时序数据查询
时序数据库支持使用 SQL 语句执行简单查询、嵌套查询、关联查询、联合查询、插值查询和最值上下文查询。有关嵌套查询、关联查询、联合查询的语法说明，参见 SQL 参考。
简单查询
前提条件
用户是 admin 角色的成员或者拥有目标表的 SELECT 权限。默认情况下，root 用户属于 admin 角色。
语法格式
有关时序数据查询的语法格式，参见 SQL 参考。
参数说明
有关时序数据查询的参数说明，参见 SQL 参考。
语法示例
查询时序表的数据。
以下示例假设经创建
ts_db数据库。以下示例查询t1时序表的数据。-- 1. 创建 t1 时序表并写入数据。 CREATE TABLE ts_db.t1(ts timestamp not null,a int, b int) tags(tag1 int not null, tag2 int) primary tags(tag1); -- 2. 向表中写入数据。 INSERT INTO ts_db.t1 VALUES(now(),11,11,33,44); INSERT INTO ts_db.t1 VALUES(now(),22,22,33,44); INSERT INTO ts_db.t1 VALUES(now(),11,33,33,44); INSERT INTO ts_db.t1 VALUES(now(),22,44,33,44); INSERT INTO ts_db.t1 VALUES(now(),33,55,44,44); INSERT INTO ts_db.t1 VALUES(now(),22,44,44,44); INSERT INTO ts_db.t1 VALUES(now(),33,44,55,44); INSERT INTO ts_db.t1 VALUES(now(),null,null,66,66); INSERT INTO ts_db.t1 VALUES(now(),null,null,66,77); -- 3. 查看表的内容。 SELECT * FROM t1; ts | a | b | tag1 | tag2 --------------------------------+------+------+------+------- 2024-02-26 01:28:28.867+00:00 | 11 | 11 | 33 | 44 2024-02-26 01:28:28.874+00:00 | 22 | 22 | 33 | 44 2024-02-26 01:28:28.877+00:00 | 11 | 33 | 33 | 44 2024-02-26 01:28:28.88+00:00 | 22 | 44 | 33 | 44 2024-02-26 01:28:28.883+00:00 | 33 | 55 | 44 | 44 2024-02-26 01:28:28.885+00:00 | 22 | 44 | 44 | 44 2024-02-26 01:28:28.888+00:00 | 33 | 44 | 55 | 44 2024-02-26 01:28:28.89+00:00 | NULL | NULL | 66 | 66 2024-02-26 01:28:28.893+00:00 | NULL | NULL | 66 | 66 (9 rows)查询指定的数据列。
以下示例查询
t1表的a列并进行求和。SELECT sum(a) FROM ts_db.t1; sum ------- 154 (1 row)去重查询。
以下示例对
t1表的a列进行去重查询。SELECT DISTINCT a FROM ts_db.t1; a -------- 11 22 33 NULL (4 rows)使用
WHERE语句过滤标签列。以下示例使用
WHERE语句过滤t1表的a列。SELECT tag1 FROM ts_db.t1 WHERE a =11; tag1 -------- 33 33 (2 rows)使用
GROUP BY和ORDER BY语句对数据列进行分类和排序。以下示例使用
GROUP BY语句对t1表的a列进行分类和排序。SELECT a, max(b) FROM ts_db.t1 GROUP BY a ORDER BY a; a | max -------+------- NULL | NULL 11 | 33 22 | 44 33 | 55 (4 rows)
插值查询
时间序列数据中，有时会存在缺失和偏离的数据，影响后续数据的使用和分析。KaiwuDB 支持以下两种插值查询方式：
- 时间桶插值查询：使用
time_bucket_gapfill()函数，面向时间范围的批量插值，按固定时间间隔生成完整时间序列，适用于趋势分析、报表补全等场景。 - FILL 子句查询：使用
FILL子句，面向精确时间点的单次取值，在该时间点无数据时按指定策略返回补充值，适用于工业测点数据的实时查询场景。
时间桶插值查询
KaiwuDB 提供了 time_bucket_gapfill() 函数和 interpolate() 函数，支持用户对指定时间范围内按固定时间间隔进行时间戳对齐，插入缺失的时间戳行，并根据需要选择是否进行补值。
KaiwuDB 的插值函数支持与以下功能联合使用：
LIMIT：限制插值和补值后返回的结果集数量。LIMIT...OFFSET：限制插值和补值后返回的结果集数量，并跳过指定行数的记录。- 子查询：包括非相关
