docs: add a downsampling example (#144)

dir.yaml

@@ -84,6 +84,9 @@
         - title_en: Arrow Flight SQL
           title_cn: Arrow Flight SQL
           path: development-guide/arrow-flight-sql
+    - title_en: Downsampling
+      title_cn: 时间窗口查询
+      path: development-guide/high-performance-writing
     - title_en: High-performance writing
       title_cn: 高性能写入
       path: development-guide/high-performance-writing
@@ -171,7 +174,6 @@
           path: sql-reference/statements/trim
     - title_en: Functions
       title_cn: 函数
-      path: sql-reference/sql-functions
       collapsed: true
       children:
         - title_en: Aggregation
@@ -225,7 +227,7 @@
       title_cn: 快速开始
       path: key-value-data-model/quick-start
     - title_en: Redis Compatibility
-      title_cn: Redis兼容性
+      title_cn: Redis 兼容性
       path: key-value-data-model/redis-compatibility
 
 - title_en: Operation Guide

zh_CN/admin/system-monitor-grafana.md

@@ -58,8 +58,6 @@ Prometheus 启动完成后，将会定时从 Datalayers 服务定时拉取指标
 
 如果你还未安装 Grafana，请至 <a href="https://grafana.com/grafana/download?pg=get&plcmt=selfmanaged-box1-cta1" target="_blank">Grafana 官网下载页</a>下载并安装。
 
-下载时请注意：**目前 Datalayers 支持 Grafana >=9.2.5 版本。**
-
 你也可以通过 Docker 快速启动 Grafana 实例：
 
 ``` bash
@@ -76,4 +74,4 @@ docker run --name my-grafana --network host grafana/grafana
 
 ### 添加指标面板
 
-添加 Prometheus 数据源后，可在 `Grafana - Dashboards` 手动添加指标面板，或<a href="https://github.com/datalayers-io/datalayers-with-grafana/blob/main/grafana/dashboard-imported.json" download="datalayers_dashboard-imported.json">点击下载</a> json 文件快速导入我们提供的模版。
+添加 Prometheus 数据源后，可在 `Grafana - Dashboards` 手动添加指标面板，或<a href="https://github.com/datalayers-io/datalayers-with-grafana/blob/main/grafana/dashboard-imported.json" download="datalayers_dashboard-imported.json">点击下载</a> json 文件快速导入我们提供的模版。

zh_CN/development-guide/downsampling.md

@@ -0,0 +1,51 @@
+# 聚合查询
+
+在时序数据库中，降采样与聚合运算是较为常用的应用场景。通过降采样/抽稀减少数据点来降低数据点，以此减少计算、传输的负担，适用于长时间段的数据分析。而聚合计算则通过将多个数据点合并为一个值（如平均值、最大值或最小值）来提取趋势。两者结合可以有效提高查询性能，减少数据处理时间，同时保留重要的趋势信息，适用于工业IoT、监控和数据可视化等场景。
+
+## 按时间窗口查询
+Datalayers 支持按时间窗口进行聚合查询。
+典型应用场景：传感器每秒上报数据，如我们展示该传感器数据最近一天或者一个月的变化趋势时，如果以秒为单位进行展示，则会带来以下一些问题：  
+* 数据传输量大
+* 客户端计算量大且复杂
+* 不利于图形展示、观察（点位过于密集）
+
+按时间窗口对数据进行切割、聚合运行特别适用于此类场景。
+
+### 示例
+Table schema 如下：
+```sql
+CREATE TABLE sensor_info (
+  ts TIMESTAMP(9) NOT NULL DEFAULT CURRENT_TIMESTAMP,
+  sn STRING,
+  speed DOUBLE,
+  temperature DOUBLE,
+  timestamp KEY (ts))
+  PARTITION BY HASH(sn) PARTITIONS 8
+  ENGINE=TimeSeries
+  with (ttl='10d');CREATE TABLE sensor_info (
+  ts TIMESTAMP(9) NOT NULL DEFAULT CURRENT_TIMESTAMP,
+  sn STRING,
+  speed DOUBLE,
+  temperature DOUBLE,
+  timestamp KEY (ts))
+  PARTITION BY HASH(sn) PARTITIONS 8
+  ENGINE=TimeSeries
+  with (ttl='10d');
+```
+
+假设数据采集频率为 `1Hz`，在数据展示时我们希望查询 `sn = 1` 并且以 1分钟 的区间对数据进行聚合（获取一分钟以内 temperature 的平均值 ），则可使用时间函数对数据进行切割、云计算。SQL 语句如下：
+
+```
+SELECT date_bin('1 minutes', ts) as timepoint, avg(temperature) as temp from sensor_info where sn = 1 group by timepoint;
+```
+
+假设数据采集频率为 `1Hz`，在数据展示时我们希望查询 `sn = 1` 并且以 1天 的区间对数据进行聚合（获取一天以内 temperature 的最大值 ），则可使用时间函数对数据进行切割、云计算。SQL 语句如下：
+
+```
+SELECT date_bin('1 day', ts) as timepoint, max(temperature) as temp from sensor_info where sn = 1 group by timepoint;
+```
+
+更多函数说明：
+* [聚合函数](../sql-reference/aggregation.md)
+* [时间与日期函数](../sql-reference/date.md)
+* [数据函数](../sql-reference/math.md)

zh_CN/sql-reference/statements/select.md

@@ -10,4 +10,7 @@ SELECT j FROM table_name WHERE i=3;
 SELECT i, sum(j) FROM table_name GROUP BY i;
 ```
 
-相关函数参数：[函数](../sql-functions.md)
+更多函数说明：
+* [聚合函数](../aggregation.md)
+* [时间与日期函数](../date.md)
+* [数据函数](../math.md)