使用Apache IoTDB进行IoT相关开发的架构设计与功能实现(10)

简介: 物联网提供限制/限制条款和偏移/偏移子句,以使用户对查询结果有更多的控制权。使用 LIMIT 和 SLIMIT 子句允许用户控制查询结果的行数和列数,使用 OFFSET 和 SOFSET 子句允许用户设置结果的起始位置进行显示。

所有参数的详细说明见表3-5。

表 3-5 线性填充参数列表

参数名称(不区分大小写) 解释
路径,前缀路径 查询路径;必填项
T 查询时间戳(只能指定一个);必填项
data_type 填充方法使用的数据类型。可选值为 int32、int64、浮点型、双精度型、布尔值、文本;可选字段
before_range, after_range 表示线性方法的有效时间范围。当存在 [T-before_range, T+after_range] 范围内的值时,前一种方法有效。如果未显式指定before_range和after_range,则使用 default_fill_interval。-1 表示无穷大;可选字段

请注意,如果时间序列在查询时间戳 T 处具有有效值,则此值将用作线性填充值。否则,如果在 [T-before_range,T] 或 [T, T + after_range] 范围内没有有效的填充值,则线性填充方法将返回 null。

在这里,我们给出了使用线性方法填充空值的示例。SQL 语句如下:

  1. select temperature from root.sgcc.wf03.wt01 wheretime= 2017-11-01T16:37:50.000 fill(float [linear, 1m, 1m])

这意味着:

因为时间序列根.sgcc.wf03.wt01.temperature在2017-11-01T16:37:50.000为空,系统使用之前的时间戳2017-11-01T16:37:00.000(时间戳在[2017-11-01T16:36:50.000,2017-11-01T16:37:50.000]时间范围内)及其值21.927326,下一个时间戳2017-11-01T16:38:00.000(时间戳在[2017-11-01T16:37:50.000,2017-11-01T16:38:50.000]时间范围内)及其值25.311783进行线性拟合计算: 21.927326 + (25.311783-21.927326)/60s * 50s = 24.747707

此语句的执行结果如下所示:

数据类型和填充方法之间的对应关系

数据类型和支持的填充方法如表 3-6 所示。

表 3-6 数据类型和支持的填充方法**

数据类型 支持的填充方法
布尔 以前
国际特32 上一篇, 线性
国际特64 上一篇, 线性
上一篇, 线性
上一篇, 线性
发短信 以前

值得注意的是,对于数据类型不支持的填充方法,IoTDB 会给出错误提示,如下所示:

如果未指定 fill 方法,则每种数据类型都有自己的默认填充方法和参数。相应的关系如表3-7所示。

表 3-7 各种数据类型的默认填充方法和参数**

数据类型 默认填充方法和参数
布尔 前一页, 600000
国际特32 前一页, 600000
国际特64 前一页, 600000
前一页, 600000
前一页, 600000
发短信 前一页, 600000

注意:在 0.7.0 版中,至少应在 Fill 语句中指定一个填充方法。

对查询结果的行和列控制

物联网提供限制/限制条款和偏移/偏移子句,以使用户对查询结果有更多的控制权。使用 LIMIT 和 SLIMIT 子句允许用户控制查询结果的行数和列数,使用 OFFSET 和 SOFSET 子句允许用户设置结果的起始位置进行显示。

请注意,分组依据查询不支持 LIMIT 和 OFFSET。

本章主要介绍查询结果行列控制的相关示例。您还可以使用Java JDBC用于执行查询的标准接口。

对查询结果的行控制

通过使用 LIMIT 和 OFFSET 子句,用户可以以与行相关的方式控制查询结果。我们将通过以下示例演示如何使用 LIMIT 和 OFFSET 子句。

  • 示例 1:基本限制子句

SQL 语句为:

  1. selectstatus, temperature from root.ln.wf01.wt01 limit10

这意味着:

选择的设备是ln组wf01工厂wt01设备;所选时间序列为“状态”和“温度”。SQL 语句要求返回查询结果的前 10 行。

结果如下所示:

  • 示例 2:带偏移的 LIMIT 子句

SQL 语句为:

  1. selectstatus, temperature from root.ln.wf01.wt01 limit5offset3

这意味着:

选择的设备是ln组wf01工厂wt01设备;所选时间序列为“状态”和“温度”。SQL 语句要求返回查询结果的第 3 行到第 7 行(第一行编号为第 0 行)。

结果如下所示:

  • 示例 3:限制子句与 WHERE 子句的组合

SQL 语句为:

  1. selectstatus,temperature from root.ln.wf01.wt01 wheretime> 2017-11-01T00:05:00.000 andtime< 2017-11-01T00:12:00.000limit2offset3

