平滑函数是针对输入的时序曲线进行平滑和简单的滤波操作，滤波操作通常是发现时序曲线形态的第一步。
函数列表
函数 | 说明 |
| 默认平滑函数，使用Holt-Winters算法对时序数据进行滤波操作。 |
| 使用FIR滤波器对时序数据进行滤波操作。 |
| 使用IIR滤波器对时序数据进行滤波操作。 |
ts_smooth_simple
函数格式：
select ts_smooth_simple(x, y)参数说明：
参数
说明
取值
x
时间列，顺序为从小到大。
Unixtime时间戳，单位为秒。
y
数值列，对应某时刻的数据。
-
示例
查询分析语句：
* | select ts_smooth_simple(stamp, value) from ( select '("__time__" - ("__time__" % 120))' as stamp, avg(v) as value from log GROUP BY stamp order by stamp )输出结果：
显示项：
显示项
说明
横轴
unixtime
数据的时间戳，单位为秒。
纵轴
src
滤波前的数据。
filter
滤波后的数据。
ts_smooth_fir
函数格式：
若您无法确定滤波参数，请使用内置窗口的参数进行滤波操作。
select ts_smooth_fir(x, y,winType,winSize)若您可以确定滤波参数，可以根据需求自定义设置滤波参数。
select ts_smooth_fir(x, y,array[])
参数说明：
参数
说明
取值
x
时间列，从小到大排列。
格式为Unixtime时间戳，单位为秒。
y
数值列，对应某时刻的数据。
-
winType
滤波的窗口类型。
取值包括：
rectangle：矩形窗口。
hanning：汉宁窗。
hamming：汉明窗。
blackman：布莱克曼窗。
说明推荐您选择rectangle类型以获得更好的显示效果。
winSize
滤波窗口的长度。
long类型，取值范围为2~15。
array[]
FIR滤波的具体参数。
格式为数组，且数组中元素的和为1。例如array[0.2, 0.4, 0.3, 0.1]。
示例1
查询分析语句：
* | select ts_smooth_fir(stamp, value, 'rectangle', 4) from ( select '("__time__" - ("__time__" % 120))' as stamp, avg(v) as value from log GROUP BY stamp order by stamp )输出结果：
示例2
查询分析语句：
* | select ts_smooth_fir(stamp, value, array[0.2, 0.4, 0.3, 0.1]) from ( select '("__time__" - ("__time__" % 120))' as stamp, avg(v) as value from log GROUP BY stamp order by stamp )输出结果：
显示项：
显示项
说明
横轴
unixtime
数据的Unixtime时间戳，单位为秒。
纵轴
src
滤波前的数据。
filter
滤波后的数据。
ts_smooth_iir
函数格式：
select ts_smooth_iir(x, y, array[], array[] )参数说明：
参数
说明
取值
x
时间列，从小到大排列。
格式为Unixtime时间戳，单位为秒。
y
数值列，对应某时刻的数据。
-
array[]
IIR滤波算法中关于x i的具体参数。
数组格式，长度（length）的取值范围为2~15，且数组中元素的和为1。例如array[0.2, 0.4, 0.3, 0.1]。
array[]
IIR滤波算法中关于y i−1的具体参数。
数组格式，长度（length）的取值范围为2~15，且数组中元素的和为1。例如array[0.2, 0.4, 0.3, 0.1]。
示例
查询分析语句：
* | select ts_smooth_iir(stamp, value, array[0.2, 0.4, 0.3, 0.1], array[0.4, 0.3, 0.3]) from ( select '("__time__" - ("__time__" % 120))' as stamp, avg(v) as value from log GROUP BY stamp order by stamp )输出结果：
显示项：
显示项
说明
横轴
unixtime
数据的Unixtime时间戳，单位为秒。
纵轴
src
滤波前的数据。
filter
滤波后的数据。