FROM子查询以及相关和非相关WHERE子查询，子查询中的表可以是时序表或关系表。 JOIN：包括JOIN、FULL JOIN、LEFT JOIN和RIGHT JOIN，插值查询与JOIN联合使用时，会先执行JOIN操作，然后对结果进行插值处理。UNION：包括UNION和UNION ALL，插值查询与UNION联合使用时，每个子查询或数据集会先进行插值处理，然后再合并结果。
说明
time_bucket_gapfill()函数必须与GROUP BY配合使用。- 如果需要同时查询其他列信息，且待查询的列不在
GROUP BY指定的范围内，需要使用聚合函数来处理这些列。例如，系统不支持SELECT time_bucket_gapfill(time, 86400) AS a, c1 FROM t1 GROUP BY a;，但支持SELECT time_bucket_gapfill(time, 86400) AS a, max(c1) FROM t1 GROUP BY a;。
前提条件
用户是 admin 角色的成员或者拥有目标表的 SELECT 权限。默认情况下，root 用户属于 admin 角色。
语法格式
插入缺失时间戳行但不补值
SELECT time_bucket_gapfill(<timestamp_column>, <interval>) AS <alias_1> FROM <table_name> GROUP BY <column_list_1> [ORDER BY <column_list_2>] [LIMIT <n>] [OFFSET <m>];插入缺失时间戳行并进行补值
SELECT time_bucket_gapfill(<timestamp_column>, <interval>) AS <alias_1>, interpolate(<expression_1>, <expression_2>) [AS <alias_2>] FROM <table_name> GROUP BY <column_list_1> [ORDER BY <column_list_2] [LIMIT <n>] [OFFSET <m>];
参数说明
| 参数 | 说明 |
|---|---|
timestamp_column | 时间戳列。 |
interval | 时间间隔，支持的单位包括纳秒、微秒、毫秒、秒、分、小时、天、周、月、年。目前，KaiwuDB 不支持复合时间格式，如 1d1h。 各时间单位支持的输入格式如下所示： - 纳秒： ns、nsec、nsecs、nanosecond、nanoseconds - 微秒： us 、usec、usecs、microsecond、microseconds - 毫秒： ms、msec、msecs、millisecond、milliseconds - 秒： s、sec、secs、second、seconds - 分： m、min、mins、minute、minutes - 小时： h、hr、hrs、hour、hours- 天： d、day、days - 周： w、week、weeks - 月： mon、mons、month、months - 年： y、yr、yrs、year、years |
alias_1 | 为生成的时间桶结果起的别名，便于后续引用。 |
table_name | 待查询表的名称。 |
column_list_1 | 用于分组的列或列的组合。多个列之间使用逗号（,）分隔。KaiwuDB 会将除时间列外的其余列作为一组，进行组内补行，组与组之间互不影响。 |
column_list_2 | 用于排序的列或列的组合，多个列之间使用逗号（,）分隔。支持添加可选的关键字 ASC 和 DESC, 指定顺序为升序或降序，默认值为 ASC，即升序。 |
n | 可选参数，指定返回结果的最大行数。 |
m | 可选参数，跳过前面 m 行结果。OFFSET 需与 LIMIT 连用。 |
expression_1 | 补值算法，必须是聚合函数且数据类型为数值。 |
expression_2 | 补值模式，支持常量值（constant）、前值（prev）、后值（next）、线性值（linear）和 NULL。补值结果类型应与原始值一致。 |
alias_2 | 可选参数，为补值结果起的别名，便于后续引用。 |
语法示例
以下示例假设用户已创建时序表 t1, t2, 并向表内写入对应的数值。
-- 创建表 t1, 并向表内写入数据
create table t1(time timestamp not null, temperature DOUBLE, humidity DOUBLE) tags(device_id int not null) primary tags(device_id);
INSERT INTO t1 (time, device_id, temperature, humidity) VALUES ('2024-08-01 12:00:00', 1, 25.3, 60.2);
INSERT INTO t1 (time, device_id, temperature, humidity) VALUES ('2024-09-01 12:00:00', 2, 25.6, 60.3);
-- 创建表 t2, 并向表内写入数据
