溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本篇內容介紹了“Apache IoTDB的SQL操作方法是什么”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！
存儲組操作
# 創建存儲組IoTDB> set storage group to root.turbine# 查詢存儲組IoTDB> SHOW STORAGE GROUP+-------------+|storage group|+-------------+| root.turbine|+-------------+# 刪除存儲組IoTDB> delete storage group root.turbine
創建時間序列
create timeseries root.turbine.d1.s1(temperature1) with datatype=FLOAT, encoding=GORILLA, compression=SNAPPY tags(unit=degree, owner=user1) attributes(description=mysensor1, location=BeiJing)create timeseries root.turbine.d1.s2(temperature2) with datatype=FLOAT, encoding=GORILLA, compression=SNAPPY tags(unit=degree, owner=user1) attributes(description=mysensor2, location=TianJin)create timeseries root.turbine.d2.s1(temperature1) with datatype=FLOAT, encoding=GORILLA, compression=SNAPPY tags(unit=degree, owner=user2) attributes(description=mysensor3, location=HeBei)
上邊注冊的序列可視化就是下邊這個圖了（手畫的。。目前沒可視化功能）
為了實際應用中使用更方便，除了時間序列的路徑和編碼等基本信息外，我們增加了測點別名、標簽、屬性三個概念。標簽和屬性總大小在配置文件中 tag_attribute_total_size 設置。
別名：測點的別名，可以和測點名一樣用來讀寫，可以不設置。
標簽：key=value 形式，可以通過標簽反向查詢時間序列元數據，比如，單位和擁有者，標簽會常駐內存。目前只能給定一個 tag 查詢條件，可精確查詢和模糊查詢。
屬性：key=value 形式，只能根據時間序列路徑展示出屬性信息，如描述信息和位置。如果沒有反向查詢的需求，建議定義成屬性。
# 插入更新 別名、標簽、屬性ALTER timeseries root.turbine.d1.s1 UPSERT ALIAS=newAlias TAGS(unit=Degree, owner=me) ATTRIBUTES(description=ha, newAttr=v1)# 刪除時間序列delete timeseries root.turbine.d2.s1
根據路徑和標簽查詢序列元數據
# 查詢所有時間序列數據IoTDB> show timeseries+------------------+------------+-------------+--------+--------+-----------+-----------+--------+-----+------+| timeseries| alias|storage group|dataType|encoding|compression|description|location|owner| unit|+------------------+------------+-------------+--------+--------+-----------+-----------+--------+-----+------+|root.turbine.d1.s1|temperature1| root.turbine| FLOAT| GORILLA| SNAPPY| mysensor1| BeiJing|user1|degree||root.turbine.d1.s2|temperature2| root.turbine| FLOAT| GORILLA| SNAPPY| mysensor2| TianJin|user1|degree||root.turbine.d2.s1|temperature1| root.turbine| FLOAT| GORILLA| SNAPPY| mysensor3| HeBei|user2|degree|+------------------+------------+-------------+--------+--------+-----------+-----------+--------+-----+------+# 查詢 root.turbine.d1 前綴路徑下的時間序列# 根據 tag 精確查詢 owner 為 user1 的序列IoTDB> show timeseries root.turbine.d1IoTDB> show timeseries root.turbine where owner=user1+------------------+------------+-------------+--------+--------+-----------+-----------+--------+-----+------+| timeseries| alias|storage group|dataType|encoding|compression|description|location|owner| unit|+------------------+------------+-------------+--------+--------+-----------+-----------+--------+-----+------+|root.turbine.d1.s1|temperature1| root.turbine| FLOAT| GORILLA| SNAPPY| mysensor1| BeiJing|user1|degree||root.turbine.d1.s2|temperature2| root.turbine| FLOAT| GORILLA| SNAPPY| mysensor2| TianJin|user1|degree|+------------------+------------+-------------+--------+--------+-----------+-----------+--------+-----+------+# 