SonnetDB：高级时间桶聚合：同一时间窗口内的多指标组合分析

本文介绍 SonnetDB，重点讨论高级时间桶聚合：同一时间窗口内的多指标组合分析。

本文按 2026-10-14 当前工作区源码与文档复核；部署版本仍须单独核对。以下 SQL 为复现示例，本轮未执行 SQL、模型或性能验收。

同一个时间桶中组合样本数、平均值、峰值和分位数，能把吞吐与尾部波动放到同一时间轴。关键是先保证指标来自同一输入范围。

多指标投影

假设 service_metrics 包含 service TAG、latency FIELD FLOAT、requests FIELD INT：

SELECTtime,count(latency),avg(latency),max(latency),p95(latency),sum(requests)FROMservice_metricsWHEREservice='checkout'ANDtime>=1700000000000ANDtime<1700003600000GROUPBYtime(5m)ORDERBYtime;

requests 应表示每次采样的业务增量。如果它是累计计数器，直接 SUM 会重复累加历史数量，应先明确采集模型并在应用或独立处理阶段计算增量。latency 与 requests 是稀疏 FIELD 时，两项指标也可能具有不同的有效样本数。

FIRST/LAST 不是任意跨序列选择

对一个确定 series，可以取时间桶内首末状态；当前 FIRST/LAST 保留多 series 拒绝边界。service 如果不是唯一 TAG，还应约束其它 TAG，避免把查询示例误当作任意服务维度分组合同。

组合后的处理顺序

先获得分桶结果，再在应用中计算指标比率、告警和可视化。本文不使用 measurement HAVING、嵌套窗口聚合或 PostgreSQL 的 FILTER/time_bucket 语法；这些入口不能因为相似数据库支持就推断为 SonnetDB 支持。

空样本、NULL、分母为零和低样本桶都要保留可解释状态。p95 是摘要估计值，分钟 p95 的再平均不会成为整段 p95。

依据：sql-reference.md、m45-measurement-tag-grouping.md。