TimescaleDB

刷新层级结构 SQL

select ('call refresh_continuous_aggregate(''' || user_view_name || ''', floor(extract(epoch from ''2023-01-01 00:00:00.000''::timestamp) * 1000)::int8, floor(extract(epoch from ''2023-09-08 23:59:59.999''::timestamp) * 1000)::int8);')::varchar
from _timescaledb_catalog.continuous_agg
order by split_part(user_view_name, '_', 2), bucket_width;

删除层级结构 SQL

select ('drop materialized view ' || user_view_name || ';')::varchar
from _timescaledb_catalog.continuous_agg
order by split_part(user_view_name, '_', 2), bucket_width desc;

查询最早和最晚数据时间

select to_timestamp(min(range_start_integer) / 1000) as min, to_timestamp(max(range_end_integer) / 1000) as max
from timescaledb_information.chunks;

修改层级结构查询策略

select ('alter materialized view ' || user_view_name || ' set (timescaledb.materialized_only = false);')::varchar
from _timescaledb_catalog.continuous_agg
order by split_part(user_view_name, '_', 2), bucket_width desc;

总行数

select approximate_row_count('data_history');

数据库大小

select datname, pg_size_pretty(pg_database_size(datname)) from pg_database order by pg_database_size(datname) desc;

TimescaleDB 版本

select default_version, installed_version
from pg_available_extensions
where name = 'timescaledb';

历史数据大小

select case when ca.view_name is null then s.hypertable_name else ca.view_name end, pg_size_pretty(s.total_size)
from timescaledb_information.continuous_aggregates ca
         right join (select hypertable_name, sum(total_bytes) as total_size from _timescaledb_internal.hypertable_chunk_local_size group by hypertable_name) s on s.hypertable_name = ca.materialization_hypertable_name
order by s.total_size desc;

后台任务情况

select bj.id as job_id,
       bj.proc_name,
       bj.scheduled,
       bjs.total_runs,
       bjs.total_successes,
       bjs.total_failures,
       bjs.last_run_success,
       bjs.last_finish,
       bjs.next_start,
       bjs.last_start,
       bjs.total_duration,
       bj.schedule_interval,
       ca.view_name
from _timescaledb_internal.bgw_job_stat bjs
         left join _timescaledb_config.bgw_job bj on bj.id = bjs.job_id
         left join timescaledb_information.jobs tj on tj.job_id = bj.id
         left join timescaledb_information.continuous_aggregates ca on ca.materialization_hypertable_name = tj.hypertable_name;

查询某时间段历史数据大小

select to_timestamp(min(c.range_start_integer) / 1000) as start, to_timestamp(max(c.range_end_integer) / 1000) as "end", pg_size_pretty(sum(hcls.total_bytes)) total_size
from _timescaledb_internal.hypertable_chunk_local_size hcls
         left join timescaledb_information.chunks c on c.chunk_name = hcls.chunk_name and c.chunk_schema = hcls.chunk_schema
where hcls.hypertable_name = 'data_history'
  and floor(extract(epoch from '2023-01-01 00:00:00.000 +08:00'::timestamptz) * 1000) <= c.range_start_integer
  and c.range_end_integer <= floor(extract(epoch from '2023-01-01 00:00:00.000 +08:00'::timestamptz) * 1000);

删除指定时间之前的历史数据

select ('select drop_chunks(''' || user_view_name || ''', newer_than => floor(extract(epoch from ''2024-04-11 00:00:00.000 +08:00''::timestamptz) * 1000)::bigint);')::varchar
from (select 'data_history' as user_view_name, 0 as bucket_width
      union
      (select user_view_name, bucket_width
       from _timescaledb_catalog.continuous_agg
       order by split_part(user_view_name, '_', 2), bucket_width desc)) t
order by bucket_width desc;

历史数据分块大小

select hcs.chunk_name, pg_size_pretty(hcs.total_bytes), to_timestamp(c.range_start_integer/1000) 
from _timescaledb_internal.hypertable_chunk_local_size hcs
left join timescaledb_information.chunks c on c.hypertable_schema  = hcs.hypertable_schema and c.chunk_name = hcs.chunk_name 
where hcs.hypertable_name = 'data_history'
order by hcs.total_bytes desc, c.range_start_integer desc;

  • 数据库

    据说 99% 的性能瓶颈都在数据库。

    343 引用 • 723 回帖

相关帖子

回帖

欢迎来到这里!

我们正在构建一个小众社区,大家在这里相互信任,以平等 • 自由 • 奔放的价值观进行分享交流。最终,希望大家能够找到与自己志同道合的伙伴,共同成长。

注册 关于
请输入回帖内容 ...

推荐标签 标签

  • Spark

    Spark 是 UC Berkeley AMP lab 所开源的类 Hadoop MapReduce 的通用并行框架。Spark 拥有 Hadoop MapReduce 所具有的优点;但不同于 MapReduce 的是 Job 中间输出结果可以保存在内存中,从而不再需要读写 HDFS,因此 Spark 能更好地适用于数据挖掘与机器学习等需要迭代的 MapReduce 的算法。

    74 引用 • 46 回帖 • 559 关注
  • 百度

    百度(Nasdaq:BIDU)是全球最大的中文搜索引擎、最大的中文网站。2000 年 1 月由李彦宏创立于北京中关村,致力于向人们提供“简单,可依赖”的信息获取方式。“百度”二字源于中国宋朝词人辛弃疾的《青玉案·元夕》词句“众里寻他千百度”,象征着百度对中文信息检索技术的执著追求。

    63 引用 • 785 回帖 • 164 关注
  • 微软

    微软是一家美国跨国科技公司,也是世界 PC 软件开发的先导,由比尔·盖茨与保罗·艾伦创办于 1975 年,公司总部设立在华盛顿州的雷德蒙德(Redmond,邻近西雅图)。以研发、制造、授权和提供广泛的电脑软件服务业务为主。

    8 引用 • 44 回帖
  • 友情链接

    确认过眼神后的灵魂连接,站在链在!

