一、什么是InfluxDB

​ InfluxDB是一个由InfluxData开发的开源时序型数据。它由Go写成，着力于高性能地查询与存储时序型数据。InfluxDB被广泛应用于存储系统的监控数据，IoT行业的实时数据等场景。

​ 当前最新稳定版本InfluxDB v2.0

二、InfluxDB基础概念

2.1 database（数据库）

​ 同SQL中的database

1
2
3
4
5
6
> show databases
name: databases
name
----
telegraf
_internal

2.2 measurement（表）

​ 同SQL中的table

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
> use telegraf
Using database telegraf
> show measurements
name: measurements
name
----
cpu
docker
docker_container_blkio
docker_container_cpu
docker_container_mem
docker_container_net
docker_container_status
influxdb
influxdb_cq
influxdb_database
influxdb_httpd
influxdb_memstats
influxdb_queryExecutor
influxdb_runtime
influxdb_shard
influxdb_subscriber
influxdb_tsm1_cache
influxdb_tsm1_engine
influxdb_tsm1_filestore
influxdb_tsm1_wal
influxdb_udp
influxdb_write
system

2.3 point（时序数据记录）

​ 相当于SQL中的数据行。下面每一条数据就是一个point。由时序（series）和时间戳（timestamp）唯一标识。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
> select * from system limit 10
name: system
time                host                     load1 load15 load5 n_cpus n_users uptime uptime_format
----                ----                     ----- ------ ----- ------ ------- ------ -------------
1608192260000000000 telegraf-getting-started 0.71  0.07   0.22  6      0       20849   5:47
1608192265000000000 telegraf-getting-started 0.65  0.07   0.21  6      0       20854   5:47
1608192270000000000 telegraf-getting-started 0.6   0.07   0.21  6      0       20859   5:47
1608192275000000000 telegraf-getting-started 0.55  0.07   0.2   6      0       20864   5:47
1608192280000000000 telegraf-getting-started 0.5   0.07   0.2   6      0       20869   5:47
1608192285000000000 telegraf-getting-started 0.46  0.07   0.2   6      0       20874   5:47
1608192290000000000 telegraf-getting-started 0.43  0.07   0.19  6      0       20879   5:47
1608192295000000000 telegraf-getting-started 0.39  0.07   0.19  6      0       20884   5:48
1608192300000000000 telegraf-getting-started 0.36  0.07   0.19  6      0       20889   5:48
1608192305000000000 telegraf-getting-started 0.33  0.07   0.18  6      0       20894   5:48

> show field keys from system
name: system
fieldKey      fieldType
--------      ---------
load1         float
load15        float
load5         float
n_cpus        integer
n_users       integer
uptime        integer
uptime_format string

2.4 time（时间）

​ 既然是时间序列数据库，influxdb的数据都有一列名为time的列，里面存储UTC时间戳。time可以在插入数据时自己添加，如果没有添加，InfluxDB会自动创建。在InfluxDB中，时间几乎可以看作是主键。

2.5 tag（标签）

​ 用于创建索引，提升查询性能，一般存放标识数据来源的属性信息。在下方代码中，system表中的标签为host，对应的标签值为telegraf-getting-started。

1
2
3
4
5
6
7
8
9
10
11
> show tag keys from system
name: system
tagKey
------
host

> show tag values from system with key=host
name: system
key  value
---  -----
host telegraf-getting-started

2.6 field（指标）

​ 一般存放的是具体的时序数据，即随着时间戳的变化而变化的数据，与标签不同的是，未对指标数据创建索引。

1
2
3
4
5
6
7
8
9
10
11
> show field keys from system
name: system
fieldKey      fieldType
--------      ---------
load1         float
load15        float
load5         float
n_cpus        integer
n_users       integer
uptime        integer
uptime_format string

2.7 retention policy（保留策略）

​ 定义InfluxDB的数据保留时长和数据存储的副本数量，通过设置合理的保存时间（Duration）和副本数量（Replication），在提升数据存储可用性的同时，避免数据爆炸。

1
2
3
4
5
6
7
8
9
10
11
> show databases
name: databases
name
----
telegraf
_internal

> show retention policies on telegraf
name    duration shardGroupDuration replicaN default
----    -------- ------------------ -------- -------
autogen 0s       168h0m0s           1        true

​ 以上表示telegraf数据库中存在一个数据保留策略，其中的数据永久保存，不过期（duration=0s），副本数为1(replicaN=1)

2.8 series（时间序列线）

​ 表示表名、保留策略、标签集都相同的组数据。

1
2
3
4
> show series on telegraf from system
key
---
system,host=telegraf-getting-started

