QuestDB ASOF JOIN 完全指南
做时序分析时，一个绕不开的问题是：两个数据源采样频率不一样，怎么按时间对齐？ 比如每笔交易（高频）要配上它发生时刻的参考汇率（低频），或者把传感器读数（每秒）配上设备配置（每天一条）。普通 JOIN ON t1.ts = t2.ts 在这种场景下直接失效——高频点根本找不到相等的时间戳。
这就是 ASOF JOIN 存在的理由：它按"最近的时间戳"匹配，而不是"相等"。
一、最小示例：把汇率对齐到每笔交易
CREATE TABLE trades (
ts TIMESTAMP,
sym SYMBOL,
price DOUBLE
) PARTITION BY DAY;
CREATE TABLE fx (
ts TIMESTAMP,
rate DOUBLE
) PARTITION BY DAY;
每个交易配上"当时最近一次"的汇率：
SELECT
t.ts,
t.sym,
t.price,
f.rate,
t.price * f.rate AS price_in_usd
FROM trades t
ASOF JOIN fx f
ON t.sym = f.sym
WHERE f.ts <= t.ts;
ASOF JOIN + ON ... WHERE f.ts <= t.ts 的语义是：对每个 trades 行，找 fx 里时间戳 ≤ 它、且最接近的那一行。这就是"每笔交易用它发生时最新已知汇率"的精确表达。
二、语义拆解
| 元素 | 作用 |
|---|---|
ASOF | 按最近时间戳匹配，而非相等 |
ON t.sym = f.sym | 常规 join 键（非时间） |
WHERE f.ts <= t.ts | 匹配方向：只取过去的 fx（前向匹配） |
方向是这个语法最容易搞反的地方。
f.ts <= t.ts→ 每个 trade 找之前最近的 fx（最常见，“用历史价”）f.ts >= t.ts→ 找之后最近的 fx（较少用，“用未来价”，回测要警惕前视偏差）
三、加容差窗口（数据太稀疏时）
如果 fx 一小时才一条、而 trades 每秒都有，ASOF 仍会把 59 分钟前的汇率配给当前 tick——数值上"合法"但业务上已经过期。用时间容差把过远的匹配排除：
SELECT
t.ts, t.sym, t.price, f.rate
FROM trades t
ASOF JOIN fx f
ON t.sym = f.sym
WHERE f.ts <= t.ts
AND t.ts - f.ts <= INTERVAL 10 MINUTES; -- 汇率最多滞后 10 分钟
INTERVAL 容差让"太久远的对齐"直接不匹配，避免用陈旧数据。
四、三个高频场景
1. 把日级配置配上秒级读数
SELECT
r.ts,
r.sensor,
r.value,
c.firmware,
c.calibrated
FROM readings r
ASOF JOIN config c
ON r.sensor = c.sensor
WHERE c.ts <= r.ts;
每个读数配上"当时生效的固件/标定参数"。
2. 多源对齐（三个表 join）
SELECT
p.ts,
p.price,
f.rate,
q.stock
FROM prices p
ASOF JOIN fx f
ON f.ts <= p.ts
ASOF JOIN inventory q
ON q.symbol = p.sym AND q.ts <= p.ts;
一条链式 ASOF JOIN 把价格、汇率、库存三源按各自最近时间戳对齐成一行。
3. 回测里"信号"与"成交"对齐
-- 用上一根 K 线的信号，配当下成交
SELECT fill.ts, signal.ts AS signal_ts, signal.side
FROM fills fill
ASOF JOIN signals signal
ON signal.ts < fill.ts -- 严格小于，防止用当根信号（前视）
ORDER BY fill.ts;
量化回测关键：用
signal.ts < fill.ts（严格小于）保证成交只参考更早的信号，杜绝前视偏差。
五、性能与常见坑
| 坑 | 说明 |
|---|---|
| 方向写反 | <= 是"过去"，>= 是"未来"。回测误用 >= 就是前视偏差 |
没加 ON 的常规键 | 只有 WHERE ts<= 没有等值键，会变成全表对齐，慢 |
| 数据未分区 | 两表都 PARTITION BY DAY 后，按天对齐能裁剪 |
| 时间列没标 TIMESTAMP | ASOF 要求参与对齐的列是 TIMESTAMP 类型 |
六、和普通 JOIN / 相关子查询比
- 普通
JOIN ON a.ts=b.ts：只能匹配相等时间戳，稀疏数据全漏 - 相关子查询（
MAX(ts) WHERE ts<=取最近）：语义等价，但手写、难读、优化器不一定走得快 ASOF JOIN：专门为此设计，一条声明式 SQL 表达"最近匹配"，可读且高效
六点五、ASOF JOIN 与"前向填充（forward fill）“的等价关系
很多熟悉 Pandas 的读者会发现，ASOF JOIN + FILL 本质上就是 Pandas 里的 reindex(method='ffill') 或 merge_asof(direction='backward')。对照一下更直观：
| Pandas | QuestDB ASOF JOIN | 语义 |
|---|---|---|
merge_asof(right, left, on='ts', direction='backward') | ASOF JOIN ... WHERE f.ts <= t.ts | 每个右表点找左表里之前最近的行 |
reindex(...).ffill() | SAMPLE BY ... FILL(previous) | 空窗用前一值填 |
merge_asof(direction='forward') | WHERE f.ts >= t.ts | 找之后最近的行（少用，注意前视） |
如果你原来是 pandas.merge_asof 做对齐，把方向参数和 WHERE 比较符对上，迁移基本是 1:1。这也是为什么量化回测社区越来越多把"信号-成交对齐"从 Pandas 搬到 QuestDB：同样的语义，但跑在列式时序引擎上，数据量大两个数量级也稳。
七、下一步
- 聚合出窗口统计（K 线/均值）→
SAMPLE BY完全指南 - 数据怎么高效摄入 → ILP 摄入指南
本文 SQL 在 QuestDB latest 实测通过。QuestDB 为其权利人商标，本站为独立技术社区，非官方。