create table t2(time timestamp not null, temperature DOUBLE, humidity DOUBLE) tags(device_id int not null) primary tags(device_id);
INSERT INTO t2 (time, device_id, temperature, humidity) VALUES ('2024-08-01 12:00:00', 1, 25.3, 60.2);
INSERT INTO t2 (time, device_id, temperature, humidity) VALUES ('2024-09-01 12:00:00', 2, 25.6, 60.3);
插入缺失的时间戳行但不补值。
以下示例对
t1表进行插值查询，但不补值。SELECT time_bucket_gapfill (time, 86400) AS tt FROM t1 GROUP BY tt ORDER BY tt; tt ----------------------------- 2024-08-01 00:00:00+00:00 2024-08-02 00:00:00+00:00 2024-08-03 00:00:00+00:00 2024-08-04 00:00:00+00:00 2024-08-05 00:00:00+00:00 2024-08-06 00:00:00+00:00 2024-08-07 00:00:00+00:00 2024-08-08 00:00:00+00:00 ... (32 rows)插入缺失的时间戳行并使用前值补值。
以下示例对
t1表进行插值查询，并使用前值（PREV）补值。SELECT time_bucket_gapfill(time, 86400) AS tt, interpolate(avg(temperature), PREV) FROM t1 GROUP BY tt ORDER BY tt; tt | interpolate ----------------------------+-------------- 2024-08-01 00:00:00+00:00 | 25.3 2024-08-02 00:00:00+00:00 | 25.3 2024-08-03 00:00:00+00:00 | 25.3 2024-08-04 00:00:00+00:00 | 25.3 2024-08-05 00:00:00+00:00 | 25.3 2024-08-06 00:00:00+00:00 | 25.3 2024-08-07 00:00:00+00:00 | 25.3 2024-08-08 00:00:00+00:00 | 25.3 ... (32 rows)插入缺失的时间戳行，使用常量补值，并使用
limit和offset限制补值后返回的结果集。以下示例对
t1表进行插值查询，使用常量补值后，限制返回的结果为 8 行，同时跳过前两行结果。SELECT time_bucket_gapfill(time, 86400) AS tt, interpolate(avg(temperature), '25') FROM t1 GROUP BY tt ORDER BY tt limit 8 offset 2; tt | interpolate ----------------------------+-------------- 2024-08-03 00:00:00+00:00 | 25 2024-08-04 00:00:00+00:00 | 25 2024-08-05 00:00:00+00:00 | 25 2024-08-06 00:00:00+00:00 | 25 2024-08-07 00:00:00+00:00 | 25 2024-08-08 00:00:00+00:00 | 25 2024-08-09 00:00:00+00:00 | 25 2024-08-10 00:00:00+00:00 | 25 (8 rows)插值查询与
FROM子查询联合使用。以下示例在子查询中先对原始数据进行每日（1 day）的分组和插值操作，然后在外层查询中按两天（2 day）的时间窗口再次进行分组和插值操作。
select time_bucket_gapfill(tt, 2 * 86400) as c,interpolate(count(b), null) from (select time_bucket_gapfill(time,86400) as tt,interpolate(max(device_id),linear) as b from t1 group by tt order by tt ) group by c order by c; c | interpolate ----------------------------+-------------- 2024-08-01 00:00:00+00:00 | 2 2024-08-03 00:00:00+00:00 | 2 2024-08-05 00:00:00+00:00 | 2 2024-08-07 00:00:00+00:00 | 2 2024-08-09 00:00:00+00:00 | 2 2024-08-11 00:00:00+00:00 | 2 ... (16 rows)插值查询与
WHERE子查询联合使用。以下示例先找出
