眾多的時序數(shù)據(jù)庫（Time Series Database）以及傳統(tǒng)的實時數(shù)據(jù)庫（Real Time Database），都采用自己的查詢語言，有的甚至只能使用 API 來做查詢。TDengine Database 從誕生的第一天起，就支持 SQL，將 SQL 做為自己的查詢語言，因為 TDengine 團隊認為 SQL 是世界上最簡單易用、最流行的查詢語言，為眾多程序員所喜愛，這樣能夠降低學習門檻和應用程序遷移成本。同時，為方便大家對時序數(shù)據(jù)進行分析處理，TDengine Database 對標準 SQL 進行了擴展。

與InfluxDB的查詢的簡單對比

InfluxDB 從 2.0 版起，采用 Flux 查詢語言，我們僅僅拿一個最簡單的例子來讓大家知道使用 SQL 和 Flux的難易程度。

假設要從庫 power 里查詢上海所有智能電表 smter 在過去的一個小時里每分鐘的電壓平均值，F(xiàn)lux 的查詢會是：

from(bucket:"power")
|> range(start:-1h)
|> filter(fn:(r) =>
r._measurement == "smeter" and
r._field = "voltage" and
r.location == "shanghai"
)
|> aggregateWindow(every: 1m, fn: mean)

如果用 TDengine 來寫，查詢語句會是：

select avg(voltage) from power.smeter where ts > now -1h and location = "shanghai" interval(1m)

對比兩種查詢語句，自然可以得出結論。

數(shù)據(jù)寫入：

InfluxDB、Prometheus 和 OpenTSDB 等眾多時序數(shù)據(jù)庫采用 schemaless 寫入，這對于不熟悉數(shù)據(jù)庫的開發(fā)者而言，很容易上手。TDengine 采用傳統(tǒng)的關系型模型，需要用戶定義 schema，對于數(shù)據(jù)寫入，增加了初學者的難度。為了解決這一問題，TDengine Database 從 2.4 版本起，開始支持 schemaless 寫入，方便初學者的數(shù)據(jù)寫入操作。

不僅如此，TDengine 現(xiàn)在支持 InfluxDB 的 LINE 格式寫入，現(xiàn)有 Telegraf 或其他數(shù)據(jù)采集應用不用修改代碼，只需將寫入的 URL 改為 TDengine Database 集群的 IP 地址即可。而且 TDengine 還支持 OpenTSDB 的多種協(xié)議，包括 Telnet、JSON 等數(shù)據(jù)的寫入，詳細請看《TDengine 高效數(shù)據(jù)寫入》。

SQL擴展

時序數(shù)據(jù)的分析處理有其特點，需要有一些特殊的分析函數(shù)，這是傳統(tǒng)的關系型數(shù)據(jù)庫不支持的。為便于開發(fā)者使用，TDengine 提供了下列 SQL 擴展：

• interval: TDengine 按時間區(qū)間對采集的數(shù)據(jù)進行聚合，比如計算每 5 分鐘的電壓平均值
• fill: 在某個具體的時間點，并沒有數(shù)據(jù)，但是 TDengine 可以根據(jù)這個時間點前后數(shù)據(jù)進行插值計算，提供給應用
• sliding: 滑動窗口，TDengine 可以每隔指定的時間間隔進行查詢計算
• last_row: 返回一張表某一列最后的非 NULL 值，這個對于 IoT 應用非常重要，因為設備的當前狀態(tài)是需要快速獲取的
• tavg: 時間加權平均，在工業(yè)互聯(lián)網(wǎng)中，該平均經(jīng)常被用到
• spread: 統(tǒng)計某列的最大值和最小值之差
• ……

TDengine 3.0 版本更新了大量時序數(shù)據(jù)特有函數(shù)和特色查詢，詳見《TAOS SQL》。

更多亮點 >>

• 高性能時序數(shù)據(jù)庫
• 極簡的時序數(shù)據(jù)平臺
• 云原生時序數(shù)據(jù)庫
• 開源的時序數(shù)據(jù)庫
• 強大而又簡單易用的數(shù)據(jù)分析能力
• 簡單易用的時序數(shù)據(jù)庫