企业官网建设流程全解析

本文介绍 SonnetDB 的 moving_average() 与 ewma()，重点是窗口如何移动、缺失值如何参与，以及参数与时间间隔的关系。

平滑可以让趋势更容易观察，但也可能压低短时尖峰。使用前应保留原始序列，并用自己的报警目标评估响应延迟；不能仅因为曲线更平滑，就认定异常检测质量提高。

moving_average 按最近 N 行移动

moving_average(field, n)的 n 是正整数行数，不是秒数，也不是“最近 N 个有效值”。当前实现为每一行推进一个环形槽位；缺失行会占用窗口位置，但不计入平均数的分母。

前 n-1 行输出 NULL。达到 n 行后，如果最近 n 行中至少有一个有效数值，就输出这些有效值的平均；全缺失窗口输出 NULL。

例如 n=3，输入 1、NULL、5 时，第三行得到 (1+5)/2=3，而不必等待第三个有效样本。下一行到来时，最早一行照常退出窗口。这是按实现定义的手算示例。

SELECTtime,temperature,moving_average(temperature,3)ASaverage_3_rows,ewma(temperature,0.3)ASweighted_valueFROMsensorsWHEREdevice='thermo-05'ANDtime>=1700000000000ANDtime<1700003600000ORDERBYtime;

示例假设 sensors 已有 device TAG 与 temperature FIELD FLOAT。

ewma 的状态与缺失值

ewma(field, alpha)按s = alpha × 当前值 + (1-alpha) × 上一平滑值更新，alpha 取 (0,1]。首个有效值直接作为初始平滑值。

缺失值不更新状态：初始化前输出 NULL，初始化后继续输出上一平滑值。alpha=1 时，有效行跟随当前值，但缺失行仍保留已有状态，不能将这一情形等同于无条件复制原始列。

alpha 较大时当前值权重较高；较小时历史权重衰减较慢。它不自动计算采样时间差，同样的 alpha 在不同采样频率下代表不同的物理响应速度。

选择参数时保留时间语义

moving_average 的窗口按行数推进，ewma 按有效样本更新；两者都没有把时间戳用于时间加权。采样间距不齐时，“最近 10 行”不等于“最近 10 秒”。需要先按时间分桶或明确缺口策略，再比较平滑结果。

从当前状态结构看，移动平均保存与 n 成比例的窗口数据，ewma 保存常数数量的平滑状态；这是状态结构说明，不是整个查询内存、吞吐或生产延迟的实测结论。

本文依据 2026-10-15 当前源码复核；SQL 为复现示例，本轮未执行数据库、模型或性能测试。封面曲线仅说明平滑概念，不是 SonnetDB 实测结果。

依据：SmoothingFunctions.cs 与 WindowFunctionBinder.cs。