Timescale Cloud:性能、规模、企业级
自托管产品
MST
TimescaleDB 提供了许多 SQL 函数和视图来帮助您与数据交互并管理数据。请参阅以下完整列表或按关键词搜索以查找特定 API 的参考文档。
建议的过滤器
超表和分块
- hypertable_detailed_size
- 获取超表使用的磁盘空间的详细信息
- hypertable_size
- 获取超表使用的总磁盘空间
- add_reorder_policy
- 添加策略以重新排序超表分块中的行
- add_dimension
- 向超表添加空间分区维度
- add_dimension
- 向超表添加空间分区维度
- attach_tablespace
- 将表空间附加到超表
- chunks_detailed_size
- 获取分块使用的磁盘空间的详细信息
- CREATE INDEX (分块事务)
- 使用每个分块的单独事务创建超表索引
- detach_tablespace
- 从超表分离表空间
- detach_tablespaces
- 从超表分离所有表空间
- CREATE TABLE
- 创建表或超表
- disable_chunk_skipping
- 禁用超表分块列的范围跟踪
- enable_chunk_skipping
- 启用超表分块列的范围跟踪
- hypertable_approximate_detailed_size
- 获取超表使用的近似磁盘空间的详细信息
- hypertable_approximate_size
- 获取超表使用的近似总磁盘空间
- hypertable_detailed_size
- 获取超表使用的磁盘空间的详细信息
- hypertable_index_size
- 获取超表索引使用的磁盘空间
- hypertable_size
- 获取超表使用的总磁盘空间
- merge_chunks
- 将两个或更多分块合并为一个分块
- move_chunk
- 将分块及其索引移动到不同的表空间
- remove_reorder_policy
- 从超表删除重新排序策略
- reorder_chunk
- 重新排序分块中的行
- set_chunk_time_interval
- 更改超表的分块时间间隔
- set_integer_now_fun
- 定义整数时间值和实际时间之间的关系
- show_chunks
- 显示属于超表的分块
- show_tablespaces
- 显示附加到超表的表空间
- split_chunk
- 在特定时间点拆分一个大分块。
连续聚合
- add_continuous_aggregate_policy
- 添加策略以安排连续聚合的自动刷新
- add_policies
- 在连续聚合上添加刷新、压缩和数据保留策略
- ALTER MATERIALIZED VIEW (连续聚合)
- 更改现有连续聚合
- alter_policies
- 更改连续聚合上的刷新、压缩或数据保留策略
- cagg_migrate
- 将连续聚合从旧格式迁移到 TimescaleDB 2.7 中引入的新格式
- CREATE MATERIALIZED VIEW (连续聚合)
- 在超表或另一个连续聚合上创建连续聚合
- DROP MATERIALIZED VIEW (连续聚合)
- 删除连续聚合视图
- refresh_continuous_aggregate
- 手动刷新连续聚合
- remove_all_policies
- 从连续聚合中删除所有策略
- remove_continuous_aggregate_policy
- 从连续聚合中删除刷新策略
- remove_policies
- 从连续聚合中删除刷新、压缩或数据保留策略
- show_policies
- 显示当前在连续聚合上设置的所有策略
压缩
- add_compression_policy
- 添加策略以安排分块的自动压缩
- ALTER TABLE (压缩)
- 更改压缩超表上的压缩设置
- chunk_compression_stats
- 获取分块的压缩相关统计信息
- compress_chunk
- 手动压缩给定分块
- hypertable_compression_stats
- 获取与压缩相关的超表统计信息
- recompress_chunk
- 重新压缩在压缩后插入新数据的分块
- remove_compression_policy
- 从超表删除压缩策略
- decompress_chunk
- 解压缩已压缩的分块
数据保留
- add_retention_policy
- 添加策略以删除旧分块
- remove_retention_policy
- 从超表删除保留策略
- drop_chunks
- 按时间范围删除分块
超函数:下采样
- asap_smooth
- 使用 ASAP 平滑算法对时间序列进行下采样
