timescaledb_toolkit

扩展总览

PIGSTY 第三方扩展： timescaledb_toolkit ： 超表分析查询，时间序列流式处理，以及其他SQL工具

基本信息

• 扩展编号： 1010
• 扩展名称： timescaledb_toolkit
• 标准包名： timescaledb_toolkit
• 扩展类目： TIME
• 开源协议： Timescale
• 官方网站： https://github.com/timescale/timescaledb-toolkit
• 编程语言： Rust
• 其他标签： pgrx
• 备注信息：

元数据

• 默认版本： 1.21.0
• PG大版本： 17,16,15,14
• 动态加载： 无需动态加载
• 需要DDL： 需要执行 CREATE EXTENSION DDL
• 可重定位： 可以重定位安装至其他模式下
• 信任程度： 受信任，无需超级用户，带 CREATE 权限的用户可以直接创建
• 所需模式： 无
• 所需扩展： 无

软件包

• RPM仓库：PIGSTY
• RPM包名：timescaledb-toolkit_$v
• RPM版本：1.21.0
• RPM依赖：无
• DEB仓库：PIGSTY
• DEB包名：postgresql-$v-timescaledb-toolkit
• DEB版本：1.21.0
• DEB依赖：无

最新版本

扩展安装

使用 pig 命令行工具安装 timescaledb_toolkit 扩展：

pig ext install timescaledb_toolkit

使用 Pigsty剧本 安装 timescaledb_toolkit 扩展：

./pgsql.yml -t pg_extension -e '{"pg_extensions": ["timescaledb_toolkit"]}' # -l <集群名>

从 YUM仓库 手工安装 timescaledb_toolkit RPM 包：

dnf install timescaledb-toolkit_17;
dnf install timescaledb-toolkit_16;
dnf install timescaledb-toolkit_15;
dnf install timescaledb-toolkit_14;

从 APT仓库 手工安装 timescaledb_toolkit DEB 包：

apt install postgresql-17-timescaledb-toolkit;
apt install postgresql-16-timescaledb-toolkit;
apt install postgresql-15-timescaledb-toolkit;
apt install postgresql-14-timescaledb-toolkit;

使用以下 SQL 命令在已经安装此扩展插件的 PG 集群上 启用 timescaledb_toolkit 扩展：

CREATE EXTENSION timescaledb_toolkit;

使用方法

This extension provide experimental features for timescaledb, check the docs for details.

Features

The following links lead to pages for the different features in the TimescaleDB Toolkit repository.

• ASAP Smoothing ^experimental - A data smoothing algorithm designed to generate human readable graphs which maintain any erratic data behavior while smoothing away the cyclic noise.

• Hyperloglog ^experimental – An approximate COUNT DISTINCT based on hashing that provides reasonable accuracy in constant space. (Methods)

• LTTB ^experimental – A downsample method that preserves visual similarity. (Methods)

• Percentile Approximation - A simple percentile approximation interface [(Methods)], wraps and simplifies the lower level algorithms:

  • T-Digest – A quantile estimate sketch optimized to provide more accurate estimates near the tails (i.e. 0.001 or 0.995) than conventional approaches. (Methods)
  • UddSketch – A quantile estimate sketch which provides a guaranteed maximum relative error. (Methods)