连续查询

介绍

连续查询(Continuous Queries下文统一简称CQ)是InfluxQL对实时数据自动周期运行的查询,然后把查询结果写入到指定的measurement中。

语法

基本语法

CREATE CONTINUOUS QUERY <cq_name> ON <database_name>
BEGIN
  <cq_query>
END

语法描述

cq_query

cq_query需要一个函数,一个INTO子句和一个GROUP BY time()子句:

SELECT <function[s]> INTO <destination_measurement> FROM <measurement> [WHERE <stuff>] GROUP BY time(<interval>)[,<tag_key[s]>]

注意:请注意,在WHERE子句中,cq_query不需要时间范围。 InfluxDB在执行CQ时自动生成cq_query的时间范围。cq_queryWHERE子句中的任何用户指定的时间范围将被系统忽略。

运行时间点以及覆盖的时间范围

CQ对实时数据进行操作。他们使用本地服务器的时间戳,GROUP BY time()间隔和InfluxDB的预设时间边界来确定何时执行以及查询中涵盖的时间范围。

CQs以与cq_queryGROUP BY time()间隔相同的间隔执行,并且它们在InfluxDB的预设时间边界开始时运行。如果GROUP BY time()间隔为1小时,则CQ每小时开始执行一次。

当CQ执行时,它对于now()now()减去GROUP BY time()间隔的时间范围运行单个查询。 如果GROUP BY time()间隔为1小时,当前时间为17:00,查询的时间范围为16:00至16:59999999999。

基本语法的例子

以下例子使用数据库transportation中的示例数据。measurementbus_data数据存储有关公共汽车乘客数量和投诉数量的15分钟数据:

name: bus_data
--------------
time                   passengers   complaints
2016-08-28T07:00:00Z   5            9
2016-08-28T07:15:00Z   8            9
2016-08-28T07:30:00Z   8            9
2016-08-28T07:45:00Z   7            9
2016-08-28T08:00:00Z   8            9
2016-08-28T08:15:00Z   15           7
2016-08-28T08:30:00Z   15           7
2016-08-28T08:45:00Z   17           7
2016-08-28T09:00:00Z   20           7
例一:自动采样数据

使用简单的CQ自动从单个字段中下采样数据,并将结果写入同一数据库中的另一个measurement。

CREATE CONTINUOUS QUERY "cq_basic" ON "transportation"
BEGIN
  SELECT mean("passengers") INTO "average_passengers" FROM "bus_data" GROUP BY time(1h)
END

cq_basicbus_data中计算乘客的平均小时数,并将结果存储在数据库transportation中的average_passengers中。

cq_basic以一小时的间隔执行,与GROUP BY time()间隔相同的间隔。 每个小时,cq_basic运行一个单一的查询,覆盖了now()now()减去GROUP BY time()间隔之间的时间范围,即now()now()之前的一个小时之间的时间范围。

下面是2016年8月28日上午的日志输出:

在8点时,cq_basic执行时间范围为time => '7:00' AND time <'08:00'的查询。 cq_basicaverage_passengers写入一个点:

name: average_passengers
------------------------
time                   mean
2016-08-28T07:00:00Z   7

在9点时,cq_basic执行时间范围为time => '8:00' AND time <'09:00'的查询。 cq_basicaverage_passengers写入一个点:

name: average_passengers
------------------------
time                   mean
2016-08-28T08:00:00Z   13.75

结果:

> SELECT * FROM "average_passengers"
name: average_passengers
------------------------
time                   mean
2016-08-28T07:00:00Z   7
2016-08-28T08:00:00Z   13.75
例二:自动采样数据到另一个保留策略里

从默认的的保留策略里面采样数据到完全指定的目标measurement中:

CREATE CONTINUOUS QUERY "cq_basic_rp" ON "transportation"
BEGIN
  SELECT mean("passengers") INTO "transportation"."three_weeks"."average_passengers" FROM "bus_data" GROUP BY time(1h)
END

cq_basic_rpbus_data中计算乘客的平均小时数,并将结果存储在数据库tansportation的RP为three_weeks的measurementaverage_passengers中。

cq_basic_rp以一小时的间隔执行,与GROUP BY time()间隔相同的间隔。每个小时,cq_basic_rp运行一个单一的查询,覆盖了now()now()减去GROUP BY time()间隔之间的时间段,即now()now()之前的一个小时之间的时间范围。

下面是2016年8月28日上午的日志输出:

在8:00cq_basic_rp执行时间范围为time >='7:00' AND time <'8:00'的查询。cq_basic_rp向RP为three_weeks的measurementaverage_passengers写入一个点:

name: average_passengers
------------------------
time                   mean
2016-08-28T07:00:00Z   7

在9:00cq_basic_rp执行时间范围为time >='8:00' AND time <'9:00'的查询。cq_basic_rp向RP为three_weeks的measurementaverage_passengers写入一个点:

name: average_passengers
------------------------
time                   mean
2016-08-28T08:00:00Z   13.75

结果:

> SELECT * FROM "transportation"."three_weeks"."average_passengers"
name: average_passengers
------------------------
time                   mean
2016-08-28T07:00:00Z   7
2016-08-28T08:00:00Z   13.75

cq_basic_rp使用CQ和保留策略自动降低样本数据,并将这些采样数据保留在不同的时间长度上。

例三:使用逆向引用自动采样数据

使用带有通配符(*)和INTO查询的反向引用语法的函数可自动对数据库中所有measurement和数值字段中的数据进行采样。

CREATE CONTINUOUS QUERY "cq_basic_br" ON "transportation"
BEGIN
  SELECT mean(*) INTO "downsampled_transportation"."autogen".:MEASUREMENT FROM /.*/ GROUP BY time(30m),*
END

cq_basic_br计算数据库transportation中每个measurement的30分钟平均乘客和投诉。它将结果存储在数据库downsampled_transportation中。

cq_basic_br以30分钟的间隔执行,与GROUP BY time()间隔相同的间隔。每30分钟一次,cq_basic_br运行一个查询,覆盖了now()now()减去GROUP BY time()间隔之间的时间段,即now()now()之前的30分钟之间的时间范围。

下面是2016年8月28日上午的日志输出:

在7:30,cq_basic_br执行查询,时间间隔 time >='7:00' AND time <'7:30'cq_basic_brdownsampled_transportation数据库中的measurement为bus_data写入两个点:

name: bus_data
--------------
time                   mean_complaints   mean_passengers
2016-08-28T07:00:00Z   9                 6.5

8点时,cq_basic_br执行时间范围为 time >='7:30' AND time <'8:00'的查询。cq_basic_brdownsampled_transportation数据库中measurement为bus_data写入两个点:

name: bus_data
--------------
time                   mean_complaints   mean_passengers
2016-08-28T07:30:00Z   9                 7.5

[…]

9点时,cq_basic_br执行时间范围为 time >='8:30' AND time <'9:00'的查询。cq_basic_brdownsampled_transportation数据库中measurement为bus_data写入两个点:

name: bus_data
--------------
time                   mean_complaints   mean_passengers
2016-08-28T08:30:00Z   7                 16

结果为:

> SELECT * FROM "downsampled_transportation."autogen"."bus_data"
name: bus_data
--------------
time                   mean_complaints   mean_passengers
2016-08-28T07:00:00Z   9                 6.5
2016-08-28T07:30:00Z   9                 7.5
2016-08-28T08:00:00Z   8                 11.5
2016-08-28T08:30:00Z   7                 16
例四:自动采样数据并配置CQ的时间边界

使用GROUP BY time()子句的偏移间隔来改变CQ的默认执行时间和呈现的时间边界:

CREATE CONTINUOUS QUERY "cq_basic_offset" ON "transportation"
BEGIN
  SELECT mean("passengers") INTO "average_passengers" FROM "bus_data" GROUP BY time(1h,15m)
END

cq_basic_offsetbus_data中计算乘客的平均小时数,并将结果存储在average_passengers中。

cq_basic_offset以一小时的间隔执行,与GROUP BY time()间隔相同的间隔。15分钟偏移间隔迫使CQ在默认执行时间后15分钟执行; cq_basic_offset在8:15而不是8:00执行。

每个小时,cq_basic_offset运行一个单一的查询,覆盖了now()now()减去GROUP BY time()间隔之间的时间段,即now()now()之前的一个小时之间的时间范围。 15分钟偏移间隔在CQ的WHERE子句中向前移动生成的预设时间边界; cq_basic_offset在7:15和8:14.999999999而不是7:00和7:59.999999999之间进行查询。

下面是2016年8月28日上午的日志输出:

在8:15cq_basic_offset执行时间范围time> ='7:15'AND time <'8:15'的查询。 cq_basic_offsetaverage_passengers写入一个点:

name: average_passengers
------------------------
time                   mean
2016-08-28T07:15:00Z   7.75

在9:15cq_basic_offset执行时间范围time> ='8:15'AND time <'9:15'的查询。 cq_basic_offsetaverage_passengers写入一个点:

name: average_passengers
------------------------
time                   mean
2016-08-28T08:15:00Z   16.75

结果为:

> SELECT * FROM "average_passengers"
name: average_passengers
------------------------
time                   mean
2016-08-28T07:15:00Z   7.75
2016-08-28T08:15:00Z   16.75

请注意,时间戳为7:15和8:15而不是7:00和8:00。

基本语法的常见问题

问题一:无数据处理时间间隔

如果没有数据落在该时间范围内,则CQ不会在时间间隔内写入任何结果。请注意,基本语法不支持使用fill()更改不含数据的间隔报告的值。如果基本语法CQs包括了fill(),则会忽略fill()。一个解决办法是使用下面的高级语法。

问题二:重新采样以前的时间间隔

基本的CQ运行一个查询,覆盖了now()now()减去GROUP BY time()间隔之间的时间段。有关如何配置查询的时间范围,请参阅高级语法。

问题三:旧数据的回填结果

CQ对实时数据进行操作,即具有相对于now()发生的时间戳的数据。使用基本的INTO查询来回填具有较旧时间戳的数据的结果。

问题四:CQ结果中缺少tag

默认情况下,所有INTO查询将源measurement中的任何tag转换为目标measurement中的field。

在CQ中包含GROUP BY *,以保留目的measurement中的tag。

高级语法

CREATE CONTINUOUS QUERY <cq_name> ON <database_name>
RESAMPLE EVERY <interval> FOR <interval>
BEGIN
  <cq_query>
END

高级语法描述

cq_query

同上面基本语法里面的cq_query

运行时间点以及覆盖的时间范围

CQs对实时数据进行操作。使用高级语法,CQ使用本地服务器的时间戳以及RESAMPLE子句中的信息和InfluxDB的预设时间边界来确定执行时间和查询中涵盖的时间范围。

CQs以与RESAMPLE子句中的EVERY间隔相同的间隔执行,并且它们在InfluxDB的预设时间边界开始时运行。如果EVERY间隔是两个小时,InfluxDB将在每两小时的开始执行CQ。

当CQ执行时,它运行一个单一的查询,在now()now()减去RESAMPLE子句中的FOR间隔之间的时间范围。如果FOR间隔为两个小时,当前时间为17:00,查询的时间间隔为15:00至16:59999999999。

EVERY间隔和FOR间隔都接受时间字符串。RESAMPLE子句适用于同时配置EVERYFOR,或者是其中之一。如果没有提供EVERY间隔或FOR间隔,则CQ默认为相关为基本语法。

