TDengine 在车联网的流计算典型应用

在当今的车联网平台中，车辆上报的数据量巨大且更新频繁，包括车辆传感器数据、驾驶行为数据、GPS轨迹数据等。这就需要流式计算来实时处理和分析这些数据，在数据产生/接入的时候就立刻产生价值。比如，可以实时监测和分析车辆的健康状态，预测可能发生的故障，提供及时的维修建议，监控车辆的运行轨迹是否正常、从而确保车辆和业务的安全和稳定。

在流计算中，数据是以源源不断的流（stream）的形式到达的。由于流数据是无界的（理论上数据会一直产生），为了划分最小的计算单元，就有了窗口的概念。通过不同逻辑的窗口划分，流计算可以满足不同的业务需求。

在 TDengine 的流计算中，对数据集提供了 5 种特色的窗口查询：https://docs.taosdata.com/reference/taos-sql/distinguished/。简单来讲：分别是通过固定时间间隔划分窗口的 interval , 通过布尔值划分窗口的 state_window, 通过状态持续时间划分窗口的 session , 通过数据行数划分窗口的 count_window，通过自定义表达式制定规则的 event_window。每一种窗口功能，都包含了很多典型的业务需求，它们使 TDengine 在车联网行业中发挥了更重要的作用。

以通过布尔值划分窗口的 state_window 举例：用户可以通过对车辆移动状态进行移动/静止的窗口划分，然后实时计算获取车辆的每次启停的时间、位置、中间耗时。通过类似这样的语句，就可以做到实时掌握车辆的移动状态。再通过与实时数据的对比，就可以及时对超时/异常停车的车辆发出告警。

CREATE stream overtime_parking INTO overtime_parking_output_stb AS
SELECT
    _wstart,
    _wend,
    TIMEDIFF(_wstart, _wend, 1s) AS sparking_time,
    LAST(address) address,
    speed_status,
    COUNT(*) AS record_count,
    tbname
FROM
    stb_cold_gps PARTITION BY tbname state_window(speed_status); 

除此之外，用户还可以通过车辆采集到的各种信号值，从而通过业务逻辑自定义出两种状态。

通过 CASE WHEN 的逻辑，用户自定义地设置这个窗口：STATE_WINDOW( CASE WHEN speed >= xxx THEN true ELSE false END)，从而满足更灵活的业务需求。

本文仅以此窗口为例，而对于其他更多的窗口的流计算应用场景，请点击这里，申请演示。