- gp_lttb
- 使用最大三桶法对时间序列进行下采样,同时保留原始数据中的间隙
- lttb
- 使用最大三桶法对时间序列进行下采样
超函数:饱和数学
- saturating_add_pos
- 将两个数字相加,最小边界饱和为 0
- saturating_mul
- 将两个数字相乘,在 32 位整数边界处饱和,而不是溢出
- saturating_sub
- 一个数字减去另一个数字,在 32 位整数边界处饱和,而不是溢出
- saturating_sub_pos
- 一个数字减去另一个数字,最小边界饱和为 0
- saturating_add
- 将两个数字相加,在 32 位整数边界处饱和,而不是溢出
超函数:财务分析:candlestick_agg()
- candlestick
- 将预聚合的 K 线数据转换为正确形式,以便与
candlestick_agg
函数一起使用 - candlestick_agg
- 将 Tick 数据聚合为中间形式以进行进一步计算
- close
- 从 K 线聚合中获取收盘价
- close_time
- 从 K 线聚合中获取对应收盘时间的 timestamp
- high
- 从 K 线聚合中获取最高价
- high_time
- 从 K 线聚合中获取对应最高时间的 timestamp
- low
- 从 K 线聚合中获取最低价
- low_time
- 从 K 线聚合中获取对应最低时间的 timestamp
- open
- 从 K 线聚合中获取开盘价
- open_time
- 从 K 线聚合中获取对应开盘时间的 timestamp
- rollup
- 合并多个 K 线聚合
- volume
- 从 K 线聚合中获取总成交量
- vwap
- 从 K 线聚合中获取成交量加权平均价
超函数:状态跟踪:compact_state_agg()
- compact_state_agg
- 将状态数据聚合为状态聚合以进行进一步分析
- duration_in
- 从状态聚合中计算在给定状态下花费的总时间
- interpolated_duration_in
- 从状态聚合中计算在给定状态下花费的总时间,并在时间桶边界处插值
- into_values
- 将状态聚合展开为一组行,显示每个状态的持续时间
- rollup
- 组合多个状态聚合
超函数:频率分析:count_min_sketch()
- approx_count
- 从
CountMinSketch
估算值出现的次数 - count_min_sketch
- 将数据聚合到
CountMinSketch
中进行近似计数
超函数:计数器和测量:counter_agg()
- corr
- 从计数器聚合中计算相关系数
- counter_agg
- 将计数器数据聚合为中间形式以进行进一步分析
- counter_zero_time
- 计算计数器值预计为零的时间
- delta
- 从计数器聚合中计算计数器的变化
- extrapolated_delta
- 从计数器聚合中计算外推变化
- extrapolated_rate
- 从计数器聚合中计算外推变化率
- first_time
- 从计数器聚合中获取第一个 timestamp
- first_val
- 从计数器聚合中获取第一个值
- idelta_left
- 计算计数器聚合左侧(或最早)边缘的瞬时变化
- idelta_right
- 计算计数器聚合右侧(或最新)边缘的瞬时变化
- intercept
- 从计数器聚合中计算 y 截距
- interpolated_delta
- 计算计数器的变化,根据需要在边界处插值
- interpolated_rate
- 计算计数器的变化率,根据需要在边界处插值
- irate_left
- 计算计数器聚合左侧(或最早)边缘的瞬时变化率
- irate_right
- 计算计数器聚合右侧(或最新)边缘的瞬时变化率
- last_time
- 从计数器聚合中获取最后一个 timestamp
- last_val
- 从计数器聚合中获取最后一个值
- num_changes
- 从计数器聚合中获取计数器更改的次数
- num_elements
- 从计数器聚合中获取具有不同 timestamp 的点数
- num_resets
- 从计数器聚合中获取计数器重置的次数
- rate
- 从计数器聚合中计算变化率
- rollup
- 组合多个计数器聚合
- slope
- 从计数器聚合中计算斜率
- time_delta
- 从计数器聚合中计算第一个和最后一个时间之间的差异
- with_bounds
- 向计数器聚合添加边界
超函数:频率分析:freq_agg()
- freq_agg
- 将数据聚合为节省空间的聚合,以进行进一步的频率分析
- into_values
- 从节省空间的聚合中获取所有频率估算的表格
- max_frequency