高级语法例子

示例数据如下:

name: bus_data
--------------
time                   passengers
2016-08-28T06:30:00Z   2
2016-08-28T06:45:00Z   4
2016-08-28T07:00:00Z   5
2016-08-28T07:15:00Z   8
2016-08-28T07:30:00Z   8
2016-08-28T07:45:00Z   7
2016-08-28T08:00:00Z   8
2016-08-28T08:15:00Z   15
2016-08-28T08:30:00Z   15
2016-08-28T08:45:00Z   17
2016-08-28T09:00:00Z   20
例一:配置执行间隔

RESAMPLE中使用EVERY来指明CQ的执行间隔。

CREATE CONTINUOUS QUERY "cq_advanced_every" ON "transportation"
RESAMPLE EVERY 30m
BEGIN
  SELECT mean("passengers") INTO "average_passengers" FROM "bus_data" GROUP BY time(1h)
END

cq_advanced_everybus_data中计算passengers的一小时平均值,并将结果存储在数据库transportation中的average_passengers中。

cq_advanced_every以30分钟的间隔执行,间隔与EVERY间隔相同。每30分钟,cq_advanced_every运行一个查询,覆盖当前时间段的时间范围,即与now()交叉的一小时时间段。

下面是2016年8月28日上午的日志输出:

在8:00cq_basic_every执行时间范围time> ='7:00'AND time <'8:00'的查询。 cq_basic_everyaverage_passengers写入一个点:

name: average_passengers
------------------------
time                   mean
2016-08-28T07:00:00Z   7

在8:30cq_basic_every执行时间范围time> ='8:00'AND time <'9:00'的查询。 cq_basic_everyaverage_passengers写入一个点:

name: average_passengers
------------------------
time                   mean
2016-08-28T08:00:00Z   12.6667

在9:00cq_basic_every执行时间范围time> ='8:00'AND time <'9:00'的查询。 cq_basic_everyaverage_passengers写入一个点:

name: average_passengers
------------------------
time                   mean
2016-08-28T08:00:00Z   13.75

结果为:

> SELECT * FROM "average_passengers"
name: average_passengers
------------------------
time                   mean
2016-08-28T07:00:00Z   7
2016-08-28T08:00:00Z   13.75

请注意,cq_advanced_every计算8:00时间间隔的结果两次。第一次,它运行在8:30,计算每个可用数据点在8:00和9:00(8,15和15)之间的平均值。 第二次,它运行在9:00,计算每个可用数据点在8:00和9:00(8,15,15和17)之间的平均值。由于InfluxDB处理重复点的方式,所以第二个结果只是覆盖第一个结果。

例二:配置CQ的重采样时间范围

RESAMPLE中使用FOR来指明CQ的时间间隔的长度。

CREATE CONTINUOUS QUERY "cq_advanced_for" ON "transportation"
RESAMPLE FOR 1h
BEGIN
  SELECT mean("passengers") INTO "average_passengers" FROM "bus_data" GROUP BY time(30m)
END

cq_advanced_forbus_data中计算passengers的30分钟平均值,并将结果存储在数据库transportation中的average_passengers中。

cq_advanced_for以30分钟的间隔执行,间隔与GROUP BY time()间隔相同。每30分钟,cq_advanced_for运行一个查询,覆盖时间段为now()now()减去FOR中的间隔,即是now()now()之前的一个小时之间的时间范围。

下面是2016年8月28日上午的日志输出:

在8:00cq_advanced_for执行时间范围time> ='7:00'AND time <'8:00'的查询。 cq_advanced_foraverage_passengers写入一个点:

name: average_passengers
------------------------
time                   mean
2016-08-28T07:00:00Z   6.5
2016-08-28T07:30:00Z   7.5

在8:30cq_advanced_for执行时间范围time> ='7:30'AND time <'8:30'的查询。 cq_advanced_foraverage_passengers写入两个点:

name: average_passengers
------------------------
time                   mean
2016-08-28T07:30:00Z   7.5
2016-08-28T08:00:00Z   11.5

