_tp_time（事件时间）

所有流数据都应有事件时间

流是数据存在的地方，每个数据包含一个 _tp_time 列作为事件时间。 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。它可以是下单时的确切时间戳，用户登录系统时的确切时间戳，发生错误时的确切时间戳，或者 IoT 设备报告其状态时的确切时间戳。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。

默认情况下， _tp_time 列在 datetime64(3, 'UTC') 类型以毫秒为精度。您也可以在 日期时间 类型下创建它，并以秒为精度。

当您要创建一个新的流时，请选择正确的列作为事件时间。如果未指定任何列，则 Timeplus 将使用当前时间戳作为 _tp_time 的值。我们不建议在查询时将列重命名为 _tp_time，因为这会导致一些意外情况发生，特别是对于Time Travel而言。

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，而不必期望两个事件在完全相同的毫秒内发生。
事件时间也发挥重要作用来设备数据在流中保存的时间。

当您摄取数据到 Timeplus 时，您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。例如：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。

以出租车乘客为例。数据流可以是

车号	用户ID	行程开始	行程结束	费用
c001	u001	2022-03-01 10:00:00	2022-03-01 10:30:00	45

数据可能来自 Kafka 主题。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 行程开始 ，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，作为分析师，您可能想关注每小时有多少乘客上了出租车，而不是离开出租车，您可以设置 行程结束 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