三、InfluxDB操作模式

​ InfluxDB提供两种原生的操作模式：influx命令行工具和InfluxDB API。

​ influx命令行工具是一种类似于mysql命令行工具的命令行接口，可以方便地执行管理、运维、调试性质的操作。

​ InfluxDB API是一种可编程性强、编程语言友好的RESTful API的操作接口，支持HTTP和HTTPS协议。

3.1 influx命令行工具

3.1.1 内置命令

​ 与mysql命令行工具类似，influx也内置了丰富、强大的命令，下面将详细介绍常用的内置命令。

a.help命令

​ help命令输出支持的内置命令的及其使用帮助信息。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
> help
Usage:
        connect <host:port>   connects to another node specified by host:port
        auth                  prompts for username and password
        pretty                toggles pretty print for the json format
        chunked               turns on chunked responses from server
        chunk size <size>     sets the size of the chunked responses.  Set to 0 to reset to the default chunked size
        use <db_name>         sets current database
        format <format>       specifies the format of the server responses: json, csv, or column
        precision <format>    specifies the format of the timestamp: rfc3339, h, m, s, ms, u or ns
        consistency <level>   sets write consistency level: any, one, quorum, or all
        history               displays command history
        settings              outputs the current settings for the shell
        clear                 clears settings such as database or retention policy.  run 'clear' for help
        exit/quit/ctrl+d      quits the influx shell

        show databases        show database names
        show series           show series information
        show measurements     show measurement information
        show tag keys         show tag key information
        show field keys       show field key information

        A full list of influxql commands can be found at:
        https://docs.influxdata.com/influxdb/latest/query_language/spec/

b.auth命令

​ auth命令，提示输入用户名和密码，后续执行influx命令行操作时，进行认证。

1
2
3
> auth
username: admin
password:

​ 通过auth命令输入用户名密码时，密码不会显示。

c.connect命令

​ connect命令，在不退出命令行shell情况下，连接到指定的IP和端口的InfluxDB服务器上。默认连接localhost:8086

1
2
> connect localhost:8086
>

d.consistency命令

​ consistency命令，用于配置写一致性的级别：any、one、quorum、all

写一致性级别 描述
any 任何一个节点写入成功后，或者接收节点已将数据写入hinted handoff缓存队列后，就会返回成功给客户端。
one 任何一个节点写入成功后，立即返回成功给客户端，不包括成功写入hinted handoff缓存队列。
quorum 当大多数节点写入成功后，会返回成功给客户端。此选项仅在副本数大于2时有意义，否则等效于all。
all 仅在所有节点都写入成功后返回成功。

​ 设置写一致性级别为all。

1
2
> consistency all
>

e.format命令

​ format命令，设置服务器响应数据的格式：json、csv、column

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
> format json
> show databases
{"results":[{"series":[{"name":"databases","columns":["name"],"values":[["telegraf"],["_internal"]}]}]}

> format csv
> show databases
name,name
databases,telegraf
databases,_internal

> format column
> show databases
name: databases
name
----
telegraf
_internal

f.insert命令

​ insert命令，写入行协议格式的时序数据。

1
2
3
4
5
6
# 基础语法
> insert into <retention policy> <line protocol>

# 使用数据库默认保留策略，插入一条数据
> insert test_table,test_tag=tag1 value=123
>

g.select命令

​ select命令，查询InfluxDB数据

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# 语法 
# SELECT <field_key>[,<field_key>,<tag_key>] FROM <measurement_name>[,<measurement_name>]
# 其中，<field_key>和<measurement_name>是必需的，其他部分为可选项。<field_key>[,<field_key>,<tag_key>]表示指定查询结果展现的字段。
> select * from system limit 10
name: system
time                host                     load1 load15 load5 n_cpus n_users uptime uptime_format
----                ----                     ----- ------ ----- ------ ------- ------ -------------
1608192260000000000 telegraf-getting-started 0.71  0.07   0.22  6      0       20849   5:47
1608192265000000000 telegraf-getting-started 0.65  0.07   0.21  6      0       20854   5:47
1608192270000000000 telegraf-getting-started 0.6   0.07   0.21  6      0       20859   5:47
1608192275000000000 telegraf-getting-started 0.55  0.07   0.2   6      0       20864   5:47
1608192280000000000 telegraf-getting-started 0.5   0.07   0.2   6      0       20869   5:47
1608192285000000000 telegraf-getting-started 0.46  0.07   0.2   6      0       20874   5:47
1608192290000000000 telegraf-getting-started 0.43  0.07   0.19  6      0       20879   5:47
1608192295000000000 telegraf-getting-started 0.39  0.07   0.19  6      0       20884   5:48
1608192300000000000 telegraf-getting-started 0.36  0.07   0.19  6      0       20889   5:48
1608192305000000000 telegraf-getting-started 0.33  0.07   0.18  6      0       20894   5:48