根據 tag 模糊查詢 owner 的 value 中包含 'user' 的序列IoTDB> show timeseries where owner contains 'user'+------------------+------------+-------------+--------+--------+-----------+-----------+--------+-----+------+| timeseries| alias|storage group|dataType|encoding|compression|description|location|owner| unit|+------------------+------------+-------------+--------+--------+-----------+-----------+--------+-----+------+|root.turbine.d1.s1|temperature1| root.turbine| FLOAT| GORILLA| SNAPPY| mysensor1| BeiJing|user1|degree||root.turbine.d1.s2|temperature2| root.turbine| FLOAT| GORILLA| SNAPPY| mysensor2| TianJin|user1|degree||root.turbine.d2.s1|temperature1| root.turbine| FLOAT| GORILLA| SNAPPY| mysensor3| HeBei|user2|degree|+------------------+------------+-------------+--------+--------+-----------+-----------+--------+-----+------+
查看某個路徑的孩子節點
IoTDB> show child paths root.turbine+---------------+| child paths|+---------------+|root.turbine.d1||root.turbine.d2|+---------------+
統計時間序列數量
# 統計所有時間序列數量IoTDB> count timeseries+-----+|count|+-----+| 3|+-----+# 分組統計時間序列，root 為第 0 層IoTDB> count timeseries group by level=2+---------------+-----+| column|count|+---------------+-----+|root.turbine.d1| 2||root.turbine.d2| 1|+---------------+-----+
查詢所有設備
也就是查詢倒數第二層節點的路徑
IoTDB> show devices+---------------+| devices|+---------------+|root.turbine.d1||root.turbine.d2|+---------------+
DML 數據操作語言
參考文檔：
http://iotdb.apache.org/UserGuide/Master/Operation%20Manual/DML%20Data%20Manipulation%20Language.html
數據寫入
一次可以寫入一個設備、一個時間戳、多個測點的值。
insert into root.turbine.d1(timestamp,s1,s2) values(1,1,2);insert into root.turbine.d1(timestamp,s1,s2) values(2,1,2);insert into root.turbine.d1(timestamp,s1,s2) values(3,1,2);insert into root.turbine.d1(timestamp,s1,s2) values(4,1,2);insert into root.turbine.d1(timestamp,s1,s2) values(5,1,2);insert into root.turbine.d1(timestamp,s1,s2) values(6,1,2);insert into root.turbine.d1(timestamp,s1,s2) values(10,1,2);
數據刪除
目前只支持刪除一個時間點之前的數據，之后會支持刪除任意一段時間的數據。
delete from root.turbine.d2.s1 where time <= 10
原始數據查詢
接下來就到各種查詢啦，最常用的是原始數據查詢。
IoTDB> select s1, s2 from root.turbine.d1+-----------------------------+------------------+------------------+| Time|root.turbine.d1.s1|root.turbine.d1.s2|+-----------------------------+------------------+------------------+|1970-01-01T08:00:00.001+08:00| 1.0| 2.0||1970-01-01T08:00:00.002+08:00| 1.0| 2.0||1970-01-01T08:00:00.003+08:00| 1.0| 2.0||1970-01-01T08:00:00.004+08:00| 1.0| 2.0||1970-01-01T08:00:00.005+08:00| 1.0| 2.0||1970-01-01T08:00:00.006+08:00| 1.0| 2.0||1970-01-01T08:00:00.010+08:00| 1.0| 2.0|+-----------------------------+------------------+------------------+