这意味着:

选择的设备是ln组wf01工厂wt01设备;所选时间序列为“状态”和“温度”。SQL 语句要求返回“3-4-2017T11:01:00.05”和“00-000-2017T11:01:00.12”之间的状态和温度传感器值的第 00 行到第 000 行(第一行编号为第 0 行)。

结果如下所示:

  • 示例 4:LIMIT 子句与 GROUP BY 子句的组合

SQL 语句为:

  1. selectcount(status), max_value(temperature) from root.ln.wf01.wt01 group by ([2017-11-01T00:00:00, 2017-11-07T23:00:00),1d)limit5offset3

这意味着:

SQL 语句子句要求返回查询结果的第 3 行到第 7 行(第一行编号为第 0 行)。

结果如下所示:

值得注意的是,由于目前的 FILL 子句只能填充某个时间点的时间序列缺失值,也就是说 FILL 子句的执行结果正好是一行,所以 LIMIT 和 OFFSET 预计不会与 FILL 子句结合使用,否则会提示错误。例如,执行以下 SQL 语句:

  1. select temperature from root.sgcc.wf03.wt01 wheretime= 2017-11-01T16:37:50.000 fill(float[previous, 1m])limit10

SQL 语句将不会执行,相应的错误提示如下:

对查询结果的列控制

通过使用 SLIMIT 和 SOFFSET 子句,用户可以以与列相关的方式控制查询结果。我们将通过以下示例演示如何使用 SLIMIT 和 SOFFSET 子句。

  • 示例 1:基本 SLIMIT 子句

SQL 语句为:

  1. select * fromroot.ln.wf01.wt01wheretime> 2017-11-01T00:05:00.000 andtime< 2017-11-01T00:12:00.000slimit1

这意味着:

选择的设备是ln组wf01工厂wt01设备;所选时间序列是此设备下的第一列,即电源状态。SQL 语句要求选择时间点“2017-11-01T00:05:00.000”和“2017-11-01T00:12:00.000”之间的状态传感器值。

结果如下所示:

  • 示例 2:带有偏移量的 SLIMIT 子句

SQL 语句为:

  1. select * fromroot.ln.wf01.wt01wheretime> 2017-11-01T00:05:00.000 andtime< 2017-11-01T00:12:00.000slimit1soffset1

这意味着:

选择的设备是ln组wf01工厂wt01设备;所选时间序列是该设备下的第二列,即温度。SQL 语句要求选择时间点“2017-11-01T00:05:00.000”和“2017-11-01T00:12:00.000”之间的温度传感器值。

结果如下所示:

  • 示例 3:SLIMIT 子句与 GROUP BY 子句的组合

SQL 语句为:

  1. select max_value(*) from root.ln.wf01.wt01 group by ([2017-11-01T00:00:00, 2017-11-07T23:00:00),1d) slimit 1 soffset 1

结果如下所示:

  • 示例 4:SLIMIT 子句与 FILL 子句的组合

SQL 语句为:

  1. select * from root.sgcc.wf03.wt01 wheretime= 2017-11-01T16:37:50.000 fill(float[previous, 1m]) slimit 1 soffset 1

这意味着:

选择的设备是ln组wf01工厂wt01设备;所选时间序列是该设备下的第二列,即温度。

结果如下所示:

值得注意的是,SLIMIT 子句预计会与星号路径或前缀路径结合使用,当 SLIMIT 子句与完整路径查询结合使用时,系统会提示错误。例如,执行以下 SQL 语句:

  1. selectstatus,temperaturefromroot.ln.wf01.wt01wheretime> 2017-11-01T00:05:00.000 andtime< 2017-11-01T00:12:00.000slimit1

SQL 语句将不会执行,相应的错误提示如下:

对查询结果的行和列控制

除了对查询结果进行行或列控制外,IoTDB 还允许用户控制查询结果的行和列。下面是一个包含 LIMIT 子句和 SLIMIT 子句的完整示例。

SQL 语句为:

  1. select * from root.ln.wf01.wt01 limit10offset100 slimit 2 soffset 0

这意味着:

选择的设备是ln组wf01工厂wt01设备;所选时间序列是此设备下的第 0 到 1 列(第一列编号为 0 列)。SQL 语句子句要求返回查询结果的第 100 到 109 行(第一行编号为第 0 行)。

结果如下所示:

其他结果集格式

此外,IoTDB 还支持另外两种结果集格式:“按设备对齐”和“禁用对齐”。

“按设备对齐”表示将设备 ID 视为一列。因此,数据集中的列完全有限。

SQL 语句为:

