一、时序数据及其特点
时序数据（Time Series Data）是基于相对稳定频率持续产生的一系列指标监测数据，比如一年内的道琼斯指数、一天内不同时间点的测量气温等。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、时序数据库基本架构
针对时序数据的特点，时序数据库一般具有以下特性：
- 高速的数据入库
- 数据的生命周期管理
- 数据的流处理
- 高效的数据查询
- 定制的数据压缩
三、流计算介绍
流计算主要是指针对实时获取来自不同数据源的海量数据，经过实时分析处理，从而获得有价值的信息。常见的业务场景包括实时事件的快速反应，市场变化的实时告警，实时数据的交互分析等。流计算一般包括如下几方面的功能：
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）从流到块处理
四、时序数据库对流计算的支持
-
案例一：使用定制化的流计算 API，如下面例子所示：
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：使用类 SQL 指令，创建流计算以及定义流计算规则，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);