- 获取节省空间的聚合中给定值的估计频率的上限
- mcv_agg
- 将数据聚合为节省空间的聚合,以进一步计算最频繁的值
- min_frequency
- 获取节省空间的聚合中给定值的估计频率的下限
- rollup
- 组合多个频率聚合
- topn
- 从节省空间的聚合中获取前 N 个最常见的值
超函数:计数器和测量:gauge_agg()
- corr
- 从测量聚合中计算相关系数
- delta
- 从测量聚合中计算测量的变化
- extrapolated_delta
- 从测量聚合中计算外推变化
- extrapolated_rate
- 从测量聚合中计算外推变化率
- gauge_agg
- 将测量数据聚合为中间形式以进行进一步分析
- gauge_zero_time
- 计算测量值预计为零的时间
- idelta_right
- 计算测量聚合右侧(或最新)边缘的瞬时变化
- idelta_left
- 计算测量聚合左侧(或最早)边缘的瞬时变化
- intercept
- 从测量聚合中计算 y 截距
- interpolated_delta
- 计算测量的变化,根据需要在边界处插值
- interpolated_rate
- 计算测量中的变化率,根据需要在边界处插值
- irate_left
- 计算测量聚合左侧(或最早)边缘的瞬时变化率
- num_changes
- 从测量聚合中获取测量更改的次数
- irate_right
- 计算测量聚合右侧(或最新)边缘的瞬时变化率
- num_elements
- 从测量聚合中获取具有不同 timestamp 的点数
- rate
- 从测量聚合中计算变化率
- rollup
- 组合多个测量聚合
- slope
- 从测量聚合中计算斜率
- time_delta
- 从测量聚合中计算第一个和最后一个时间之间的差异
- with_bounds
- 向测量聚合添加边界
超函数:状态跟踪:heartbeat_agg()
- dead_ranges
- 从 heartbeat_agg 获取停机间隔
- heartbeat_agg
- 从一组心跳创建存活聚合
- downtime
- 获取心跳聚合期间的总停机时间
- interpolate
- 使用前置信息调整心跳聚合
- interpolated_downtime
- 从心跳聚合和前置获取总停机时间
- interpolated_uptime
- 从心跳聚合和前置获取总运行时间
- live_at
- 测试聚合是否在给定时间有心跳覆盖
- live_ranges
- 从 heartbeat_agg 获取活动间隔
- num_gaps
- 计算活动范围之间的间隙数量
- num_live_ranges
- 计算活动范围的数量
- rollup
- 组合多个心跳聚合
- trim_to
- 减少心跳聚合的覆盖间隔
- uptime
- 获取心跳聚合期间的总运行时间
超函数:近似计数:hyperloglog()
- approx_count_distinct
- 将数据聚合到 hyperloglog 中,用于近似计数,无需指定桶的数量
- distinct_count
- 从 hyperloglog 估算不同值的数量
- hyperloglog
- 将数据聚合到 hyperloglog 中进行近似计数
- rollup
- 合并多个 hyperloglogs
- stderror
- 估算 hyperloglog 的相对标准误差
超函数:最小值和最大值:max_n()
- into_array
- 从 MaxN 聚合返回最高值数组
- into_values
- 从 MaxN 聚合返回最高值
- max_n
- 查找一组数据中的最大值
- rollup
- 组合多个 MaxN 聚合
超函数:最小值和最大值:max_n_by()
- into_values
- 从 MaxNBy 聚合返回最高值和相关数据
- max_n_by
- 跟踪一组值中的最大值及相关数据
- rollup
- 组合多个 MaxNBy 聚合
超函数:最小值和最大值:min_n()
- into_array
- 从 MinN 聚合返回最低值数组
- into_values
- 从 MinN 聚合返回最低值
- min_n
- 查找一组数据中的最小值
- rollup
- 组合多个 MinN 聚合
超函数:最小值和最大值:min_n_by()
- into_values
- 从 MinNBy 聚合返回最低值和相关数据
- min_n_by
- 跟踪一组值中的最小值及相关数据
- rollup
- 组合多个 MinNBy 聚合
超函数:状态跟踪:state_agg()
- duration_in
- 从状态聚合中计算在给定状态下花费的总时间
- interpolated_duration_in
- 从状态聚合中计算在给定状态下花费的总时间,并在时间桶边界处插值