    24 引用 • 373 回帖
  • Caddy

    Caddy 是一款默认自动启用 HTTPS 的 HTTP/2 Web 服务器。

    12 引用 • 54 回帖 • 159 关注
  • Postman

    Postman 是一款简单好用的 HTTP API 调试工具。

    4 引用 • 3 回帖 • 7 关注
  • 电影

    这是一个不能说的秘密。

    121 引用 • 604 回帖 • 1 关注
  • 微服务

    微服务架构是一种架构模式,它提倡将单一应用划分成一组小的服务。服务之间互相协调,互相配合,为用户提供最终价值。每个服务运行在独立的进程中。服务于服务之间才用轻量级的通信机制互相沟通。每个服务都围绕着具体业务构建,能够被独立的部署。

    96 引用 • 155 回帖
  • FreeMarker

    FreeMarker 是一款好用且功能强大的 Java 模版引擎。

    23 引用 • 20 回帖 • 464 关注
  • Swift

    Swift 是苹果于 2014 年 WWDC(苹果开发者大会)发布的开发语言,可与 Objective-C 共同运行于 Mac OS 和 iOS 平台,用于搭建基于苹果平台的应用程序。

    36 引用 • 37 回帖 • 535 关注
  • ReactiveX

    ReactiveX 是一个专注于异步编程与控制可观察数据(或者事件)流的 API。它组合了观察者模式,迭代器模式和函数式编程的优秀思想。

    1 引用 • 2 回帖 • 161 关注
  • CongSec

    本标签主要用于分享网络空间安全专业的学习笔记

    1 引用 • 1 回帖 • 15 关注
  • 大数据

    大数据(big data)是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

    93 引用 • 113 回帖
  • NetBeans

    NetBeans 是一个始于 1997 年的 Xelfi 计划,本身是捷克布拉格查理大学的数学及物理学院的学生计划。此计划延伸而成立了一家公司进而发展这个商用版本的 NetBeans IDE,直到 1999 年 Sun 买下此公司。Sun 于次年(2000 年)六月将 NetBeans IDE 开源,直到现在 NetBeans 的社群依然持续增长。

    78 引用 • 102 回帖 • 683 关注
  • TextBundle

    TextBundle 文件格式旨在应用程序之间交换 Markdown 或 Fountain 之类的纯文本文件时,提供更无缝的用户体验。

    1 引用 • 2 回帖 • 53 关注
  • 工具

    子曰:“工欲善其事,必先利其器。”

    288 引用 • 734 回帖 • 2 关注
  • Unity

    Unity 是由 Unity Technologies 开发的一个让开发者可以轻松创建诸如 2D、3D 多平台的综合型游戏开发工具,是一个全面整合的专业游戏引擎。

    25 引用 • 7 回帖 • 159 关注
  • Rust

    Rust 是一门赋予每个人构建可靠且高效软件能力的语言。Rust 由 Mozilla 开发,最早发布于 2014 年 9 月。

    58 引用 • 22 回帖
  • 负能量

    上帝为你关上了一扇门,然后就去睡觉了....努力不一定能成功,但不努力一定很轻松 (° ー °〃)

    88 引用 • 1235 回帖 • 410 关注
  • Pipe

    Pipe 是一款小而美的开源博客平台。Pipe 有着非常活跃的社区,可将文章作为帖子推送到社区,来自社区的回帖将作为博客评论进行联动(具体细节请浏览 B3log 构思 - 分布式社区网络)。

    这是一种全新的网络社区体验,让热爱记录和分享的你不再感到孤单!

    132 引用 • 1114 回帖 • 125 关注
  • 持续集成

    持续集成(Continuous Integration)是一种软件开发实践,即团队开发成员经常集成他们的工作,通过每个成员每天至少集成一次,也就意味着每天可能会发生多次集成。每次集成都通过自动化的构建(包括编译,发布,自动化测试)来验证,从而尽早地发现集成错误。

    15 引用 • 7 回帖
  • Bug

    Bug 本意是指臭虫、缺陷、损坏、犯贫、窃听器、小虫等。现在人们把在程序中一些缺陷或问题统称为 bug(漏洞)。

    76 引用 • 1737 回帖 • 1 关注
  • Jenkins

    Jenkins 是一套开源的持续集成工具。它提供了非常丰富的插件,让构建、部署、自动化集成项目变得简单易用。

    53 引用 • 37 回帖 • 3 关注
  • 区块链

    区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。所谓共识机制是区块链系统中实现不同节点之间建立信任、获取权益的数学算法 。

    91 引用 • 751 回帖 • 1 关注
  • 自由行
    4 关注
  • API

    应用程序编程接口(Application Programming Interface)是一些预先定义的函数,目的是提供应用程序与开发人员基于某软件或硬件得以访问一组例程的能力,而又无需访问源码,或理解内部工作机制的细节。

    77 引用 • 430 回帖 • 1 关注
  • 学习

    “梦想从学习开始,事业从实践起步” —— 习近平

    171 引用 • 512 回帖