流式计算

窗口聚合类的边缘计算用 StreamSQL 节点表达：SQL 写清楚「什么窗口、什么聚合、什么条件」，网关在数据流上持续求值。

为什么在边缘做

• 1s 采一次的温度，云端只要 15 分钟均值——带宽与云端存储双降
• 断网期间的聚合不缺块：窗口在网关本地滚动，补传的是结果
• 带宽受限的 4G / NB 场景，上行条数可控

用法

规则链里挂一个 StreamSQL 节点，SQL 形如：

-- 每 15 分钟一个滚动窗口的需量
SELECT deviceId, MAX(power) AS demand
FROM stream
GROUP BY deviceId, TumblingWindow('15m')

-- 滑动均值平滑毛刺
SELECT deviceId, AVG(temperature) AS tempAvg
FROM stream
WHERE quality = 'good'
GROUP BY deviceId, SlidingWindow('5m', '1m')

支持窗口（滚动 / 滑动）、聚合（SUM / AVG / MIN / MAX / COUNT）、分组、过滤、模式识别（MATCH_RECOGNIZE，事件序列）与流-表 JOIN 富化。

死区与锁存

上报类计算内置两个抑制器，避免「聚合值微小抖动刷屏」：

• 死区（deadband）：变化量小于阈值不输出
• 锁存：同键输出保持，直到变化超阈值或超时

与告警的关系

StreamSQL 的输出是普通消息：可以直接接告警判断（如「5 分钟均温超限」比单点瞬时值更稳），也可以继续走北向上报。连续事件序列（如「温度先升后降且伴随电流跌落」）用模式识别表达。