SQL

GreptimeDB 在查询数据时支持完整的 SQL 语法。

在这篇文档中，我们将使用 monitor 表中的数据作为示例来演示如何查询数据。关于如何创建 monitor 表格并向其中插入数据，请参考表管理和写入数据。

基础查询

通过 SELECT 语句来查询数据。例如，下面的查询返回 monitor 表中的所有数据：

  1. SELECT * FROM monitor;

查询结果如下：

  1. +-----------+---------------------+------+--------+
  2. | host      | ts                  | cpu  | memory |
  3. +-----------+---------------------+------+--------+
  4. | 127.0.0.1 | 2022-11-03 03:39:57 |  0.1 |    0.4 |
  5. | 127.0.0.1 | 2022-11-03 03:39:58 |  0.5 |    0.2 |
  6. | 127.0.0.2 | 2022-11-03 03:39:58 |  0.2 |    0.3 |
  7. +-----------+---------------------+------+--------+
  8. 3 rows in set (0.00 sec)

SELECT 字段列表中也支持使用函数。 例如，你可以使用 count() 函数来获取表中的总行数：

  1. SELECT count(*) FROM monitor;
  1. +-----------------+
  2. | COUNT(UInt8(1)) |
  3. +-----------------+
  4. |               3 |
  5. +-----------------+

使用函数 avg() 返回某个字段的平均值：

  1. SELECT avg(cpu) FROM monitor;
  1. +---------------------+
  2. | AVG(monitor.cpu)    |
  3. +---------------------+
  4. | 0.26666666666666666 |
  5. +---------------------+
  6. 1 row in set (0.00 sec)

你还可以只返回函数的结果，例如从时间戳中提取一年中的第几天。 SQL 语句中的 DOY 是 day of the year 的缩写：

  1. SELECT date_part('DOY', '2021-07-01 00:00:00');

结果:

  1. +----------------------------------------------------+
  2. | date_part(Utf8("DOY"),Utf8("2021-07-01 00:00:00")) |
  3. +----------------------------------------------------+
  4. |                                                182 |
  5. +----------------------------------------------------+
  6. 1 row in set (0.003 sec)

时间函数的参数和结果与 SQL 客户端的时区保持一致。 例如，当客户端的时区设置为 +08:00 时，下面两个查询的结果是相同的：

  1. select to_unixtime('2024-01-02 00:00:00');
  2. select to_unixtime('2024-01-02 00:00:00+08:00');

请参考 SELECT 和 Functions 获取更多信息。

限制返回的行数

时间序列数据通常是海量的。 为了节省带宽和提高查询性能，你可以使用 LIMIT 语句来限制 SELECT 语句返回的行数。

例如，下面的查询限制返回的行数为 10：

  1. SELECT * FROM monitor LIMIT 10;

过滤数据

你可以使用 WHERE 子句来过滤 SELECT 语句返回的行。 时序数据库中常见的场景是按照标签或时间索引来过滤数据。 例如，按照标签 host 来过滤数据：

  1. SELECT * FROM monitor WHERE host='127.0.0.1';

按照时间索引 ts 来过滤数据，返回 2022-11-03 03:39:57 之后的数据：

  1. SELECT * FROM monitor WHERE ts > '2022-11-03 03:39:57';

你可以使用 AND 关键字来组合多个约束条件：

  1. SELECT * FROM monitor WHERE host='127.0.0.1' AND ts > '2022-11-03 03:39:57';

使用时间索引过滤数据

按照时间索引来过滤数据是时序数据库的一个关键特性。

当处理 Unix 时间值时，数据库会默认将其类型认定为相关列的值类型。 例如，当 monitor 表中的 ts 列的值类型为 TimestampMillisecond 时， 你可以使用下面的查询来过滤数据：

Unix 时间值 1667446797000 表示一个以毫秒为单位的时间戳。

  1. SELECT * FROM monitor WHERE ts > 1667446797000;

当处理时间精度为非默认类型的 Unix 时间值时，你需要使用 :: 语法来指定时间的类型。 这样可以确保数据库正确地识别时间的类型。

例如 1667446797 表示一个以秒为单位的时间戳，不是 ts 列默认的毫秒时间戳。 你需要使用 ::TimestampSecond 语法来指定它的类型为 TimestampSecond 来告知数据库 1667446797 应该被视为以秒为单位的时间戳。