在9:00cq_advanced_for执行时间范围time> ='8:00'AND time <'9:00'的查询。 cq_advanced_foraverage_passengers写入两个点:

name: average_passengers
------------------------
time                   mean
2016-08-28T08:00:00Z   11.5
2016-08-28T08:30:00Z   16

请注意,cq_advanced_for会计算每次间隔两次的结果。CQ在8:00和8:30计算7:30的平均值,在8:30和9:00计算8:00的平均值。

结果为:

> SELECT * FROM "average_passengers"
name: average_passengers
------------------------
time                   mean
2016-08-28T07:00:00Z   6.5
2016-08-28T07:30:00Z   7.5
2016-08-28T08:00:00Z   11.5
2016-08-28T08:30:00Z   16
例三:配置执行间隔和CQ时间范围

RESAMPLE子句中使用EVERYFOR来指定CQ的执行间隔和CQ的时间范围长度。

CREATE CONTINUOUS QUERY "cq_advanced_every_for" ON "transportation"
RESAMPLE EVERY 1h FOR 90m
BEGIN
  SELECT mean("passengers") INTO "average_passengers" FROM "bus_data" GROUP BY time(30m)
END

cq_advanced_every_forbus_data中计算passengers的30分钟平均值,并将结果存储在数据库transportation中的average_passengers中。

cq_advanced_every_for以1小时的间隔执行,间隔与EVERY间隔相同。每1小时,cq_advanced_every_for运行一个查询,覆盖时间段为now()now()减去FOR中的间隔,即是now()now()之前的90分钟之间的时间范围。

下面是2016年8月28日上午的日志输出:

在8:00cq_advanced_every_for执行时间范围time>='6:30'AND time <'8:00'的查询。 cq_advanced_every_foraverage_passengers写三个个点:

name: average_passengers
------------------------
time                   mean
2016-08-28T06:30:00Z   3
2016-08-28T07:00:00Z   6.5
2016-08-28T07:30:00Z   7.5

在9:00cq_advanced_every_for执行时间范围time> ='7:30'AND time <'9:00'的查询。 cq_advanced_every_foraverage_passengers写入三个点:

name: average_passengers
------------------------
time                   mean
2016-08-28T07:30:00Z   7.5
2016-08-28T08:00:00Z   11.5
2016-08-28T08:30:00Z   16

请注意,cq_advanced_every_for会计算每次间隔两次的结果。CQ在8:00和9:00计算7:30的平均值。

结果为:

> SELECT * FROM "average_passengers"
name: average_passengers
------------------------
time                   mean
2016-08-28T06:30:00Z   3
2016-08-28T07:00:00Z   6.5
2016-08-28T07:30:00Z   7.5
2016-08-28T08:00:00Z   11.5
2016-08-28T08:30:00Z   16
例四:配置CQ的时间范围并填充空值

使用FOR间隔和fill()来更改不含数据的时间间隔值。请注意,至少有一个数据点必须在fill()运行的FOR间隔内。 如果没有数据落在FOR间隔内,则CQ不会将任何点写入目标measurement。

CREATE CONTINUOUS QUERY "cq_advanced_for_fill" ON "transportation"
RESAMPLE FOR 2h
BEGIN
  SELECT mean("passengers") INTO "average_passengers" FROM "bus_data" GROUP BY time(1h) fill(1000)
END

cq_advanced_for_fillbus_data中计算passengers的1小时的平均值,并将结果存储在数据库transportation中的average_passengers中。并会在没有结果的时间间隔里写入值1000

cq_advanced_for_fill以1小时的间隔执行,间隔与GROUP BY time()间隔相同。每1小时,cq_advanced_for_fill运行一个查询,覆盖时间段为now()now()减去FOR中的间隔,即是now()now()之前的两小时之间的时间范围。

