iotdb分段分组聚合_iotdb 聚合统计

±----------------------------±------------------------------±---------------------------------------+
Total line number = 5
It costs 0.006s

#按照自然月份的时间区间分组聚合查询
对应的 SQL 语句是：

select count(status) from root.ln.wf01.wt01 where time > 2017-11-01T01:00:00
group by([2017-11-01T00:00:00, 2019-11-07T23:00:00), 1mo, 2mo);
这条查询的含义是：

由于用户指定了滑动步长为2mo，GROUP BY 语句执行时将会每次把时间间隔往后移动 2 个自然月的步长，而不是默认的 1 个自然月。

也就意味着，我们想要取从 2017-11-01 到 2019-11-07 每 2 个自然月的第一个月的数据。

上面这个例子的第一个参数是显示窗口参数，决定了最终的显示范围是 [2017-11-01T00:00:00, 2019-11-07T23:00:00)。


起始时间为 2017-11-01T00:00:00，滑动步长将会以起始时间作为标准按月递增，取当月的 1 号作为时间间隔的起始时间。


上面这个例子的第二个参数是划分时间轴的时间间隔参数，将1mo当作划分间隔，显示窗口参数的起始时间当作分割原点，时间轴即被划分为连续的时间间隔：[2017-11-01T00:00:00, 2017-12-01T00:00:00), [2018-02-01T00:00:00, 2018-03-01T00:00:00), [2018-05-03T00:00:00, 2018-06-01T00:00:00) 等等。


上面这个例子的第三个参数是每次时间间隔的滑动步长。


然后系统将会用 WHERE 子句中的时间和值过滤条件以及 GROUP BY 语句中的第一个参数作为数据的联合过滤条件，获得满足所有过滤条件的数据（在这个例子里是在 [2017-11-01T00:00:00, 2019-11-07T23:00:00) 这个时间范围的数据），并把这些数据映射到之前分割好的时间轴中（这个例子里是从 2017-11-01T00:00:00 到 2019-11-07T23:00:00:00 的每两个自然月的第一个月）


每个时间间隔窗口内都有数据，SQL 执行后的结果集如下所示：


±----------------------------±------------------------------+  
 | Time|count(root.ln.wf01.wt01.status)|  
 ±----------------------------±------------------------------+  
 |2017-11-01T00:00:00.000+08:00| 259|  
 |2018-01-01T00:00:00.000+08:00| 250|  
 |2018-03-01T00:00:00.000+08:00| 259|  
 |2018-05-01T00:00:00.000+08:00| 251|  
 |2018-07-01T00:00:00.000+08:00| 242|  
 |2018-09-01T00:00:00.000+08:00| 225|  
 |2018-11-01T00:00:00.000+08:00| 216|  
 |2019-01-01T00:00:00.000+08:00| 207|  
 |2019-03-01T00:00:00.000+08:00| 216|  
 |2019-05-01T00:00:00.000+08:00| 207|  
 |2019-07-01T00:00:00.000+08:00| 199|  
 |2019-09-01T00:00:00.000+08:00| 181|  
 |2019-11-01T00:00:00.000+08:00| 60|  
 ±----------------------------±------------------------------+  
 对应的 SQL 语句是：


select count(status) from root.ln.wf01.wt01 group by([2017-10-31T00:00:00, 2019-11-07T23:00:00), 1mo, 2mo);  
 这条查询的含义是：


由于用户指定了滑动步长为2mo，GROUP BY 语句执行时将会每次把时间间隔往后移动 2 个自然月的步长，而不是默认的 1 个自然月。


也就意味着，我们想要取从 2017-10-31 到 2019-11-07 每 2 个自然月的第一个月的数据。


与上述示例不同的是起始时间为 2017-10-31T00:00:00，滑动步长将会以起始时间作为标准按月递增，取当月的 31 号（即最后一天）作为时间间隔的起始时间。若起始时间设置为 30 号，滑动步长会将时间间隔的起始时间设置为当月 30 号，若不存在则为最后一天。


上面这个例子的第一个参数是显示窗口参数，决定了最终的显示范围是 [2017-10-31T00:00:00, 2019-11-07T23:00:00)。


上面这个例子的第二个参数是划分时间轴的时间间隔参数，将1mo当作划分间隔，显示窗口参数的起始时间当作分割原点，时间轴即被划分为连续的时间间隔：[2017-10-31T00:00:00, 2017-11-31T00:00:00), [2018-02-31T00:00:00, 2018-03-31T00:00:00), [2018-05-31T00:00:00, 2018-06-31T00:00:00) 等等。


上面这个例子的