  1. select s1,s2 from root.sg1.*GROUPBY DEVICE

有关更多语法说明,请阅读 SQL 参考。

“禁用对齐”表示结果集中每个时间序列有 3 列。有关更多语法说明,请阅读 SQL 参考。

错误处理

当 LIMIT/SLIMIT 的参数 N/SN 超过结果集大小时,IoTDB 将按预期返回所有结果。例如,原始 SQL 语句的查询结果由六行组成,我们通过 LIMIT 子句选择前 100 行:

  1. selectstatus,temperature from root.ln.wf01.wt01 wheretime> 2017-11-01T00:05:00.000 andtime< 2017-11-01T00:12:00.000limit100

结果如下所示:

当 LIMIT/SLIMIT 子句的参数 N/SN 超过允许的最大值(N/SN 的类型为 int32)时,系统将提示错误。例如,执行以下 SQL 语句:

  1. selectstatus,temperature from root.ln.wf01.wt01 wheretime> 2017-11-01T00:05:00.000 andtime< 2017-11-01T00:12:00.000limit1234567890123456789

SQL 语句将不会执行,相应的错误提示如下:

当 LIMIT/SLIMIT 子句的参数 N/SN 不是正向时,系统将提示错误。例如,执行以下 SQL 语句:

  1. selectstatus,temperaturefromroot.ln.wf01.wt01wheretime> 2017-11-01T00:05:00.000 andtime< 2017-11-01T00:12:00.000limit13.1

SQL 语句将不会执行,相应的错误提示如下:

当 LIMIT 子句的参数 OFFSET 超过结果集的大小时,IoTDB 将返回一个空的结果集。例如,执行以下 SQL 语句:

  1. selectstatus,temperature from root.ln.wf01.wt01 wheretime> 2017-11-01T00:05:00.000 andtime< 2017-11-01T00:12:00.000limit2offset6

结果如下所示:

当SLIMIT子句的参数SOFFSET不小于可用时间序列的数量时,系统将提示错误。例如,执行以下 SQL 语句:

  1. select * fromroot.ln.wf01.wt01wheretime> 2017-11-01T00:05:00.000 andtime< 2017-11-01T00:12:00.000slimit1soffset2

SQL 语句将不会执行,相应的错误提示如下:

删除

用户可以删除指定时间序列中满足删除条件的数据,方法是使用删除语句.删除数据时,用户可以选择一个或多个时间序列路径、前缀路径或带星号的路径删除特定时间之前的数据(当前版本不支持在封闭时间间隔内删除数据)。

在 JAVA 编程环境中,您可以使用Java JDBC以执行单个或批处理 UPDATE 语句。

删除单个时间序列

以ln集团为例,存在这样的使用场景:

wf02工厂的wt02设备在2017-11-01 16:26:00之前电源状态存在多段错误,无法正确分析数据。错误数据影响了与其他设备的相关性分析。此时,需要删除此时间点之前的数据。此操作的 SQL 语句为

  1. delete from root.ln.wf02.wt02.status wheretime<=2017-11-01T16:26:00;

删除多个时间序列

当02-02-2017 11:01:16之前的ln组wf26工厂wt00设备的电源状态和硬件版本都需要删除时,具有更广泛含义的前缀路径或具有星号的路径可用于删除数据。此操作的 SQL 语句为:

  1. delete from root.ln.wf02.wt02 wheretime<= 2017-11-01T16:26:00;

  1. delete from root.ln.wf02.wt02.* wheretime<= 2017-11-01T16:26:00;

需要注意的是,当删除的路径不存在时,IoTDB会给出相应的错误提示,如下所示:

  1. IoTDB> delete fromroot.ln.wf03.wt02.statuswheretime<now()
  2. Msg: TimeSeries does not exist and its data cannot be deleted
相关文章
|
19天前
|
API 数据库 开发者
构建高效可靠的微服务架构:后端开发的新范式
【4月更文挑战第8天】 随着现代软件开发的复杂性日益增加,传统的单体应用架构面临着可扩展性、维护性和敏捷性的挑战。为了解决这些问题,微服务架构应运而生,并迅速成为后端开发领域的一股清流。本文将深入探讨微服务架构的设计原则、实施策略及其带来的优势与挑战,为后端开发者提供一种全新视角,以实现更加灵活、高效和稳定的系统构建。
23 0
|
1月前
|
负载均衡 测试技术 持续交付
高效后端开发实践:构建可扩展的微服务架构
在当今快速发展的互联网时代,后端开发扮演着至关重要的角色。本文将重点探讨如何构建可扩展的微服务架构,以及在后端开发中提高效率的一些实践方法。通过合理的架构设计和技术选型,我们可以更好地应对日益复杂的业务需求,实现高效可靠的后端系统。
|
1月前
|
机器学习/深度学习 自然语言处理 并行计算
大模型开发:什么是Transformer架构及其重要性?
Transformer模型革新了NLP,以其高效的并行计算和自注意力机制解决了长距离依赖问题。从机器翻译到各种NLP任务,Transformer展现出卓越性能,其编码器-解码器结构结合自注意力层和前馈网络,实现高效训练。此架构已成为领域内重要里程碑。
33 2
|
1月前
|
监控 Kubernetes 持续交付
构建高效可扩展的微服务架构:后端开发实践指南
在数字化转型的浪潮中,企业对软件系统的要求日益提高,追求快速响应市场变化、持续交付价值成为核心竞争力。微服务架构以其灵活性、模块化和独立部署的特点,成为解决复杂系统问题的有效途径。本文将深入探讨如何构建一个高效且可扩展的微服务架构,涵盖关键设计原则、技术选型及实践案例,为后端开发者提供一条清晰的指导路线,帮助其在不断变化的技术环境中保持竞争力。
134 3
|
7天前
|
消息中间件 监控 持续交付
构建高效微服务架构:后端开发的进阶之路
【4月更文挑战第20天】 随着现代软件开发的复杂性日益增加,传统的单体应用已难以满足快速迭代和灵活部署的需求。微服务架构作为一种新兴的分布式系统设计方式,以其独立部署、易于扩展和维护的特点,成为解决这一问题的关键。本文将深入探讨微服务的核心概念、设计原则以及在后端开发实践中如何构建一个高效的微服务架构。我们将从服务划分、通信机制、数据一致性、服务发现与注册等方面入手,提供一系列实用的策略和建议,帮助开发者优化后端系统的性能和可维护性。
|
28天前
|
监控 Java 开发者
构建高效微服务架构:后端开发的新范式
在数字化转型的浪潮中,微服务架构以其灵活性、可扩展性和容错性成为企业技术战略的关键组成部分。本文深入探讨了微服务的核心概念,包括其设计原则、技术栈选择以及与容器化和编排技术的融合。通过实际案例分析,展示了如何利用微服务架构提升系统性能,实现快速迭代部署,并通过服务的解耦来提高整体系统的可靠性。
|
29天前
|
NoSQL Java Redis
【分布式技术专题】「分布式技术架构」手把手教你如何开发一个属于自己的分布式锁的功能组件(二)
【分布式技术专题】「分布式技术架构」手把手教你如何开发一个属于自己的分布式锁的功能组件
15 0
|
1月前
|
监控 数据管理 API
构建高效微服务架构:后端开发的新趋势
在现代软件开发领域,随着业务需求的不断复杂化以及敏捷迭代的加速,传统的单体应用架构逐渐暴露出其局限性。微服务架构作为一种新的解决方案,以其高度模块化、独立部署和可扩展性,正成为后端开发领域的新趋势。本文将探讨微服务架构的核心概念,分析其优势与面临的挑战,并提供实施高效微服务的策略和最佳实践,帮助读者理解如何利用这一架构模式提升系统的可靠性、灵活性和可维护性。
137 5
|
1月前
|
人工智能 运维 监控
构建高性能微服务架构:现代后端开发的挑战与策略构建高效自动化运维系统的关键策略
【2月更文挑战第30天】 随着企业应用的复杂性增加,传统的单体应用架构已经难以满足快速迭代和高可用性的需求。微服务架构作为解决方案,以其服务的细粒度、独立性和弹性而受到青睐。本文将深入探讨如何构建一个高性能的微服务系统,包括关键的设计原则、常用的技术栈选择以及性能优化的最佳实践。我们将分析微服务在处理分布式事务、数据一致性以及服务发现等方面的挑战,并提出相应的解决策略。通过实例分析和案例研究,我们的目标是为后端开发人员提供一套实用的指南,帮助他们构建出既能快速响应市场变化,又能保持高效率和稳定性的微服务系统。 【2月更文挑战第30天】随着信息技术的飞速发展,企业对于信息系统的稳定性和效率要求
|
1月前
|
消息中间件 监控 开发者
构建高效微服务架构:后端开发的新趋势
【2月更文挑战第30天】 在现代软件开发领域,微服务架构已成为实现可扩展、灵活且容错的系统的首选设计。本文深入探讨了构建高效微服务架构的关键步骤和最佳实践,涵盖了从服务划分到部署管理的全过程。我们不仅将分析微服务的优势与挑战,还将提供具体的技术建议和解决方案,以帮助后端开发者有效地构建和优化其系统结构。

推荐镜像

更多