  1. SELECT * FROM monitor WHERE ts > 1667446797::TimestampSecond;

请参考数据类型 获取更多时间类型。

对于标准的 RFC3339 或 ISO8601 字符串，由于其具备明确的精度，你可以直接在过滤条件中使用它们：

  1. SELECT * FROM monitor WHERE ts > '2022-07-25 10:32:16.408';

你还可以使用时间函数来过滤数据。 例如，使用 now() 函数和 INTERVAL 关键字来获取最近 5 分钟的数据：

  1. SELECT * FROM monitor WHERE ts >= now() - INTERVAL '5 minutes';

请参考 Functions 获取更多时间函数信息。

时区

GreptimeDB 的 SQL 客户端会根据本地时区解释不带时区信息的字符串时间戳。 例如，当客户端时区为 +08:00 时，下面的两个查询是相同的：

  1. SELECT * FROM monitor WHERE ts > '2022-07-25 10:32:16.408';
  2. SELECT * FROM monitor WHERE ts > '2022-07-25 10:32:16.408+08:00';

查询结果中的时间戳列值会根据客户端时区格式化。 例如，下面的代码展示了相同的 ts 值在客户端时区 UTC 和 +08:00 下的结果：

  • timezone UTC
  • timezone +08:00
  1. +-----------+---------------------+------+--------+
  2. | host      | ts                  | cpu  | memory |
  3. +-----------+---------------------+------+--------+
  4. | 127.0.0.1 | 2023-12-31 16:00:00 |  0.5 |    0.1 |
  5. +-----------+---------------------+------+--------+
  1. +-----------+---------------------+------+--------+
  2. | host      | ts                  | cpu  | memory |
  3. +-----------+---------------------+------+--------+
  4. | 127.0.0.1 | 2024-01-01 00:00:00 |  0.5 |    0.1 |
  5. +-----------+---------------------+------+--------+

排序

GreptimeDB 不保证返回数据的顺序。你需要使用 ORDER BY 子句来对返回的数据进行排序。 例如，在时间序列场景中通常使用时间索引列作为排序键：

  1. -- ascending order by ts
  2. SELECT * FROM monitor ORDER BY ts ASC;
  1. -- descending order by ts
  2. SELECT * FROM monitor ORDER BY ts DESC;

按标签聚合数据

你可以使用 GROUP BY 语句将具有相同值的行进行分组汇总，例如查询 idc 列中的所有不同值的内存均值：

  1. SELECT host, avg(cpu) FROM monitor GROUP BY host;
  1. +-----------+------------------+
  2. | host      | AVG(monitor.cpu) |
  3. +-----------+------------------+
  4. | 127.0.0.2 |              0.2 |
  5. | 127.0.0.1 |              0.3 |
  6. +-----------+------------------+
  7. 2 rows in set (0.00 sec)

请参考 GROUP BY 获取更多相关信息。

查询时间线中的最新数据

你可以通过组合使用 DISTINCT ON 和 ORDER BY 来查询每条时间线的最新数据点，例如：

  1. SELECT DISTINCT ON (host) * FROM monitor ORDER BY host, ts DESC;
  1. +-----------+---------------------+------+--------+
  2. | host      | ts                  | cpu  | memory |
  3. +-----------+---------------------+------+--------+
  4. | 127.0.0.1 | 2022-11-03 03:39:58 |  0.5 |    0.2 |
  5. | 127.0.0.2 | 2022-11-03 03:39:58 |  0.2 |    0.3 |
  6. +-----------+---------------------+------+--------+
  7. 2 rows in set (0.00 sec)

按时间窗口聚合数据

GreptimeDB 支持 Range Query 来按时间窗口聚合数据。

假设我们有以下数据在 monitor 表 中：

  1. +-----------+---------------------+------+--------+
  2. | host      | ts                  | cpu  | memory |
  3. +-----------+---------------------+------+--------+
  4. | 127.0.0.1 | 2023-12-13 02:05:41 |  0.5 |    0.2 |
  5. | 127.0.0.1 | 2023-12-13 02:05:46 | NULL |   NULL |
  6. | 127.0.0.1 | 2023-12-13 02:05:51 |  0.4 |    0.3 |
  7. | 127.0.0.2 | 2023-12-13 02:05:41 |  0.3 |    0.1 |
  8. | 127.0.0.2 | 2023-12-13 02:05:46 | NULL |   NULL |
  9. | 127.0.0.2 | 2023-12-13 02:05:51 |  0.2 |    0.4 |
  10. +-----------+---------------------+------+--------+

下面的查询返回 10 秒内的平均 CPU 使用率，并且每 5 秒计算一次：

  1. SELECT 
  2.     ts, 
  3.     host, 
  4.     avg(cpu) RANGE '10s' FILL LINEAR
  5. FROM monitor
  6. ALIGN '5s' TO '2023-12-01T00:00:00' BY (host) ORDER BY ts ASC;
  1. avg(cpu) RANGE '10s' FILL LINEAR 是一个 Range 表达式。RANGE '10s' 指定了聚合的时间范围为 10s，FILL LINEAR 指定了如果某个点没有数据，使用 LINEAR 方法来填充。
  2. ALIGN '5s' 指定了查询的步频为 5s。
  3. TO '2023-12-01T00:00:00 指定了原始对齐时间。默认值为 Unix 时间 0。
  4. BY (host) 指定了聚合的键。如果省略 BY 关键字，那么默认使用数据表的主键作为聚合键。
  5. ORDER BY ts ASC 指定了结果集的排序方法。如果不指定排序方法，结果集的顺序是不确定的。