- interpolated_state_periods
- 从状态聚合中获取与给定状态对应的时间段,并在时间桶边界处插值
- interpolated_state_timeline
- 从状态聚合中获取所有状态的状态,并在时间桶边界处插值
- into_values
- 将状态聚合展开为一组行,显示每个状态的持续时间
- rollup
- 组合多个状态聚合
- state_at
- 确定给定时间的状态
- state_timeline
- 从状态聚合中获取所有状态的状态
- state_periods
- 从状态聚合中获取与给定状态对应的时间段
- state_agg
- 将状态数据聚合为状态聚合以进行进一步分析
超函数:统计和回归分析:stats_agg() (一变量)
超函数:统计和回归分析:stats_agg() (两变量)
- corr
- 从二维统计聚合中计算相关系数
- covariance
- 从二维统计聚合中计算协方差
- determination_coeff
- 从二维统计聚合中计算决定系数
- average_y, average_x
- 从二维统计聚合中计算指定维度的平均值
- intercept
- 从二维统计聚合中计算截距
- kurtosis_y, kurtosis_x
- 从二维统计聚合中计算指定维度的峰度
- num_vals
- 计算二维统计聚合中的值数量
- rolling
- 组合多个二维统计聚合以计算滚动窗口聚合
- rollup
- 组合多个二维统计聚合
- skewness_y, skewness_x
- 从二维统计聚合中计算指定维度的偏度
- stats_agg (两变量)
- 将数据聚合为中间统计聚合形式以进行进一步计算
- slope
- 从二维统计聚合中计算斜率
- stddev_y, stddev_x
- 从二维统计聚合中计算指定维度的标准差
- sum_y, sum_x
- 从二维统计聚合中计算指定维度的总和
- variance_y, variance_x
- 从二维统计聚合中计算指定维度的方差
- x_intercept
- 从二维统计聚合中计算 x 截距
超函数:百分位近似:tdigest()
- approx_percentile
- 从
tdigest
中估算给定百分位的值 - approx_percentile_rank
- 从
tdigest
中估算给定值的百分位 - mean
- 从
tdigest
中的值计算精确平均值 - num_vals
- 获取
tdigest
中包含的值的数量 - tdigest
- 将数据聚合到
tdigest
中,以进一步计算百分位估算值 - rollup
- 合并多个
tdigest
超函数:间隙填充
- interpolate
- 通过线性插值填充缺失值
- locf
- 通过向前携带最后一个观测值来填充缺失值
- time_bucket_gapfill
- 按时间间隔分桶行,同时填充数据中的间隙
超函数:时间加权计算:time_weight()
- average
- 计算
TimeWeightSummary
中值的时间加权平均值 - first_time
- 从
TimeWeightSummary
聚合中获取第一个 timestamp - first_val
- 从
TimeWeightSummary
聚合中获取第一个值 - integral
- 从
TimeWeightSummary
中计算积分 - interpolated_average
- 计算一个间隔内的时间加权平均值,同时插值间隔边界
- interpolated_integral
- 计算一个间隔内的积分,同时插值间隔边界
- last_time
- 从
TimeWeightSummary
聚合中获取最后一个 timestamp - last_val
- 从
TimeWeightSummary
聚合中获取最后一个值 - rollup
- 组合多个
TimeWeightSummaries
- time_weight
- 将数据聚合为中间时间加权聚合形式,以进行进一步计算
超函数:百分位近似:uddsketch()
- approx_percentile
- 从
uddsketch
中估算给定百分位的值 - approx_percentile_array
- 从
uddsketch
中估算给定百分位数组的值 - approx_percentile_rank
- 从
uddsketch
中估算给定值的百分位 - error
- 获取
uddsketch
的最大相对误差 - num_vals
- 获取
uddsketch
中包含的值的数量 - mean
- 从
uddsketch
中的值计算精确平均值 - percentile_agg
- 将数据聚合到 uddsketch 中,使用一些合理的默认值,以进一步计算百分位估算值
- rollup
- 合并多个
uddsketch
- uddsketch
