137 lines
5.7 KiB
Markdown
137 lines
5.7 KiB
Markdown
---
|
||
sidebar_label: 流式计算
|
||
title: 流式计算
|
||
description: 流式计算的相关 SQL 的详细语法
|
||
---
|
||
|
||
|
||
## 创建流式计算
|
||
|
||
```sql
|
||
CREATE STREAM [IF NOT EXISTS] stream_name [stream_options] INTO stb_name AS subquery
|
||
stream_options: {
|
||
TRIGGER [AT_ONCE | WINDOW_CLOSE | MAX_DELAY time]
|
||
WATERMARK time
|
||
}
|
||
|
||
```
|
||
|
||
其中 subquery 是 select 普通查询语法的子集:
|
||
|
||
```sql
|
||
subquery: SELECT select_list
|
||
from_clause
|
||
[WHERE condition]
|
||
[PARTITION BY tag_list]
|
||
[window_clause]
|
||
```
|
||
|
||
支持会话窗口、状态窗口与滑动窗口，其中，会话窗口与状态窗口搭配超级表时必须与partition by tbname一起使用
|
||
|
||
```sql
|
||
window_clause: {
|
||
SESSION(ts_col, tol_val)
|
||
| STATE_WINDOW(col)
|
||
| INTERVAL(interval_val [, interval_offset]) [SLIDING (sliding_val)]
|
||
}
|
||
```
|
||
|
||
其中，SESSION 是会话窗口，tol_val 是时间间隔的最大范围。在 tol_val 时间间隔范围内的数据都属于同一个窗口，如果连续的两条数据的时间超过 tol_val，则自动开启下一个窗口。
|
||
|
||
窗口的定义与时序数据特色查询中的定义完全相同，详见 [TDengine 特色查询](../distinguished)
|
||
|
||
例如，如下语句创建流式计算，同时自动创建名为 avg_vol 的超级表，此流计算以一分钟为时间窗口、30 秒为前向增量统计这些电表的平均电压，并将来自 meters 表的数据的计算结果写入 avg_vol 表，不同 partition 的数据会分别创建子表并写入不同子表。
|
||
|
||
```sql
|
||
CREATE STREAM avg_vol_s INTO avg_vol AS
|
||
SELECT _wstart, count(*), avg(voltage) FROM meters PARTITION BY tbname INTERVAL(1m) SLIDING(30s);
|
||
```
|
||
|
||
## 流式计算的 partition
|
||
|
||
可以使用 PARTITION BY TBNAME 或 PARTITION BY tag，对一个流进行多分区的计算，每个分区的时间线与时间窗口是独立的，会各自聚合，并写入到目的表中的不同子表。
|
||
|
||
不带 PARTITION BY 选项时，所有的数据将写入到一张子表。
|
||
|
||
流式计算创建的超级表有唯一的 tag 列 groupId，每个 partition 会被分配唯一 groupId。与 schemaless 写入一致，我们通过 MD5 计算子表名，并自动创建它。
|
||
|
||
## 删除流式计算
|
||
|
||
```sql
|
||
DROP STREAM [IF EXISTS] stream_name;
|
||
```
|
||
|
||
仅删除流式计算任务，由流式计算写入的数据不会被删除。
|
||
|
||
## 展示流式计算
|
||
|
||
```sql
|
||
SHOW STREAMS;
|
||
```
|
||
|
||
若要展示更详细的信息，可以使用：
|
||
|
||
```sql
|
||
SELECT * from performance_schema.`perf_streams`;
|
||
```
|
||
|
||
## 流式计算的触发模式
|
||
|
||
在创建流时，可以通过 TRIGGER 指令指定流式计算的触发模式。
|
||
|
||
对于非窗口计算，流式计算的触发是实时的；对于窗口计算，目前提供 3 种触发模式：
|
||
|
||
1. AT_ONCE：写入立即触发
|
||
|
||
2. WINDOW_CLOSE：窗口关闭时触发（窗口关闭由事件时间决定，可配合 watermark 使用）
|
||
|
||
3. MAX_DELAY time：若窗口关闭，则触发计算。若窗口未关闭，且未关闭时长超过 max delay 指定的时间，则触发计算。
|
||
|
||
由于窗口关闭是由事件时间决定的，如事件流中断、或持续延迟，则事件时间无法更新，可能导致无法得到最新的计算结果。
|
||
|
||
因此，流式计算提供了以事件时间结合处理时间计算的 MAX_DELAY 触发模式。
|
||
|
||
MAX_DELAY 模式在窗口关闭时会立即触发计算。此外，当数据写入后，计算触发的时间超过 max delay 指定的时间，则立即触发计算
|
||
|
||
## 流式计算的窗口关闭
|
||
|
||
流式计算以事件时间（插入记录中的时间戳主键）为基准计算窗口关闭，而非以 TDengine 服务器的时间，以事件时间为基准，可以避免客户端与服务器时间不一致带来的问题，能够解决乱序数据写入等等问题。流式计算还提供了 watermark 来定义容忍的乱序程度。
|
||
|
||
在创建流时，可以在 stream_option 中指定 watermark，它定义了数据乱序的容忍上界。
|
||
|
||
流式计算通过 watermark 来度量对乱序数据的容忍程度，watermark 默认为 0。
|
||
|
||
T = 最新事件时间 - watermark
|
||
|
||
每次写入的数据都会以上述公式更新窗口关闭时间，并将窗口结束时间 < T 的所有打开的窗口关闭，若触发模式为 WINDOW_CLOSE 或 MAX_DELAY，则推送窗口聚合结果。
|
||
|
||
|
||
|
||
|
||
|
||
图中，纵轴表示不同时刻，对于不同时刻，我们画出其对应的 TDengine 收到的数据，即为横轴。
|
||
|
||
横轴上的数据点表示已经收到的数据，其中蓝色的点表示事件时间(即数据中的时间戳主键)最后的数据，该数据点减去定义的 watermark 时间，得到乱序容忍的上界 T。
|
||
|
||
所有结束时间小于 T 的窗口都将被关闭（图中以灰色方框标记）。
|
||
|
||
T2 时刻，乱序数据（黄色的点）到达 TDengine，由于有 watermark 的存在，这些数据进入的窗口并未被关闭，因此可以被正确处理。
|
||
|
||
T3 时刻，最新事件到达，T 向后推移超过了第二个窗口关闭的时间，该窗口被关闭，乱序数据被正确处理。
|
||
|
||
在 window_close 或 max_delay 模式下，窗口关闭直接影响推送结果。在 at_once 模式下，窗口关闭只与内存占用有关。
|
||
|
||
|
||
## 流式计算的过期数据处理策略
|
||
|
||
对于已关闭的窗口，再次落入该窗口中的数据被标记为过期数据.
|
||
|
||
TDengine 对于过期数据提供两种处理方式，由 IGNORE EXPIRED 选项指定：
|
||
|
||
1. 重新计算，即 IGNORE EXPIRED 0：默认配置，从 TSDB 中重新查找对应窗口的所有数据并重新计算得到最新结果
|
||
|
||
2. 直接丢弃, 即 IGNORE EXPIRED 1：忽略过期数据
|
||
|
||
|
||
无论在哪种模式下，watermark 都应该被妥善设置，来得到正确结果（直接丢弃模式）或避免频繁触发重算带来的性能开销（重新计算模式）。
|