t1表中最大的时间戳，然后筛选出t1表中所有时间戳大于该最大时间戳的记录。select * from t1 where time> (select time_bucket_gapfill(time,86400) as tb from t1 group by tb order by tb desc limit 1) order by time; time |temperature|humidity|device_id| -----------------------|-----------|--------|---------| 2024-09-01 12:00:00.000| 25.6| 60.3| 2| (1 row)使用联合查询各自补值后再合并结果。
以下示例将两个表 t1 和 t2 的插值结果合并。
SELECT time_bucket_gapfill(time, 86400) AS a, interpolate(avg(temperature), 'linear') FROM t1 GROUP BY a UNION ALL SELECT time_bucket_gapfill(time, 86400) AS a, interpolate(avg(temperature), 'linear') FROM t2 GROUP BY a limit 8; a |interpolate | -----------------------|------------------| 2024-08-01 00:00:00.000| 25.3| 2024-08-02 00:00:00.000|25.309677419354838| 2024-08-03 00:00:00.000| 25.31935483870968| 2024-08-04 00:00:00.000|25.329032258064515| 2024-08-05 00:00:00.000|25.338709677419356| 2024-08-06 00:00:00.000|25.348387096774193| 2024-08-07 00:00:00.000|25.358064516129033| 2024-08-08 00:00:00.000| 25.36774193548387| (8 rows)
FILL 子句查询
KaiwuDB 支持使用 FILL 子句对指定时间点的测点数据进行单点查询，并在该时间点无数据时按指定策略返回补充值。
说明
WHERE子句必须存在，且只能包含主标签和时间戳精确匹配条件，不支持模糊查询。- 无论使用哪种补值策略，返回结果的时间戳始终是
WHERE子句中指定的时间点，而非补值来源数据的实际时间戳。
前提条件
用户是 admin 角色的成员或者拥有目标表的 SELECT 权限。默认情况下，root 用户属于 admin 角色。
语法格式
SELECT <column_name> FROM <table_name>
WHERE <ptag_name> = '<ptag_value>' AND <ts_column_name> = '<timestamp_value>'
FILL (EXACT | PREVIOUS [, <before_range>] | NEXT [, <after_range>] | CLOSER [, <close_range>] | LINEAR [, <before_range> [, <after_range>]] | CONSTANT, <const>)
参数说明
| 参数 | 说明 |
|---|---|
column_name | 查询列，只允许使用单列，不支持表达式。 |
table_name | 查询表，只允许使用单表，不支持子查询。 |
ptag_name | 主标签名，只支持精确匹配，不支持模糊查询。 |
ptag_value | 主标签值，字符串类型。格式为 'value'。 |
ts_column_name | 时间戳列名，只支持精确匹配。 |
timestamp_value | 时间戳列的匹配值，格式为 'YYYY-MM-DD HH:MM:SS[.mmm]'。 |
EXACT | 精确填充。如果查询时间点无数据，返回 NULL，时间戳为查询时间。 |
PREVIOUS | 前值填充。如果查询时间点无数据，返回之前时间点最新的一个有效值。设置 before_range 时，在 [T - before_range, T] 区间内查找；区间内无有效值则返回 NULL。 |
NEXT | 后值填充。如果查询时间点无数据，返回之后时间点最近的一个有效值。设置 after_range 时，在 [T, T + after_range] 区间内查找；区间内无有效值则返回 NULL。 |
CLOSER | 最近值填充。如果查询时间点无数据，返回前后时间点中距查询时间最近的有效值；前后距离相等时取前值。设置 close_range 时，在 [T - close_range, T + close_range] 区间内查找；区间内无有效值则返回 NULL。 |
CONSTANT | 常量填充。如果查询时间点无数据，用指定常量替换所有类型兼容的数据列。常量类型与列类型不兼容，或类型宽度超出列范围时返回 NULL。 |