下面是2016年8月28日上午的日志输出:

在6:00cq_advanced_for_fill执行时间范围time>='4:00'AND time <'6:00'的查询。 cq_advanced_for_fillaverage_passengers不写入任何点,因为在那个时间范围bus_data没有数据:

在7:00cq_advanced_for_fill执行时间范围time>='5:00'AND time <'7:00'的查询。 cq_advanced_for_fillaverage_passengers写入两个点:

name: average_passengers
------------------------
time                   mean
2016-08-28T05:00:00Z   1000          <------ fill(1000)
2016-08-28T06:00:00Z   3             <------ 2和4的平均值

[...]

在11:00cq_advanced_for_fill执行时间范围time> ='9:00'AND time <'11:00'的查询。 cq_advanced_for_fillaverage_passengers写入两个点:

name: average_passengers
------------------------
2016-08-28T09:00:00Z   20            <------ 20的平均
2016-08-28T10:00:00Z   1000          <------ fill(1000)

在12:00cq_advanced_for_fill执行时间范围time>='10:00'AND time <'12:00'的查询。 cq_advanced_for_fillaverage_passengers不写入任何点,因为在那个时间范围bus_data没有数据.

结果:

> SELECT * FROM "average_passengers"
name: average_passengers
------------------------
time                   mean
2016-08-28T05:00:00Z   1000
2016-08-28T06:00:00Z   3
2016-08-28T07:00:00Z   7
2016-08-28T08:00:00Z   13.75
2016-08-28T09:00:00Z   20
2016-08-28T10:00:00Z   1000

注意:如果前一个值在查询时间之外,则fill(previous)不会在时间间隔里填充数据。

高级语法的常见问题

问题一:如果EVERY间隔大于GROUP BY time()的间隔

如果EVERY间隔大于GROUP BY time()间隔,则CQ以与EVERY间隔相同的间隔执行,并运行一个单个查询,该查询涵盖now()now()减去EVERY间隔之间的时间范围(不是在now()now()减去GROUP BY time()间隔之间)。

例如,如果GROUP BY time()间隔为5m,并且EVERY间隔为10m,则CQ每10分钟执行一次。每10分钟,CQ运行一个查询,覆盖now()now()减去EVERY间隔之间的时间段,即now()now()之前十分钟之间的时间范围。

此行为是故意的,并防止CQ在执行时间之间丢失数据。

问题二:如果IF间隔比执行的间隔少

如果FOR间隔比GROUP BY time()或者EVERY的间隔少,InfluxDB返回如下错误:

error parsing query: FOR duration must be >= GROUP BY time duration: must be a minimum of <minimum-allowable-interval> got <user-specified-interval>

为了避免在执行时间之间丢失数据,FOR间隔必须等于或大于GROUP BY time()或者EVERY间隔。

目前,这是预期的行为。GitHub上Issue#6963要求CQ支持数据覆盖的差距。

CQ的管理

只有admin用户允许管理CQ。

列出CQ

列出InfluxDB实例上的所有CQ:

SHOW CONTINUOUS QUERIES

SHOW CONTINUOUS QUERIES按照database作分组。

例子

下面展示了telegrafmydb的CQ:

> SHOW CONTINUOUS QUERIES
name: _internal
---------------
name   query


name: telegraf
--------------
name           query
idle_hands     CREATE CONTINUOUS QUERY idle_hands ON telegraf BEGIN SELECT min(usage_idle) INTO telegraf.autogen.min_hourly_cpu FROM telegraf.autogen.cpu GROUP BY time(1h) END
feeling_used   CREATE CONTINUOUS QUERY feeling_used ON telegraf BEGIN SELECT mean(used) INTO downsampled_telegraf.autogen.:MEASUREMENT FROM telegraf.autogen./.*/ GROUP BY time(1h) END


name: downsampled_telegraf
--------------------------
name   query


name: mydb
----------
name      query
vampire   CREATE CONTINUOUS QUERY vampire ON mydb BEGIN SELECT count(dracula) INTO mydb.autogen.all_of_them FROM mydb.autogen.one GROUP BY time(5m) END

