addMetrics
语法
addMetrics(engine, newMetrics, newMetricsSchema,
[windowSize])
别名:extendMetrics
参数
engine 是流数据引擎,即 createTimeSeriesEngine 等函数返回的抽象表对象。请注意,暂不支持 createAnomalyDetectionEngine 和 createReactiveStateEngine 引擎。
newMetrics 是元代码,表示流数据引擎增加的计算指标。
newMetricsSchema 是表对象,指定新增的计算指标在输出表中的列名和数据类型。
windowSize 是一个正整数,表示新增指标的计算窗口长度。仅适用于时间序列引擎,且必须为已指定的窗口长度之一。若未指定,默认值为第一个已指定的窗口长度。
详情
动态增加流数据引擎的计算指标。
例子
使用流数据时间序列引擎计算 sum(x) 指标。
share streamTable(10000:0,`time`id`x, [TIMESTAMP,SYMBOL,INT]) as t
output1 = table(10000:0, `time`sum_x, [TIMESTAMP,INT])
agg1 = createTimeSeriesEngine(name=`agg1, windowSize=100, step=50, metrics=<sum(x)>, dummyTable=t, outputTable=output1, timeColumn=`time)
subscribeTable(tableName="t", actionName="agg1", offset=0, handler=append!{agg1}, msgAsTable=true)
n=500
time=2019.01.01T00:00:00.000+(1..n)
id=take(`ABC`DEF, n)
x=1..n
insert into t values(time, id, x);
select * from output1;
time | sum_x |
---|---|
2019.01.01T00:00:00.050 | 1,225 |
2019.01.01T00:00:00.100 | 4,950 |
2019.01.01T00:00:00.150 | 9,950 |
2019.01.01T00:00:00.200 | 14,950 |
2019.01.01T00:00:00.300 | 24,950 |
2019.01.01T00:00:00.350 | 29,950 |
2019.01.01T00:00:00.400 | 34,950 |
2019.01.01T00:00:00.450 | 39,950 |
2019.01.01T00:00:00.500 | 44,950 |
给时间序列引擎增加 avg(x) 指标,该指标在输出表中的名称为 avg_x,数据类型为 DOUBLE。
newMetricsSchema= table(1:0, [`avg_x], [DOUBLE])
addMetrics(agg1, <avg(x)>, newMetricsSchema);
n=300
time=2019.01.01T00:00:00.500+(1..n)
id=take(`ABC`DEF, n)
x=500+1..n
insert into t values(time, id, x);
select * from output1;
time | sum_x | avg_x |
---|---|---|
2019.01.01T00:00:00.050 | 1,225 | |
2019.01.01T00:00:00.100 | 4,950 | |
2019.01.01T00:00:00.150 | 9,950 | |
2019.01.01T00:00:00.200 | 14,950 | |
2019.01.01T00:00:00.250 | 19,950 | |
2019.01.01T00:00:00.300 | 24,950 | |
2019.01.01T00:00:00.350 | 29,950 | |
2019.01.01T00:00:00.400 | 34,950 | |
2019.01.01T00:00:00.450 | 39,950 | |
2019.01.01T00:00:00.500 | 44,950 | |
2019.01.01T00:00:00.550 | 49,950 | 525 |
2019.01.01T00:00:00.600 | 54,950 | 550 |
2019.01.01T00:00:00.650 | 59,950 | 599.5 |
2019.01.01T00:00:00.700 | 64,950 | 649.5 |
2019.01.01T00:00:00.750 | 69,950 | 699.5 |
2019.01.01T00:00:00.800 | 74,950 | 749.5 |