LINEAR | 线性插值填充。如果查询时间点无数据，找该时间点前后各一个最近的有效值，根据时间距离按比例估算出一个补值。只适用于数值类型。如果前后任意一侧没有有效值，返回 NULL。设置 before_range 和 after_range 时，分别限定向前和向后的查找范围。 |
before_range | 可选参数，整数常量，单位 ms。指定向前查找的时间窗口范围。取值必须大于等于 0，否则报错。 |
after_range | 可选参数，整数常量，单位 ms。NEXT 策略指定向后查找范围；LINEAR 策略指定向后查找范围（before_range 指定向前）。取值必须大于等于 0，否则报错。 |
close_range | 可选参数，整数常量，单位 ms。CLOSER 策略指定前后查找范围。取值必须大于等于 0，否则报错。 |
const | 常量填充值，用于 CONSTANT 策略。支持 BOOL、INT、FLOAT、字符串类型，实际可填充的列类型由运行时兼容性决定。 |
各数据类型支持的填充方式如下表所示：
| 数据类型 | 支持的填充方式 |
|---|---|
| BOOL | EXACT、PREVIOUS、NEXT、CLOSER、CONSTANT |
| INT2、INT4、INT8 | EXACT、PREVIOUS、NEXT、CLOSER、CONSTANT、LINEAR |
| FLOAT4、FLOAT8 | EXACT、PREVIOUS、NEXT、CLOSER、CONSTANT、LINEAR |
| CHAR、NCHAR、VARCHAR、NVARCHAR | EXACT、PREVIOUS、NEXT、CLOSER、CONSTANT |
| VARBYTES | EXACT、PREVIOUS、NEXT、CLOSER、CONSTANT |
语法示例
以下示例假设用户已创建时序数据库 ts_db 并执行以下建表和写入操作：
CREATE TS DATABASE ts_db;
USE ts_db;
CREATE TABLE metric_ts (
k_timestamp TIMESTAMP NOT NULL,
data1 FLOAT8,
data2 FLOAT8
) TAGS (device_id CHAR(40) NOT NULL, alias CHAR(40)) PRIMARY TAGS(device_id);
INSERT INTO metric_ts VALUES('2025-12-19 10:00:02.150', 1, 11, 'device1', 'beijing');
INSERT INTO metric_ts VALUES('2025-12-19 10:00:02.500', 2, 22, 'device1', 'beijing');
使用精确填充（EXACT）查询
以下示例查询时间点
10:00:02.200处的数据，该时间点无数据，精确填充返回 NULL。SELECT k_timestamp, data1, data2 FROM ts_db.metric_ts WHERE device_id = 'device1' AND k_timestamp = '2025-12-19 10:00:02.200' FILL(EXACT); k_timestamp | data1 | data2 ----------------------------+-------+------- 2025-12-19 10:00:02.2+00:00 | NULL | NULL (1 row)使用前值填充（PREVIOUS）查询
以下示例查询时间点
10:00:02.200处的数据，该时间点无数据，前值填充返回之前最近的有效值。SELECT k_timestamp, data1, data2 FROM ts_db.metric_ts WHERE device_id = 'device1' AND k_timestamp = '2025-12-19 10:00:02.200' FILL(PREVIOUS); k_timestamp | data1 | data2 -------------------------------+-------+------- 2025-12-19 10:00:02.2+00:00 | 1 | 11 (1 row)以下示例设置
before_range为 20 ms，在[10:00:02.180, 10:00:02.200]区间内查找，该区间内无有效值，返回 NULL。SELECT k_timestamp, data1, data2 FROM ts_db.metric_ts WHERE device_id = 'device1' AND k_timestamp = '2025-12-19 10:00:02.200' FILL(PREVIOUS, 20); k_timestamp | data1 | data2 -------------------------------+-------+------- 2025-12-19 10:00:02.2+00:00 | NULL | NULL (1 row)使用后值填充（NEXT）查询
以下示例查询时间点