删除CQ

从一个指定的database删除CQ:

DROP CONTINUOUS QUERY <cq_name> ON <database_name>

DROP CONTINUOUS QUERY返回一个空的结果。

例子

从数据库telegraf中删除idle_hands这个CQ:

> DROP CONTINUOUS QUERY "idle_hands" ON "telegraf"`
>

修改CQ

CQ一旦创建就不能修改了,你必须DROPCREATE才行。

CQ的使用场景

采样和数据保留

使用CQ与InfluxDB的保留策略(RP)来减轻存储问题。结合CQ和RP自动将高精度数据降低到较低的精度,并从数据库中移除可分配的高精度数据。

预先计算昂贵的查询

通过使用CQ预先计算昂贵的查询来缩短查询运行时间。使用CQ自动将普通查询的高精度数据下采样到较低的精度。较低精度数据的查询需要更少的资源并且返回更快。

提示:预先计算首选图形工具的查询,以加速图形和仪表板的展示。

替换HAVING子句

InfluxQL不支持HAVING子句。通过创建CQ来聚合数据并查询CQ结果以达到应用HAVING子句相同的功能。

注意:InfluxDB提供了子查询也可以达到类似于HAVING相同的功能。

例子

InfluxDB不接受使用HAVING子句的以下查询。该查询以30分钟间隔计算平均bees数,并请求大于20的平均值。

SELECT mean("bees") FROM "farm" GROUP BY time(30m) HAVING mean("bees") > 20

要达到相同的结果:

1. 创建一个CQ

此步骤执行以上查询的mean("bees")部分。因为这个步骤创建了CQ,所以只需要执行一次。

以下CQ自动以30分钟间隔计算bees的平均数,并将这些平均值写入measurementaggregate_bees中的mean_bees字段。

CREATE CONTINUOUS QUERY "bee_cq" ON "mydb" BEGIN SELECT mean("bees") AS "mean_bees" INTO "aggregate_bees" FROM "farm" GROUP BY time(30m) END
2. 查询CQ的结果

这一步要实现HAVING mean("bees") > 20部分的查询。

WHERE子句中查询measurementaggregate_bees中的数据和大于20的mean_bees字段的请求值:

SELECT "mean_bees" FROM "aggregate_bees" WHERE "mean_bees" > 20

替换嵌套函数

一些InfluxQL函数支持嵌套其他函数,大多数是不行的。如果函数不支持嵌套,可以使用CQ获得相同的功能来计算最内部的函数。然后简单地查询CQ结果来计算最外层的函数。

注意:InfluxQL支持也提供与嵌套函数相同功能的子查询。

例子

InfluxDB不接受使用嵌套函数的以下查询。 该查询以30分钟间隔计算bees的非空值数量,并计算这些计数的平均值:

SELECT mean(count("bees")) FROM "farm" GROUP BY time(30m)

为了得到结果:

1. 创建一个CQ

此步骤执行上面的嵌套函数的count(“bees”)部分 因为这个步骤创建了一个CQ,所以只需要执行一次。 以下CQ自动以30分钟间隔计算bees的非空值数,并将这些计数写入aggregate_bees中的count_bees字段。

CREATE CONTINUOUS QUERY "bee_cq" ON "mydb" BEGIN SELECT count("bees") AS "count_bees" INTO "aggregate_bees" FROM "farm" GROUP BY time(30m) END
2. 查询CQ的结果

此步骤执行上面的嵌套函数的mean([...])部分。 在aggregate_bees中查询数据,以计算count_bees字段的平均值:

SELECT mean("count_bees") FROM "aggregate_bees" WHERE time >= <start_time> AND time <= <end_time>

results matching ""

    No results matching ""