- 将数据聚合到
uddsketch
中,以进一步计算百分位估算值
分布式超表
- alter_data_node
- 更改数据节点的配置
- add_data_node
- 向多节点集群添加新数据节点
- attach_data_node
- 将数据节点附加到分布式超表
- cleanup_copy_chunk_operation
- 清理失败的分块移动或分块复制操作
- copy_chunk
- 在分布式超表的数据节点之间复制分块
- create_distributed_restore_point
- 为多节点集群中的所有节点创建一致的还原点
- create_distributed_hypertable
- 在多节点集群中创建分布式超表
- delete_data_node
- 从数据库中删除数据节点并将其从所有超表分离
- detach_data_node
- 从一个或所有超表分离数据节点
- distributed_exec
- 在多节点集群的所有数据节点上执行过程
- move_chunk
- 将分块移动到多节点集群中的不同数据节点
- set_number_partitions
- 设置超表的哈希分区数
- set_replication_factor
- 设置分布式超表的复制因子
超核心(Hypercore)
- add_columnstore_policy
- 设置策略以在超表分块达到给定时间时自动将其移动到列式存储中。
- ALTER MATERIALIZED VIEW (超核心)
- 更改现有连续聚合
- ALTER TABLE (超核心)
- 为超表启用列式存储。
- timescaledb_information.chunk_columnstore_settings
- 获取列式存储中每个分块的设置信息
- chunk_columnstore_stats
- 获取列式存储中分块的统计信息
- convert_to_columnstore
- 手动将分块添加到列式存储
- convert_to_rowstore
- 将分块从列式存储移动到行式存储
- timescaledb_information.hypertable_columnstore_settings
- 获取所有超表的列式存储设置信息
- hypertable_columnstore_stats
- 获取与列式存储相关的列式存储统计信息
- remove_columnstore_policy
- 从超表删除列式存储策略
超函数:通用
- approximate_row_count
- 估算表中的行数
- first
- 当行按另一列排序时,获取一列中的第一个值
- days_in_month
- 给定 timestamptz 计算月份中的天数
- histogram
- 将数据集分区到桶中,并获取每个桶中的计数数量
- last
- 当行按另一列排序时,获取一列中的最后一个值
- month_normalize
- 根据月份中的天数规范化月度指标
- time_bucket
- 按时间间隔对行进行分桶以计算聚合
- timescaledb_experimental.time_bucket_ng
- 按时间间隔分桶行,支持时区、月份和年份
信息视图
- timescaledb_information.chunk_compression_settings
- 获取所有分块的压缩设置信息
- timescaledb_information.chunks
- 获取超表分块的元数据
- timescaledb_information.compression_settings
- 获取超表的压缩设置信息
- timescaledb_information.continuous_aggregates
- 获取连续聚合的元数据和设置信息
- timescaledb_information.data_nodes
- 获取多节点集群中数据节点的信息
- timescaledb_information.dimensions
- 获取超表维度的信息
- timescaledb_information.jobs
- 获取所有已注册自动调度程序的作业信息
- timescaledb_experimental.policies
- 获取连续聚合上设置的所有策略信息
- timescaledb_information.job_stats
- 获取自动运行作业的信息和统计数据
其他
- timescaledb_information.job_errors
- 获取后台作业错误信息
- timescaledb_information.history
- 获取后台作业执行信息
作业
- add_job
- 添加作业以自动运行函数或过程
- alter_job
- 更改计划自动运行的作业
- delete_job
- 从自动调度程序中删除作业
- run_job
- 手动运行作业
关键词