心跳聚合

Timescale Cloud：性能、规模、企业级

自托管产品

MST

对于一系列带时间戳的健康检查，要确定系统在给定时间间隔内的整体健康状况可能会很棘手。PostgreSQL 提供了窗口函数，可以用来了解不健康间隙的位置，但它们使用起来可能有些不便。

这是超函数为常见问题提供高效、简单解决方案的众多案例之一。心跳聚合有助于分析具有间歇性或不规则信号的基于事件的时间序列数据。

本示例使用 SustData 公共数据集。此数据集追踪了少量公寓和房屋在四个不同部署间隔内的用电量。数据以每单位一分钟采样的方式收集。

将数据加载到超表后，可以创建包含每个单位每周心跳聚合的物化视图


CREATE MATERIALIZED VIEW weekly_heartbeat AS
  SELECT
    time_bucket('1 week', tmstp) as week,
    iid as unit,
    deploy,
    heartbeat_agg(tmstp, time_bucket('1w', tmstp), '1w', '2m')
  FROM power_samples
  GROUP BY 1,2,3;

心跳聚合接收四个参数：时间戳列、间隔开始时间、间隔长度，以及每次时间戳后聚合被视为活动的持续时间。本示例使用 2 分钟作为心跳生命周期，以允许一些小的间隙。

您可以使用此数据来查看何时接收到特定单位的数据。本示例将每周聚合汇总为一个单一聚合，然后查看活动范围


SELECT live_ranges(rollup(heartbeat_agg)) FROM weekly_heartbeat WHERE unit = 17;


live_ranges
-----------------------------------------------------
 ("2010-09-18 00:00:00+00","2011-03-27 01:01:50+00")
 ("2011-03-27 03:00:52+00","2011-07-03 00:01:00+00")
 ("2011-07-05 00:00:00+00","2011-08-21 00:01:00+00")
 ("2011-08-22 00:00:00+00","2011-08-25 00:01:00+00")
 ("2011-08-27 00:00:00+00","2011-09-06 00:01:00+00")
 ("2011-09-08 00:00:00+00","2011-09-29 00:01:00+00")
 ("2011-09-30 00:00:00+00","2011-10-04 00:01:00+00")
 ("2011-10-05 00:00:00+00","2011-10-17 00:01:00+00")
 ("2011-10-19 00:00:00+00","2011-11-09 00:01:00+00")
 ("2011-11-10 00:00:00+00","2011-11-14 00:01:00+00")
 ("2011-11-15 00:00:00+00","2011-11-18 00:01:00+00")
 ("2011-11-20 00:00:00+00","2011-11-23 00:01:00+00")
 ("2011-11-24 00:00:00+00","2011-12-01 00:01:00+00")
 ("2011-12-02 00:00:00+00","2011-12-12 00:01:00+00")
 ("2011-12-13 00:00:00+00","2012-01-12 00:01:00+00")
 ("2012-01-13 00:00:00+00","2012-02-03 00:01:00+00")
 ("2012-02-04 00:00:00+00","2012-02-10 00:01:00+00")
 ("2012-02-11 00:00:00+00","2012-03-25 01:01:50+00")
 ("2012-03-25 03:00:51+00","2012-04-11 00:01:00+00")

您可以构建更复杂的查询。例如，返回第三次部署期间正常运行时间最低的 5 个单位


SELECT unit, uptime(rollup(heartbeat_agg))
FROM weekly_heartbeat
WHERE deploy = 3
GROUP BY unit
ORDER BY uptime LIMIT 5;


unit |      uptime
------+-------------------
   31 | 203 days 22:05:00
   34 | 222 days 22:05:00
   32 | 222 days 22:05:00
   35 | 222 days 22:05:00
   30 | 222 days 22:05:00

合并不同单位的聚合以获取组合覆盖。本示例查询部署的任何部分活跃的间隔


SELECT deploy, live_ranges(rollup(heartbeat_agg))
FROM weekly_heartbeat group by deploy order by deploy;


deploy |                     live_ranges
--------+-----------------------------------------------------
      1 | ("2010-07-29 00:00:00+00","2010-11-26 00:01:00+00")
      2 | ("2010-11-25 00:00:00+00","2011-03-27 01:01:59+00")
      2 | ("2011-03-27 03:00:00+00","2012-03-25 01:01:59+00")
      2 | ("2012-03-25 03:00:26+00","2012-04-17 00:01:00+00")
      2 | ("2012-04-20 00:00:00+00","2012-04-21 00:01:00+00")
      2 | ("2012-05-11 00:00:00+00","2012-05-13 00:01:00+00")
      2 | ("2013-02-20 00:00:00+00","2013-02-21 00:01:00+00")
      3 | ("2012-08-01 00:00:01+00","2013-03-31 01:01:16+00")
      3 | ("2013-03-31 03:00:03+00","2013-05-22 00:01:00+00")
      4 | ("2013-07-31 00:00:00+00","2014-03-30 01:01:49+00")
      4 | ("2014-03-30 03:00:01+00","2014-04-25 00:01:00+00")

然后使用此数据进行观察并得出结论

第二次部署的问题比其他部署多得多。
2013 年 2 月的一些读数被错误地归类为第二次部署。
时间戳以不带时区的本地时间给出，导致春季夏令时更改前后缺少一些小时。

有关心跳聚合 API 调用的更多信息，请参阅超函数 API 文档。

心跳聚合

相关内容