最近发布了最新版本的计时嫁接和流入数据库. 随之而来的是通量的技术预览。 通量是时间序列数据的新查询语言和引擎。 通量的文档可以在这里找到。

在前一篇文章中,我分享了我如何使用通量连接在测量中执行数学运算来计算热交换器的效率。 请阅读“流入数据库:如何进行连接,跨测量的数学“，以了解我试图复制的数据集和连接的上下文。 这篇文章系列的报道可以在这里找到。

当我学习流量的时候,我会把它和我已经熟悉的语言或库进行比较。 我决定分享我学习和使用通量的经验,因为我很惊讶我更喜欢它而不是熊猫的时间序列数据。 我很惊讶,因为一开始我对通量非常怀疑。 例如,我不是向前管道的超级粉丝。 我几乎从不使用管道,也不确定是否需要学习新的笔画。 现在,我发现它们大大提高了可读性。 每个向前的管道都返回一个结果。 阅读流量查询就像阅读要点。

在我解释为什么我的语言偏好发生了变化之前,我想分享一下我在《通量》之前对熊猫的评论。

★★★★★

“我喜欢熊猫。 数据帧是惊人的。 太简单了。 我无法想象除了熊猫的加入和融合,我还会喜欢什么。 他们的行为完全符合预期。”

现在你知道我对熊猫进入通量的感觉了,让我们开始比较,看看我在前一篇文章中的第一次加入。

加入流动：