單點補空值查詢
傳感器采集的數據很多時間戳有偏差，時間戳精確查詢容易查不到數據，可以用 previous 或者 linear 方式補空值
IoTDB> select s1 from root.turbine.d1 where time = 8+----+------------------+|Time|root.turbine.d1.s1|+----+------------------++----+------------------+# 用前邊最近的值填過來IoTDB> select s1 from root.turbine.d1 where time = 8 fill(float[previous])+-----------------------------+------------------+| Time|root.turbine.d1.s1|+-----------------------------+------------------+|1970-01-01T08:00:00.008+08:00| 1.0|+-----------------------------+------------------+# 如果想限制補值的范圍，超過這個范圍就不補了，可以再加個參數，要帶單位IoTDB> select s1 from root.turbine.d1 where time = 8 fill(float[previous,1ms])+-----------------------------+------------------+| Time|root.turbine.d1.s1|+-----------------------------+------------------+|1970-01-01T08:00:00.008+08:00| null|+-----------------------------+------------------+
最新數據查詢
為了實時的可視化最新數據，我們單獨做了一個最新數據點查詢功能。用 select last 關鍵字作為前綴，其他語法和原始數據一樣，不能加謂詞過濾。
IoTDB> select last * from root+-----------------------------+------------------+-----+| Time| timeseries|value|+-----------------------------+------------------+-----+|1970-01-01T08:00:00.010+08:00|root.turbine.d1.s1| 1.0||1970-01-01T08:00:00.010+08:00|root.turbine.d1.s2| 2.0|+-----------------------------+------------------+-----+
聚合查詢
統計時間序列的聚合值，我們目前把各個時間序列都當做獨立的序列看待，聚合也是分序列做。下個版本會加上聚合一個路徑下所有序列的功能。
IoTDB> select count(*) from root where time <= 10+-------------------------+-------------------------+-------------------------+|count(root.turbine.d1.s1)|count(root.turbine.d1.s2)|count(root.turbine.d2.s1)|+-------------------------+-------------------------+-------------------------+| 7| 7| 0|+-------------------------+-------------------------+-------------------------+
0.10.0 降頻聚合查詢
降頻聚合0.10的語法和0.9 的不一樣了。首先介紹 0.10.0 版本的降頻聚合查詢語法，先舉個例子，查一個序列今年5月份每天早上9點到12點的平均值，結果應該類似這樣的：
5月1日 9點-12點：聚合值
5月2日 9點-12點：聚合值
...
5月31日 9點-12點：聚合值
為了實現這個靈活的查詢，需要一個滑動窗口，窗口從5月1日9點開始，長度是3小時，每次往前滑動24小時，滑到5月31日為止，每個窗口內計算一個平均值。
因此我們主要設計了三個參數：
（1）滑動窗口的起始和終止范圍，左閉右開區間：5月1日到31日
（2）滑動窗口的長度：3小時
（3）滑動步長：24小時
語句如下（我沒寫這么多數據，目前查出來都是空）：
select avg(s1) from root.turbine.d1 group by([2020-05-01T09:00:00, 2020-05-31T12:00:00), 3h, 24h)
再舉一個更簡單的例子：查5月份每天的平均值
這個例子里，滑動窗口的長度和滑動步長相等，就可以省掉第三個參數啦：
select avg(s1) from root.turbine.d1 group by([2020-05-01T00:00:00, 2020-06-01T00:00:00), 1d)
0.10.0 采樣補空值
0.10.0 新增的查詢功能，在 group by 查詢的基礎上，如果我們使用 last_value 聚合函數，就是個采樣功能了，如果某個時間區間沒有值，也可以使用前值補空。