10:00:02.200处的数据，该时间点无数据，后值填充返回之后最近的有效值。SELECT k_timestamp, data1, data2 FROM ts_db.metric_ts WHERE device_id = 'device1' AND k_timestamp = '2025-12-19 10:00:02.200' FILL(NEXT); k_timestamp | data1 | data2 -------------------------------+-------+------- 2025-12-19 10:00:02.2+00:00 | 2 | 22 (1 row)使用最近值填充（CLOSER）查询
以下示例查询时间点
10:00:02.400处的数据，该时间点无数据，最近值填充返回前后时间点中距查询时间最近的有效值。SELECT k_timestamp, data1, data2 FROM ts_db.metric_ts WHERE device_id = 'device1' AND k_timestamp = '2025-12-19 10:00:02.400' FILL(CLOSER); k_timestamp | data1 | data2 -------------------------------+-------+------- 2025-12-19 10:00:02.4+00:00 | 2 | 22 (1 row)使用常量填充（CONSTANT）查询
以下示例查询时间点
10:00:02.200处的数据，该时间点无数据，常量填充用指定常量123替换所有类型兼容的数据列。SELECT k_timestamp, data1, data2 FROM ts_db.metric_ts WHERE device_id = 'device1' AND k_timestamp = '2025-12-19 10:00:02.200' FILL(CONSTANT, 123); k_timestamp | data1 | data2 -------------------------------+-------+------- 2025-12-19 10:00:02.2+00:00 | 123 | 123 (1 row)使用线性插值填充（LINEAR）查询
以下示例查询时间点
10:00:02.500处的数据，该时间点无数据，线性插值填充根据前后有效值计算补值。-- 写入第三条数据用于线性插值 INSERT INTO metric_ts VALUES('2025-12-19 10:00:02.600', 3, 33, 'device1', 'beijing'); SELECT k_timestamp, data1, data2 FROM ts_db.metric_ts WHERE device_id = 'device1' AND k_timestamp = '2025-12-19 10:00:02.500' FILL(LINEAR); k_timestamp | data1 | data2 ------------------------------+-------+-------- 2025-12-19 10:00:02.5+00:00 | 2 | 22 (1 row)以下示例设置
before_range为 150 ms、after_range为 200 ms，限定查找区间后计算线性插值。SELECT k_timestamp, data1, data2 FROM ts_db.metric_ts WHERE device_id = 'device1' AND k_timestamp = '2025-12-19 10:00:02.250' FILL(LINEAR, 150, 200); k_timestamp | data1 | data2 -------------------------------+-------+-------- 2025-12-19 10:00:02.25+00:00 | NULL | NULL (1 row)
最值上下文查询
KaiwuDB 的最值上下文查询功能允许用户在使用 min 或 max 聚合函数查询最小值或最大值的同时，获取该最值所在行的其他列数据。该功能突破了标准 SQL 的语法限制，使用户能够在一次查询中获得最值数据的完整上下文信息。
使用说明：
- 当前该功能仅支持在单个时序表上进行查询。
- 每次查询中只能使用 一个
min或max函数。 - 仅支持以下聚合函数：
min、max、first、last，其中min和max不支持对标签列进行聚合。first和last仅支持对时间戳列进行聚合。
SELECT子句中必须包含至少一个非聚合列，且这些非聚合列不能完全被GROUP BY子句包含。
前提条件
用户是 admin 角色的成员或者拥有目标表的 SELECT 权限。默认情况下，root 用户属于 admin 角色。
语法格式
SELECT <non_agg_column_list>, [<min_function> | <max_function>] [, <first_function>] [, <last_function>]
FROM <table_name>
[WHERE <condition>]
[GROUP BY <grouping_columns>]
[ORDER BY <ordering_columns>];
说明
SELECT 子句中各列顺序可以自由排列，但必须包含：
- 至少一个非聚合列
- 一个
min_function或max_function
参数说明
| 参数 | 说明 |
|---|---|
