使用 Spark/Cassandra 的时间序列 - 如何在值满足条件时找到时间戳？答案

【问题标题】：Timeseries with Spark/Cassandra - How to find timestamps when values satisfy a condition?使用 Spark/Cassandra 的时间序列 - 如何在值满足条件时找到时间戳？
【发布时间】：2016-09-19 09:58:24
【问题描述】：

我在 Cassandra 表中存储了来自多个传感器的时间序列。这是我用于存储数据的架构：

CREATE TABLE data_sensors (
    sensor_id int,
    time timestamp,
    value float,
    PRIMARY KEY ((sensor_id), time)
);

例如，值可以是温度或压力，具体取决于它来自的传感器。

我的目标是能够找到压力的基本统计数据（最小值、最大值、平均值、标准），但前提是温度高于某个值。这是我想要获得的整个过程的模式。

我认为如果我更改 Cassandra 模型（至少对于温度数据）能够过滤值会更好。在将数据导入 Spark RDD 之后，还有其他方法可以避免更改 Cassandra 表吗？

那么，一旦温度过滤完成，如何获得我必须用来过滤压力数据的时间戳序列？请注意，温度和压力的时间戳不一定相同，这就是为什么我认为我需要有时间段而不是精确时间戳列表的原因。

感谢您的帮助！

【问题讨论】：

标签： apache-spark cassandra time-series

【解决方案1】：

这并不是 Cassandra 特定的答案，但也许您想查看在 NoSQL 存储之上提供 SQL 层并支持 JOIN 和聚合的时间序列数据库。

这是一个支持周期聚合和连接的ATSD SQL 语法示例。

SELECT t1.entity, t1.datetime, min(t1.value), max(t1.value), avg(t2.value)
  FROM mpstat.cpu_busy t1
  JOIN meminfo.memfree t2 
 WHERE t1.datetime >= '2016-09-20T15:00:00Z' AND t1.datetime < '2016-09-20T15:15:00Z'
  GROUP BY entity, t1.PERIOD(1 MINUTE)
  HAVING max(t1.value) > 30

查询连接两个指标，过滤掉第一个指标低于阈值的 1 分钟行，然后返回第二个系列的一堆统计信息。

如果两个系列的间距不均匀，您可以使用linear interpolation 对数组进行正则化。

披露：我为开发 ATSD 的 Axibase 工作。

【讨论】：