CnosDB 实时流式计算：优化时序数据处理与降采样解决方案

在处理时序数据时，数据写入周期通常与数据采集设备的频率相关，有时每秒钟就需要处理大量的数据点。长时间处理如此多的数据会导致存储问题。一个有效的解决方案是使用流式计算，将原始数据进行降采样。

流式计算在时序数据库中指对实时数据流进行计算和处理，以便在数据到达时立即得到计算结果。通过流式计算，我们可以实时地对数据进行处理，例如降采样、聚合、过滤等操作，从而减少数据存储量，并获得实时的统计信息。

流式计算的基本原理是通过对实时数据流进行处理，生成所需的计算结果。例如，将每分钟的数据点合并为每小时的数据点。合并过程可以使用各种统计方法，如最大值、平均值、总和等。

CnosDB 提供了 STREAM 类型的表，用于处理流式数据计算。流查询要求 SELECT 函数中必须包含 GROUP BY time()子句。通过流查询，我们可以实时地对数据进行处理，并将结果存储到目标表中。这在其他数据库中的概念类似物化视图。

创建 CnosDB Stream 表的语法为：

需要一个 source 表，STREAM 表不支持 ALTER