non_agg_column_list | （必选）非聚合列列表，支持多列，每列可以是普通列名、函数表达式，或列名与函数的组合。例如：voltage、round(voltage) 等，支持所有时序数据类型，支持数学函数、字符串函数与表达式计算。 |
min_function | 最小值聚合函数，支持嵌套函数，例如 min(voltage)、min(abs(voltage))。 |
max_function | 最大值聚合函数，支持嵌套函数，例如 max(temperature)、max(sqrt(power))。 |
first_function | 获取条件范围内时间戳最小的数据（不包含空值 NULL）。 |
last_function | 获取条件范围内时间戳最大的数据（不包含空值 NULL）。 |
table_name | 要查询的时序表名称。 |
grouping_columns | 用于分组的列名，可以是普通列、表达式，时间桶函数，分组窗口函数，如时间窗口、事件窗口、计数窗口、会话窗口等。 |
ordering_columns | 用于排序的列名，支持多个字段，使用逗号（,）分隔。可添加 ASC（升序）或 DESC（降序），默认为升序。 |
语法示例
以下示例假设用户已创建时序库 sensor_db, 时序表 sensors, 并向表内写入对应的数值。
-- 创建时序数据库
CREATE TS DATABASE sensor_db;
-- 切换到时序数据库
USE sensor_db;
-- 创建传感器数据表
CREATE TABLE sensors (
k_timestamp TIMESTAMP NOT NULL,
voltage FLOAT,
temperature FLOAT
) TAGS (
device_id INT NOT NULL,
location VARCHAR(100)
) PRIMARY TAGS (device_id);
-- 设备1的数据 (2024-01-01)
INSERT INTO sensors (k_timestamp, voltage, temperature, device_id, location) VALUES
('2024-01-01 00:00:00', 220.5, 25.3, 1, '北京机房A'),
('2024-01-01 00:10:00', 219.8, 25.5, 1, '北京机房A'),
('2024-01-01 00:20:00', 221.2, 25.8, 1, '北京机房A'),
('2024-01-01 00:30:00', 218.5, 26.1, 1, '北京机房A'), -- 最小电压
('2024-01-01 00:40:00', 220.0, 26.3, 1, '北京机房A'),
('2024-01-01 00:50:00', 222.3, 26.5, 1, '北京机房A'), -- 最大电压
('2024-01-01 01:00:00', 220.8, 26.2, 1, '北京机房A'),
-- 设备2的数据 (2024-01-01)
('2024-01-01 00:00:00', 219.2, 24.8, 2, '上海机房B'),
('2024-01-01 00:10:00', 217.5, 24.9, 2, '上海机房B'), -- 最小电压
('2024-01-01 00:20:00', 220.8, 25.2, 2, '上海机房B'),
('2024-01-01 00:30:00', 221.5, 25.5, 2, '上海机房B'),
('2024-01-01 00:40:00', 223.0, 25.8, 2, '上海机房B'), -- 最大电压
('2024-01-01 00:50:00', 220.3, 25.6, 2, '上海机房B'),
('2024-01-01 01:00:00', 219.8, 25.3, 2, '上海机房B'),
-- 设备3的数据 (2024-01-01)
('2024-01-01 00:00:00', 221.0, 26.0, 3, '广州机房C'),
('2024-01-01 00:10:00', 220.5, 26.2, 3, '广州机房C'),
('2024-01-01 00:20:00', 219.0, 26.5, 3, '广州机房C'), -- 最小电压
('2024-01-01 00:30:00', 221.8, 26.8, 3, '广州机房C'),
('2024-01-01 00:40:00', 224.2, 27.0, 3, '广州机房C'), -- 最大电压
('2024-01-01 00:50:00', 222.5, 26.7, 3, '广州机房C'),
('2024-01-01 01:00:00', 221.3, 26.4, 3, '广州机房C'),
-- 跨天数据 (2024-01-02，用于条件查询测试)
('2024-01-02 00:00:00', 220.0, 25.0, 1, '北京机房A'),
('2024-01-02 00:10:00', 219.5, 25.2, 1, '北京机房A'),
('2024-01-02 00:00:00', 218.0, 24.5, 2, '上海机房B'),
('2024-01-02 00:10:00', 218.5, 24.7, 2, '上海机房B');
全表查询
以下示例查询整张表中电压的最小值及对应的时间戳、温度和设备 ID。