h.pretty命令

​ pretty命令，支持json格式的漂亮打印。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
> format json
> pretty
Pretty print enabled
> show databases
{
    "results": [
        {
            "series": [
                {
                    "name": "databases",
                    "columns": [
                        "name"
                    ],
                    "values": [
                        [
                            "telegraf"
                        ],
                        [
                            "_internal"
                        ],
                        [
                            "sdh"
                        ]
                    ]
                }
            ]
        }
    ]
}

i.precision命令

​ 设置InfluDB任何返回的时间戳的格式和精度

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
> select usage_idle from cpu limit 10
name: cpu
time                usage_idle
----                ----------
1608192265000000000 72.50516173433628
1608192265000000000 78.51239669419748
1608192265000000000 59.54825462012106
1608192265000000000 58.07770961143064
1608192265000000000 81.06995884776066
1608192265000000000 81.4583333332809
1608192265000000000 76.71517671518662
1608192270000000000 97.37903225811687
1608192270000000000 98.58012170385994
1608192270000000000 98.7975951903549
>
# rfc3339 是让InfluxDB返回格式(YYYY-MM-DDTHH:MM:SS.nnnnnnnnnZ)的时间戳。
> precision rfc3339
>
> select usage_idle from cpu limit 10
name: cpu
time                 usage_idle
----                 ----------
2020-12-17T08:04:25Z 72.50516173433628
2020-12-17T08:04:25Z 78.51239669419748
2020-12-17T08:04:25Z 59.54825462012106
2020-12-17T08:04:25Z 58.07770961143064
2020-12-17T08:04:25Z 81.06995884776066
2020-12-17T08:04:25Z 81.4583333332809
2020-12-17T08:04:25Z 76.71517671518662
2020-12-17T08:04:30Z 97.37903225811687
2020-12-17T08:04:30Z 98.58012170385994
2020-12-17T08:04:30Z 98.7975951903549

j.InfluxQL命令

​ InfluxDB OSS 2.0支持InfluxQL只读查询。

支持的InfluxQL查询 支持的InfluxQL查询
DELETE*
*DROP MEASUREMENT
EXPLAIN ANALYZE
SELECT （只读）
SHOW DATABASES
SHOW MEASUREMENTS
SHOW TAG KEYS
SHOW TAG VALUES
SHOW FIELD KEYS		 SELECT INTO
ALTER
CREATE
DROP （有限的支持）
GRANT
KILL
REVOKE

​ 详细参考：InfluxDB v2.0 Documentation

3.2 InfluxDB API模式

​ InfluxDB API是一种RESTful API风格的接口，返回json格式的响应数据，并支持身份认证、JWT令牌、丰富的HTTP响应等。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# 使用InfluxDB API检查InfluxDB服务的实例状态和版本信息。
$ curl -ig http://localhost:8086/ping
HTTP/1.1 204 No Content
Content-Type: application/json
Request-Id: 983992b2-4435-11eb-9d64-0242ac130003
X-Influxdb-Build: OSS
X-Influxdb-Version: 1.8.3
X-Request-Id: 983992b2-4435-11eb-9d64-0242ac130003
Date: Tue, 22 Dec 2020 09:10:54 GMT

# 创建数据库
curl -POST http://localhost:8086/query --data-urlencode "q=CREATE DATABASE test_db"

# 删除数据库
curl -POST http://localhost:8086/query --data-urlencode "q=DROP DATABASE test_db"

# 添加数据 其中，db=test_db是指使用test_db这个数据库。 --data-binary后面是需插入数据。 test_table是表名（measurement），tag字段是tag_key1和tag_key2，值分别为：value1和value2。 field key字段是value，值为12.3。 时间戳（timestamp）指定为1608192295000000000
# tags、field和时间戳三者之间以空格相分隔。
curl -i -XPOST 'http://localhost:8086/write?db=test_db' --data-binary 'test_table,tag_key1=value1,tag_key2=value2 value=12.3 1608192295000000000'

