统计聚合

Timescale Cloud：性能、规模、企业级

自托管产品

MST

为了更方便地在窗口函数和连续聚合中使用常见统计聚合，Timescale 提供了与 PostgreSQL 中可用形式略有不同的常见统计聚合。

此示例计算 measurements 表中某个值的平均值、标准差和峰度


SELECT 
    time_bucket('10 min'::interval, ts), 
    average(stats_agg(val)), 
    stddev(stats_agg(val), 'pop'),
    kurtosis(stats_agg(val), 'pop')
FROM measurements
GROUP BY 1;

这使用两步聚合过程。第一步是聚合步骤（stats_agg(val)），它创建聚合的机器可读形式。第二步是访问器。可用的访问器有 average、stddev 和 kurtosis。访问器运行最终计算并以人类可读的方式输出计算值。这使得查询的构造更容易，因为它区分了参数，并明确了哪些聚合正在被重新聚合或汇总。此外，由于所有 Timescale Toolkit 查询都使用这种查询语法，当您习惯后，您可以使用它来构造越来越复杂的查询。

一个更复杂的示例使用窗口函数来计算翻滚窗口统计聚合。统计聚合首先在子查询中按每分钟计算，然后使用 rolling 聚合在每个前 15 分钟周期内重新聚合。访问器与上一个示例相同


SELECT 
    bucket, 
    average(rolling(stats_agg) OVER fifteen_min), 
    stddev(rolling(stats_agg) OVER fifteen_min, 'pop'),
    kurtosis(rolling(stats_agg) OVER fifteen_min, 'pop')
FROM (SELECT 
        time_bucket('1 min'::interval, ts) AS bucket, 
        stats_agg(val)
     FROM measurements
     GROUP BY 1) AS stats
WINDOW fifteen_min as (ORDER BY bucket ASC RANGE '15 minutes' PRECEDING);

有关两步聚合方法的更多技术细节和使用示例，请参阅关于聚合的博客文章或开发者文档。

1D 和 2D 线性回归与统计聚合

Timescale Cloud：性能、规模、企业级

自托管产品

MST

stats_agg 聚合有两种形式，本节前面介绍的一维聚合和二维聚合。二维聚合接受两个变量 (Y, X)，它们分别是因变量和自变量。二维聚合对每个单独的变量执行与执行单独一维聚合相同的计算，此外还对这两个变量执行线性回归。一维值的访问器在名称后附加 _y 或 _x。例如


SELECT 
    average_y(stats_agg(val2, val1)), -- equivalent to average(stats_agg(val2))
    stddev_x(stats_agg(val2, val1)), -- equivalent to stddev(stats_agg(val1))
    slope(stats_agg(val2, val1)) -- the slope of the least squares fit line of the values in val2 & val1
FROM measurements_multival;

有关统计聚合 API 调用的更多信息，请参阅超函数 API 文档。

统计聚合

1D 和 2D 线性回归与统计聚合

相关内容