Azure Stream Analytics：滑动窗口下实时计算温度均值与30秒前均值的斜率

针对你的需求——实时输出当前滑动窗口平均温度与30秒前同窗口周期平均温度的斜率，而非每30秒批量输出，我们可以通过滑动窗口计算+自时间连接的方式实现，以下是具体方案：

核心思路 #

• 第一步：用滑动窗口实时计算每个sensorId的30秒平均温度，生成包含实时avgTemp和窗口结束时间的中间流；
• 第二步：将这个中间流与自身做时间关联，匹配当前窗口结束时间恰好比历史窗口结束时间晚30秒的记录，获取30秒前的avgTemp；
• 第三步：基于当前与历史温度值计算斜率，实现实时输出。

完整查询语句 #

WITH SlidingAvgStream AS (
    -- 生成实时滑动窗口的平均温度流
    SELECT 
        System.Timestamp AS WindowEnd,
        sensorId,
        AVG(temp) AS avgTemp
    FROM SensorStream 
    TIMESTAMP BY timestamp 
    GROUP BY sensorId, SlidingWindow(second, 30)
)
-- 自连接获取30秒前的温度值并计算斜率
SELECT 
    s1.WindowEnd AS CurrentWindowEnd,
    s1.sensorId,
    s1.avgTemp AS CurrentAvgTemp,
    s2.avgTemp AS PreviousAvgTemp,
    -- 斜率=温度差/时间差（固定30秒），处理无历史数据的情况
    CASE 
        WHEN s2.avgTemp IS NOT NULL THEN (s1.avgTemp - s2.avgTemp) / 30.0 
        ELSE NULL 
    END AS TempSlopePerSecond
FROM SlidingAvgStream s1
LEFT JOIN SlidingAvgStream s2
ON s1.sensorId = s2.sensorId
-- 精准匹配30秒前的窗口结果
AND DATEDIFF(second, s2.WindowEnd, s1.WindowEnd) = 30

方案优势 #

• 实时输出：滑动窗口会在每次有新数据进入时更新并输出当前窗口的avgTemp，自连接会实时匹配30秒前的记录，斜率结果随滑动窗口输出同步生成；
• 精准对齐：通过时间差判断确保获取的是恰好30秒前的滑动窗口平均温度，完全贴合需求；
• 鲁棒性强：LEFT JOIN保证数据流初期（无30秒历史数据时）仍能输出当前温度值，斜率字段为NULL，不会丢失有效数据。

为什么原翻滚窗口+LAG方案不适用？ #

翻滚窗口（Tumbling Window）是按固定时间间隔批量生成结果，每30秒才输出一次avgTemp，搭配LAG(avgTemp,1)只能获取上一个翻滚窗口的数值，输出频率被限制为30秒一次，无法实现实时输出。而滑动窗口的特性是持续更新窗口内数据并实时输出，这是实现实时斜率计算的核心前提。

内容的提问来源于stack exchange，提问作者Yanis26