SELECT k_timestamp, temperature, device_id, min(voltage) FROM sensors; k_timestamp | temperature | device_id | min ----------------------------+-------------+-----------+-------- 2024-01-01 00:10:00+00:00 | 24.9 | 2 | 217.5 (1 row)条件查询
以下示例查询 2024 年 1 月 1 日的数据中，电压的最小值及对应信息。
SELECT k_timestamp, temperature, device_id, min(voltage) FROM sensors WHERE k_timestamp >= '2024-01-01' AND k_timestamp < '2024-01-02'; k_timestamp | temperature | device_id | min ----------------------------+-------------+-----------+-------- 2024-01-01 00:10:00+00:00 | 24.9 | 2 | 217.5 (1 row)分组查询
以下示例按设备分组，查询每个设备的最小电压及对应信息。
SELECT device_id, k_timestamp, temperature, min(voltage) FROM sensors GROUP BY device_id ORDER BY device_id; device_id | k_timestamp | temperature | min ------------+---------------------------+-------------+-------- 1 | 2024-01-01 00:30:00+00:00 | 26.1 | 218.5 2 | 2024-01-01 00:10:00+00:00 | 24.9 | 217.5 3 | 2024-01-01 00:20:00+00:00 | 26.5 | 219 (3 rows)时间窗口分组查询
以下示例按 10 分钟为单位进行时间窗口分组，查询每个时间窗口的电压最小值及其对应的上下文数据。
SELECT first(k_timestamp) as window_start, last(k_timestamp) as window_end, k_timestamp, voltage, device_id, min(voltage) FROM sensors GROUP BY time_window(k_timestamp, '10min') ORDER BY window_start DESC; window_start | window_end | k_timestamp | voltage | device_id | min ----------------------------+---------------------------+---------------------------+---------+-----------+-------- 2024-01-02 00:10:00+00:00 | 2024-01-02 00:20:00+00:00 | 2024-01-02 00:10:00+00:00 | 218.5 | 2 | 218.5 2024-01-02 00:00:00+00:00 | 2024-01-02 00:10:00+00:00 | 2024-01-02 00:00:00+00:00 | 218 | 2 | 218 2024-01-01 01:00:00+00:00 | 2024-01-01 01:10:00+00:00 | 2024-01-01 01:00:00+00:00 | 219.8 | 2 | 219.8 2024-01-01 00:50:00+00:00 | 2024-01-01 01:00:00+00:00 | 2024-01-01 00:50:00+00:00 | 220.3 | 2 | 220.3 2024-01-01 00:40:00+00:00 | 2024-01-01 00:50:00+00:00 | 2024-01-01 00:40:00+00:00 | 220 | 1 | 220 2024-01-01 00:30:00+00:00 | 2024-01-01 00:40:00+00:00 | 2024-01-01 00:30:00+00:00 | 218.5 | 1 | 218.5 2024-01-01 00:20:00+00:00 | 2024-01-01 00:30:00+00:00 | 2024-01-01 00:20:00+00:00 | 219 | 3 | 219 2024-01-01 00:10:00+00:00 | 2024-01-01 00:20:00+00:00 | 2024-01-01 00:10:00+00:00 | 217.5 | 2 | 217.5 2024-01-01 00:00:00+00:00 | 2024-01-01 00:10:00+00:00 | 2024-01-01 00:00:00+00:00 | 219.2 | 2 | 219.2 (9 rows)