查询功能：
- 单列、多列数据查询
- 标签和数值的多种过滤条件：>, <, =, <>, like 等
- 聚合结果的分组（Group by）、排序（Order by）、约束输出（Limit/Offset）
- 数值列及聚合结果的四则运算
- 时间戳对齐的连接查询（Join Query: 隐式连接）操作
- 多种聚合/计算函数: count, max, min, avg, sum, twa, stddev, leastsquares, top, bottom, first, last, percentile, apercentile, last_row, spread, diff 等
例如：在命令行工具 taos 中，我们需要从表 d1001 中查询出 voltage > 215 的记录，按时间降序排列，仅仅输出如下 2 条结果。
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)为满足物联网场景的需求，TDengine 还支持几个特殊的函数，比如 twa(时间加权平均)、spread (最大值与最小值的差)、last_row(最后一条记录)等，未来还将有更多与物联网场景相关的函数添加进来。
多表聚合查询
在物联网场景中，往往同一个类型的数据采集点有多个。TDengine 采用超级表(STable)的概念来描述某一个类型的数据采集点，一张普通的表来描述一个具体的数据采集点。同时 TDengine 使用标签来描述数据采集点的静态属性，一个具体的数据采集点有具体的标签值。
通过指定标签的过滤条件，TDengine 实现了将超级表(某一类型的数据采集点)所属的子表统一进行聚合查询。值得一提的是，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。
- 示例一
在 TAOS Shell 查找加利福尼亚州所有智能电表采集的电压平均值，并按照 location 分组。代码如下所示：
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 查找 groupId 为 2 的所有智能电表过去 24 小时的记录条数，电流的最大值。代码如下所示：
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 仅容许对同属于一个超级表的表之间进行聚合查询，不同超级表之间的聚合查询并不支持。
降采样查询、插值
除了上述场景，在物联网场景中，我们还经常需要通过降采样（down sampling）将采集的数据按时间段进行聚合。TDengine 提供了一个简便的关键词——interval（等间隔窗口），让按照时间窗口进行的查询操作变得极为简单。比如，对智能电表 d1001 采集的电流值按每 10 秒钟求和：
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)同样，降采样操作也适用于超级表，比如将加利福尼亚州所有智能电表采集的电流值按每秒钟求和：
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，降采样操作也支持时间偏移，比如：将所有智能电表采集的电流值按每秒钟求和，但要求每个时间窗口从 500 毫秒开始：
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)众所周知，在物联网场景里每个数据采集点采集数据的时间较难同步，但很多分析算法(比如 FFT)需要把采集的数据严格按照时间等间隔地对齐，在很多系统里，这需要应用自己写程序来处理，但使用 TDengine 的降采样操作这个需求便能轻松解决了。
如果一个时间间隔里没有采集的数据，TDengine 还提供插值计算的功能。
写在最后
时序数据的查询场景多种多样，从用户需求出发，TDengine 进行了一系列查询功能的设计和优化。本文详细介绍了 TDengine 中的几种复杂查询功能，如果大家在实操中遇到问题，可以将本文当做执行手册进行查阅，对于还无法解决的问题，还可以加小 T 微信，进入 TDengine 技术社区深入交流。
想了解更多 TDengine Database的具体细节，欢迎大家在GitHub上查看相关源代码。