事件时间

所有流数据都应有事件时间

流指数据在哪里运行，每个数据包含一个事件时间。 Timeplus将此属性作为事件的一个重要特征。

事件时间用来确定事件发生的时间，例如一个人生日。当下单时，当用户登录系统时，它可以是确切的时间戳。当发生错误时，或当一个 IoT 设备报告其状态。如果事件中没有合适的时间戳属性，Timeplus将根据数据摄取时间生成事件时间。

事件时间通常是 日期时间 类型，其第二精度为 日期时间64 类型的毫秒。

事件时间几乎在任何地方在 Timeplus 数据处理和分析工作流程中使用：

在执行基于时间窗口的聚合时，例如 tumble 或 hop 以获取每次窗口中的下载数据或外部数据， Timeplus将使用事件时间来决定某些事件是否属于特定窗口
在这种具有时间敏感性的分析中，事件时间也用来识别不合顺序的事件或较晚的事件，并丢弃它们以便及时获得串流洞察力。
当一个数据流与另一个数据流合并时，事件时间是整理数据的钥匙。没有想到两个事件发生在完全相同的毫秒。
事件时间也发挥重要作用来设备数据在流中保存的时间

当你摄取数据到 Timeplus 时，你可以在数据中指定一个属性来最能代表事件时间。即使该属性是在 字符串 类型中，Timeplus将自动转换为时间戳以便进一步处理。

如果您不在向导中选择属性，则Timeplus将使用摄取时间来显示事件时间。当Timeplus接收数据时。这可能对大多数静态或维数据很有用，例如带有邮政编码的城市名称。

tumble 或 hop 窗口函数将可选参数作为事件时间列。默认情况下，我们将使用每个数据中的事件时间。然而，您也可以指定一个不同的列作为事件时间。

举出租车乘客为例。数据流可以是

车号	用户ID	旅行开始	trip_end	费用
c001	u001	2022-03-01 10:00:00	2022-03-01 10:30:00	45

数据可能来自Kafka专题。配置完成后，我们可以将 trip_end 设置为 (默认) 事件时间。所以，如果我们想要在每个小时内找出多少乘客，我们就可以这样运行查询

select count(*) from tumble(taxi_data,1h) group by window_end

此查询使用 trip_start ，默认事件时间来运行聚合。如果旅客在午夜时00时01分结束行程，则行程将包括在00时00分-00时59时窗内。

在某些情况下，你作为分析员可能想要集中注意乘客乘坐出租车的人数。而不是每小时离开出租车，然后您可以设置 trip_end 作为查询的事件时间，通过 tumblet(taxi_data,trip_end,1h)

完整查询：

select count(*) from tumble(taxi_data,trip_end,1h) group by window_end