TDengine 计算百分位函数使用手册

TDengine Percentile 函数使用手册

概述

TDengine 提供了两个百分位数计算函数：PERCENTILE 和 APERCENTILE。这两个函数用于在时序数据分析中计算指定百分位数值，是统计分析和性能监控中的重要工具。

函数介绍

PERCENTILE 函数

语法：

PERCENTILE(expr, p)

功能： 计算精确的百分位数值
参数：

• expr: 数值表达式或列名
• p: 百分位数，取值范围 [0, 100]

返回值： 双精度浮点数

APERCENTILE 函数

语法：

APERCENTILE(expr, p)

功能： 计算近似的百分位数值（性能更优）
参数：

• expr: 数值表达式或列名
• p: 百分位数，取值范围 [0, 100]

返回值： 双精度浮点数

需求来源

业务背景

1. 性能监控需求

   • 系统响应时间分析
   • 网络延迟监控
   • 服务质量评估

2. 数据质量评估

   • 异常值检测
   • 数据分布分析
   • 统计特征提取

3. SLA 管理

   • 服务水平协议监控
   • 性能基准设定
   • 用户体验量化

技术需求

• 大规模时序数据的快速百分位数计算
• 实时监控场景下的低延迟查询
• 历史数据的统计分析

使用场景

1. 系统性能监控

监控服务器 CPU 使用率的 95% 百分位数：

SELECT PERCENTILE(cpu_usage, 95) as cpu_p95FROM system_metrics WHERE ts >= \'2024-01-01 00:00:00\' AND ts <= \'2024-01-01 23:59:59\';

2. 网络延迟分析

分析不同时间段的网络延迟分布：

SELECT INTERVAL(ts, 1h) as time_window, PERCENTILE(latency, 50) as p50, PERCENTILE(latency, 95) as p95, PERCENTILE(latency, 99) as p99FROM network_metrics WHERE ts >= NOW - 24hGROUP BY INTERVAL(ts, 1h);

3. 应用响应时间监控

监控 API 响应时间的多个百分位数：

SELECT api_name, APERCENTILE(response_time, 50) as median, APERCENTILE(response_time, 90) as p90, APERCENTILE(response_time, 95) as p95, APERCENTILE(response_time, 99) as p99FROM api_metrics WHERE ts >= NOW - 1dGROUP BY api_name;

4. IoT 传感器数据分析

分析传感器数据的分布特征：

SELECT device_id, PERCENTILE(temperature, 25) as q1, PERCENTILE(temperature, 50) as median, PERCENTILE(temperature, 75) as q3FROM sensor_data WHERE ts >= NOW - 7dGROUP BY device_id;

5. 异常检测

识别超出正常范围的数据点：

WITH percentiles AS ( SELECT PERCENTILE(value, 5) as p5, PERCENTILE(value, 95) as p95 FROM metrics WHERE ts >= NOW - 30d)SELECT ts, valueFROM metrics, percentilesWHERE ts >= NOW - 1d AND (value < p5 OR value > p95);

性能对比

特性 PERCENTILE APERCENTILE 精度 精确计算 近似计算 性能 较慢 更快 内存使用 较高 较低 适用场景 精确统计分析 实时监控 数据量限制 受内存限制 更好的扩展性

最佳实践

1. 函数选择建议

• 使用 PERCENTILE：

  • 需要精确计算结果
  • 数据量相对较小
  • 离线分析场景

• 使用 APERCENTILE：

  • 实时监控场景
  • 大数据量计算
  • 性能要求较高

2. 性能优化

-- 使用超级表和标签进行分组查询SELECT location, APERCENTILE(cpu_usage, 95) as cpu_p95FROM system_metrics WHERE ts >= NOW - 1hGROUP BY location;-- 利用时间窗口减少计算量SELECT INTERVAL(ts, 10m) as time_window, APERCENTILE(response_time, 99) as p99FROM api_metrics WHERE ts >= NOW - 2hGROUP BY INTERVAL(ts, 10m);

3. 常用百分位数含义

• P50 (中位数)：50% 的数据小于此值
• P90：90% 的数据小于此值，常用于性能监控
• P95：95% 的数据小于此值，SLA 常用指标
• P99：99% 的数据小于此值，识别极端情况

注意事项

1. 数据类型：只能对数值类型数据计算百分位数
2. NULL 值处理：自动忽略 NULL 值
3. 参数范围：百分位数参数 p 必须在 [0, 100] 范围内
4. 内存限制：PERCENTILE 函数受可用内存限制
5. 精度差异：APERCENTILE 结果可能与 PERCENTILE 略有差异

示例代码

综合监控仪表板

-- 系统综合性能监控SELECT ts, AVG(cpu_usage) as avg_cpu, APERCENTILE(cpu_usage, 95) as cpu_p95, AVG(memory_usage) as avg_memory, APERCENTILE(memory_usage, 95) as memory_p95, AVG(disk_io) as avg_disk_io, APERCENTILE(disk_io, 99) as disk_io_p99FROM system_metrics WHERE ts >= NOW - 1hINTERVAL(ts, 5m);

API 性能分析报告

-- 生成 API 性能报告SELECT api_name, COUNT(*) as request_count, AVG(response_time) as avg_response_time, PERCENTILE(response_time, 50) as p50, PERCENTILE(response_time, 90) as p90, PERCENTILE(response_time, 95) as p95, PERCENTILE(response_time, 99) as p99, MAX(response_time) as max_response_timeFROM api_logs WHERE ts >= NOW - 24h AND status_code = 200GROUP BY api_nameORDER BY p95 DESC;

总结

TDengine 的 PERCENTILE 和 APERCENTILE 函数为时序数据分析提供了强大的统计计算能力。根据具体的业务需求和性能要求，选择合适的函数可以有效提升数据分析的效率和准确性。在实际应用中，建议结合业务场景和数据特点，灵活运用这两个函数来构建完整的监控和分析体系。