查询结果如下：

  1. +---------------------+-----------+----------------------------------------+
  2. | ts                  | host      | AVG(monitor.cpu) RANGE 10s FILL LINEAR |
  3. +---------------------+-----------+----------------------------------------+
  4. | 2023-12-13 02:05:35 | 127.0.0.1 |                                    0.5 |
  5. | 2023-12-13 02:05:40 | 127.0.0.1 |                                    0.5 |
  6. | 2023-12-13 02:05:45 | 127.0.0.1 |                                    0.4 |
  7. | 2023-12-13 02:05:50 | 127.0.0.1 |                                    0.4 |
  8. | 2023-12-13 02:05:35 | 127.0.0.2 |                                    0.3 |
  9. | 2023-12-13 02:05:40 | 127.0.0.2 |                                    0.3 |
  10. | 2023-12-13 02:05:45 | 127.0.0.2 |                                    0.2 |
  11. | 2023-12-13 02:05:50 | 127.0.0.2 |                                    0.2 |
  12. +---------------------+-----------+----------------------------------------+

时间范围窗口

将初始时间范围窗口在时间序列中向前和向后移动，就生成了所有时间范围窗口。 在上面的例子中，初始对齐时间被设置为 2023-12-01T00:00:00，这也是初始时间窗口的结束时间。

RANGE 选项和初始对齐时间定义了初始时间范围窗口，它从 初始对齐时间 开始，到 初始对齐时间 + RANGE 结束。 ALIGN 选项定义了查询的步频，决定了从初始时间窗口到其他时间窗口的计算步频。 例如，使用初始对齐时间 2023-12-01T00:00:00 和 ALIGN '5s'，时间窗口的对齐时间为 2023-11-30T23:59:55、2023-12-01T00:00:00、2023-12-01T00:00:05、2023-12-01T00:00:10 等。

这些时间窗口是左闭右开区间，满足条件 [对齐时间, 对齐时间 + 范围)。

下方的图片可以帮助你更直观的理解时间范围窗口：

当查询的步频大于时间范围窗口时，数据将只会被计算在一个时间范围窗口中。

align > range

当查询的步频小于时间范围窗口时，数据将会被计算在多个时间范围窗口中。

align < range

对齐到特定时间戳

对齐时间默认基于当前 SQL 客户端会话的时区。 你可以将初始对齐时间设置为任何你想要的时间戳。例如，使用 NOW 将对齐到当前时间：

  1. SELECT 
  2.     ts, 
  3.     host, 
  4.     avg(cpu) RANGE '1w'
  5. FROM monitor 
  6. ALIGN '1d' TO NOW BY (host);

或者使用 ISO 8601 时间戳将对齐到指定时间：

  1. SELECT 
  2.     ts, 
  3.     host, 
  4.     avg(cpu) RANGE '1w'
  5. FROM monitor
  6. ALIGN '1d' TO '2023-12-01T00:00:00+08:00' BY (host);

填充空值

FILL 选项可以用来填充数据中的空值。 例如上面的例子使用了 LINEAR 方法来填充空值。 该选项也支持其他填充空值的方法，例如 PREV 和常量值 X，更多信息请参考 FILL OPTION。

语法

请参考 Range Query 获取更多信息。

HTTP API

在 HTTP 请求中使用 POST 方法来查询数据：

  1. curl -X POST \
  2.   -H 'authorization: Basic {{authorization if exists}}' \
  3.   -H 'Content-Type: application/x-www-form-urlencoded' \
  4.   -d 'sql=select * from monitor' \
  5. http://localhost:4000/v1/sql?db=public

结果如下：

  1. {
  2.   "code": 0,
  3.   "output": [
  4.     {
  5.       "records": {
  6.         "schema": {
  7.           "column_schemas": [
  8.             {
  9.               "name": "host",
  10.               "data_type": "String"
  11.             },
  12.             {
  13.               "name": "ts",
  14.               "data_type": "TimestampMillisecond"
  15.             },
  16.             {
  17.               "name": "cpu",
  18.               "data_type": "Float64"
  19.             },
  20.             {
  21.               "name": "memory",
  22.               "data_type": "Float64"
  23.             }
  24.           ]
  25.         },
  26.         "rows": [
  27.           ["127.0.0.1", 1667446797450, 0.1, 0.4],
  28.           ["127.0.0.1", 1667446798450, 0.5, 0.2],
  29.           ["127.0.0.2", 1667446798450, 0.2, 0.3]
  30.         ]
  31.       }
  32.     }
  33.   ],
  34.   "execution_time_ms": 0
  35. }

请参考 API 文档获取更详细的 HTTP 请求的内容。