我的书签
添加书签
移除书签概述
GreptimeDB 提供了一个持续聚合功能，允许你实时聚合数据。这个功能在当你需要实时计算和查询总和、平均值或其他聚合时非常有用。持续聚合功能由 Flow 引擎提供。它不断地基于传入的数据更新聚合数据并将其实现。因此，你可以将其视为一个聪明的物化视图，它知道何时更新结果视图表以及如何以最小的努力更新它。一些常见的用例包括：
- 下采样数据点，使用如平均池化等方法减少存储和分析的数据量
- 提供近实时分析，提供可操作的信息
当你将数据插入 source 表时，数据也会被发送到 Flow 引擎并存储在其中。 Flow 引擎通过时间窗口计算聚合并将结果存储在目标表中。 整个过程如下图所示：
快速开始示例
以下是持续聚合查询的一个完整示例。
这个例子是根据输入表中的数据计算一系列统计数据，包括一分钟时间窗口内的总日志数、最小大小、最大大小、平均大小以及大小大于 550 的数据包数。
首先，创建一个 source 表 ngx_access_log 和一个 sink 表 ngx_statistics，如下所示：
1. CREATE TABLE `ngx_access_log` (
2. `client` STRING NULL,
3. `ua_platform` STRING NULL,
4. `referer` STRING NULL,
5. `method` STRING NULL,
6. `endpoint` STRING NULL,
7. `trace_id` STRING NULL FULLTEXT,
8. `protocol` STRING NULL,
9. `status` SMALLINT UNSIGNED NULL,
10. `size` DOUBLE NULL,
11. `agent` STRING NULL,
12. `access_time` TIMESTAMP(3) NOT NULL,
13. TIME INDEX (`access_time`)
14. )
15. WITH(
16. append_mode = 'true'
17. );
1. CREATE TABLE `ngx_statistics` (
2. `status` SMALLINT UNSIGNED NULL,
3. `total_logs` BIGINT NULL,
4. `min_size` DOUBLE NULL,
5. `max_size` DOUBLE NULL,
6. `avg_size` DOUBLE NULL,
7. `high_size_count` DOUBLE NULL,
8. `time_window` TIMESTAMP time index,
9. `update_at` TIMESTAMP NULL,
10. PRIMARY KEY (`status`)
11. );
然后创建名为 ngx_aggregation 的 flow 任务，包括 count、min、max、avg size 列的聚合函数，以及大于 550 的所有数据包的大小总和。聚合是在 access_time 列的 1 分钟固定窗口中计算的，并且还按 status 列分组。因此，你可以实时了解有关数据包大小和对其的操作的信息，例如，如果 high_size_count 在某个时间点变得太高，你可以进一步检查是否有任何问题，或者如果 max_size 列在 1 分钟时间窗口内突然激增，你可以尝试定位该数据包并进一步检查。
1. CREATE FLOW ngx_aggregation
2. SINK TO ngx_statistics
3. AS
4. SELECT
5. status,
6. count(client) AS total_logs,
7. min(size) as min_size,
8. max(size) as max_size,
9. avg(size) as avg_size,
10. sum(case when `size` > 550::double then 1::double else 0::double end) as high_size_count,
11. date_bin(INTERVAL '1 minutes', access_time) as time_window,
12. FROM ngx_access_log
13. GROUP BY
14. status,
15. time_window;
要检查持续聚合是否正常工作，首先插入一些数据到源表 ngx_access_log 中。
1. INSERT INTO ngx_access_log
2. VALUES
3. ("android", "Android", "referer", "GET", "/api/v1", "trace_id", "HTTP", 200, 1000, "agent", "2021-07-01 00:00:01.000"),
4. ("ios", "iOS", "referer", "GET", "/api/v1", "trace_id", "HTTP", 200, 500, "agent", "2021-07-01 00:00:30.500"),
5. ("android", "Android", "referer", "GET", "/api/v1", "trace_id", "HTTP", 200, 600, "agent", "2021-07-01 00:01:01.000"),
6. ("ios", "iOS", "referer", "GET", "/api/v1", "trace_id", "HTTP", 404, 700, "agent", "2021-07-01 00:01:01.500");
则 ngx_access_log 表将被增量更新以包含以下数据：
1. SELECT * FROM ngx_statistics;
1. status | total_logs | min_size | max_size | avg_size | high_size_count | time_window | update_at
2. --------+------------+----------+----------+----------+-----------------+----------------------------+----------------------------
3. 200 | 2 | 500 | 1000 | 750 | 1 | 2021-07-01 00:00:00.000000 | 2024-07-24 08:36:17.439000
4. 200 | 1 | 600 | 600 | 600 | 1 | 2021-07-01 00:01:00.000000 | 2024-07-24 08:36:17.439000
5. 404 | 1 | 700 | 700 | 700 | 1 | 2021-07-01 00:01:00.000000 | 2024-07-24 08:36:17.439000
6. (3 rows)
尝试向 ngx_access_log 表中插入更多数据：
1. INSERT INTO ngx_access_log
2. VALUES
3. ("android", "Android", "referer", "GET", "/api/v1", "trace_id", "HTTP", 200, 500, "agent", "2021-07-01 00:01:01.000"),
4. ("ios", "iOS", "referer", "GET", "/api/v1", "trace_id", "HTTP", 404, 800, "agent", "2021-07-01 00:01:01.500");
结果表 ngx_statistics 将被增量更新，注意 max_size、avg_size 和 high_size_count 是如何更新的：
1. SELECT * FROM ngx_statistics;
1. status | total_logs | min_size | max_size | avg_size | high_size_count | time_window | update_at
2. --------+------------+----------+----------+----------+-----------------+----------------------------+----------------------------
3. 200 | 2 | 500 | 1000 | 750 | 1 | 2021-07-01 00:00:00.000000 | 2024-07-24 08:36:17.439000
4. 200 | 2 | 500 | 600 | 550 | 1 | 2021-07-01 00:01:00.000000 | 2024-07-24 08:36:46.495000
5. 404 | 2 | 700 | 800 | 750 | 2 | 2021-07-01 00:01:00.000000 | 2024-07-24 08:36:46.495000
6. (3 rows)
ngx_statistics 表中的列解释如下：
status: HTTP 响应的状态码。total_logs: 相同状态码的日志总数。min_size: 相同状态码的数据包的最小大小。max_size: 相同状态码的数据包的最大大小。avg_size: 相同状态码的数据包的平均大小。high_size_count: 包大小大于 550 的数据包数。time_window: 聚合的时间窗口。update_at: 聚合结果更新的时间。
下一步
恭喜你已经初步了解了持续聚合功能。 请参考以下章节了解更多：