# 正常降采樣，沒數據的區間會填充 nullIoTDB> select last_value(s1) from root.turbine.d1 group by([1,10), 2ms)+-----------------------------+------------------------------+| Time|last_value(root.turbine.d1.s1)|+-----------------------------+------------------------------+|1970-01-01T08:00:00.001+08:00| 1.0||1970-01-01T08:00:00.003+08:00| 1.0||1970-01-01T08:00:00.005+08:00| 1.0||1970-01-01T08:00:00.007+08:00| null||1970-01-01T08:00:00.009+08:00| null|+-----------------------------+------------------------------+# 降采樣，如果某個區間沒值，可以用前一個聚合值補空，填充函數為 previousIoTDB> select last_value(s1) from root.turbine.d1 group by([1,10), 2ms) fill(float[previous])+-----------------------------+------------------------------+| Time|last_value(root.turbine.d1.s1)|+-----------------------------+------------------------------+|1970-01-01T08:00:00.001+08:00| 1.0||1970-01-01T08:00:00.003+08:00| 1.0||1970-01-01T08:00:00.005+08:00| 1.0||1970-01-01T08:00:00.007+08:00| 1.0||1970-01-01T08:00:00.009+08:00| 1.0|+-----------------------------+------------------------------+
此外，還支持另一種補空值方式，previousuntillast，使用前值補空，直到補到最新點的時間值為止，就不再補了，比如這里最新點時間戳是10，11和13這兩個點就不再補了。
IoTDB> select last_value(s1) from root.turbine.d1 group by((1,15], 2ms) fill(float[previousuntillast])+-----------------------------+------------------------------+| Time|last_value(root.turbine.d1.s1)|+-----------------------------+------------------------------+|1970-01-01T08:00:00.003+08:00| 1.0||1970-01-01T08:00:00.005+08:00| 1.0||1970-01-01T08:00:00.007+08:00| 1.0||1970-01-01T08:00:00.009+08:00| 1.0||1970-01-01T08:00:00.011+08:00| 1.0||1970-01-01T08:00:00.013+08:00| null||1970-01-01T08:00:00.015+08:00| null|+-----------------------------+------------------------------+
不知道大家注意到沒，這句話區間是前開后閉，填出來的結果集也是用的閉區間的時間點。這樣就通過 group by fill 語句實現了采樣補空值查詢。
0.9.x 降頻聚合查詢
0.9 老版本的降頻聚合語法和 0.10 的不一樣。主要有這樣幾個參數
（1）分段間隔，把時間軸按這個長度分成一段一段的
（2）分割原點，從哪個點開始分，可以采用任意一段的端點，默認以 1970年1月1日0點0時0分0秒為切割原點，也就是時間戳的 0
（3）結果集的展示范圍
前兩個參數固定之后，時間軸的分段就確定了，之后第三個參數指定結果集。
比如，查詢5月每天的平均值
select avg(s1) from root.turbine.d1 group by (1d, 2020-05-01 00:00:00, [2020-05-01 00:00:00, 2020-05-31 23:59:59]);
按設備對齊查詢
通過上邊的例子我們可以看到，IoTDB 查詢的默認表結構是【time，序列1，序列2，...，序列n】，所有序列會按照 time 對齊，如果存在某個序列在一個時間點不存在，會補空值，在做值過濾時候，這種表結構的過濾也會很嚴格。
為了使得各個設備查詢時不互相影響，我們支持按 time 和設備對齊查詢，表結構為【time，設備ID，測點1，測點2，...，測點n】，這種就和關系表結構比較像了，只需要在查詢語句后加 align by device
IoTDB> select * from root align by device+-----------------------------+---------------+---+---+| Time| Device| s1| s2|+-----------------------------+---------------+---+---+|1970-01-01T08:00:00.001+08:00|root.turbine.d1|1.0|2.0||1970-01-01T08:00:00.002+08:00|root.turbine.d1|1.0|2.0||1970-01-01T08:00:00.003+08:00|root.turbine.d1|1.0|2.0||1970-01-01T08:00:00.004+08:00|root.turbine.d1|1.0|2.0||1970-01-01T08:00:00.005+08:00|root.turbine.d1|1.0|2.0||1970-01-01T08:00:00.006+08:00|root.turbine.d1|1.0|2.0||1970-01-01T08:00:00.010+08:00|root.turbine.d1|1.0|2.0|+-----------------------------+---------------+---+---+
“Apache IoTDB的SQL操作方法是什么”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