​ 使用HTTP API模式时，InfluxDB响应主要有以下几个：

  • 2xx：204代表no content，写入成功。

    ​ 200代表InfluxDB可以接收请求但是没有完成请求。一般会在body体中带有出错信息。

  • 4xx：InfluxDB不能解析请求。

  • 5xx：系统出现错误。

四、连续查询和保留策略

​ 在实际生产中，可以通过连续查询提高查询效率，降低查询延时。通过保留策略淘汰过期的冷数据，降低存储成本。

4.1 连续查询

​ 连续查询是InfluxDB中的一种查询类型。它会按照用户指定的查询规则，自动地、周期性地查询实时数据并执行指定运算，然后将查询结果保存在一张指定的表中。

​ 通过创建连续查询，用户可以指定InfluxDB执行连续查询的时间间隔、单次查询的时间范围以及查询规则。InfluxDB会根据用户所指定的规则，定期地将过去一段时间内的原始时序数据以用户所期望的方式保存至新的结果表中，从而降低存储数据的时间精度，大大减少新表中的数据量。同时，将查询的结果保存在指定的数据表中，也便于用户直接查询所关心的内容，从而降低查询的运算复杂度，提升查询效率。

4.1.1 连续查询基础特性

a.创建基础连续查询

1
2
3
4
CREATE CONTINUOUS QUERY <cq_name> ON <database_name>
BEGIN
  <cq_query>
END

其中：

  • <cq_name>：连续查询的名称。
  • <database_name>：连续查询所在数据库的名称。
  • <cq_query>：具体连续查询语句。

cq_query语法

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

1
2
3
4
5
6
# 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_query的WHERE子句中的任何用户指定的时间范围将被系统忽略。
SELECT <function[s]>
INTO <destination_measurement>
FROM <measurement>
[WHERE <stuff>]
GROUP BY time(<interval>)[,<tag_key[s]>]
  • <function[s]>：要查询的字段以及所查询的内置函数。
  • <destination_measurement>：保存查询结果的目标表。若目标表不存在，将自动创建。
  • <measurement>：要查询的数据表。
  • <stuff>：具体查询条件，可选参数。
  • <interval>：连续查询语句执行的时间间隔与查询的时间范围。
  • <tag_key[s]>：归类的标签字段，可选参数。

b.连续查询运行时间点和覆盖时间范围

​ InfluxDB在执行连续查询时，GROUP BY time()指定的时间既决定了连续查询每次执行的时间间隔，也决定了连续查询的查询时间范围。

​ InfluxDB会根据连续查询语句中GROUP BY time()所指定的时间间隔，基于InfluxDB本地服务器的时间，在预设的时间节点开始执行这些连续查询语句。例如，GROUP BY time(1h)指定的时间间隔是1小时，InfluxDB则会在每个小时开始的时候执行连续查询语句，如11:00、12:00、13:00开始执行。

​ InfluxDB在执行连续查询语句时，首先通过now()函数获取当前的时间，再用当前时间减去GROUP BY time()所指定的时间间隔。这两个时间点之间的左闭右开区间就是连续查询语句查询的时间范围。例如，GROUP BY time()设置的时间长度是1个小时，执行的时间点是12:00，那么所查询的时间范围就是11:00-11:59.999999999。

c.基础连续查询例子

​ 以下例子使用数据库telegraf中的示例数据。measurement cpu存储有关cpu的利用率数据：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
> select usage_idle from cpu where cpu='cpu-total' limit 10
name: cpu
time                 usage_idle
----                 ----------
2020-12-17T08:04:25Z 72.50516173433628
2020-12-17T08:04:30Z 97.9825151311173
2020-12-17T08:04:35Z 98.24383654174343
2020-12-17T08:04:40Z 99.02159244261804
2020-12-17T08:04:45Z 98.65319865321746
2020-12-17T08:04:50Z 99.05882352941568
2020-12-17T08:04:55Z 99.22741014440601
2020-12-17T08:05:00Z 99.19436052369674
2020-12-17T08:05:05Z 99.09274193547002
2020-12-17T08:05:10Z 99.02521008405513

​ 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。

1
2
3
4
5
6
7
create continuous query cpu_usage_idle_15m on telegraf
begin
select mean(usage_idle) as usage_idle_15m
into cpu_usage_idle_15m
from cpu
group by time(15m)
end

​ 在数据库telegraf中创建一个名为cpu_usage_idle_15m的连续查询，每15m求measurement cpu中usage_idle的平均数。

​ 例子参考：InfluxDB中文文档-连续查询

d.基础连续查询常见问题

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()和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。

4.1.2 连续查询高级特性

a.创建高级连续查询

1
2
3
4
5
CREATE CONTINUOUS QUERY <cq_name> ON <database_name>
RESAMPLE EVERY <interval> FOR <interval>
BEGIN
		<cq_query>
END

​ 相比创建基础连续查询语句的语法，创建高级连续查询多了RESAMPLE子句。用户可以通过RESAMPLE子句分别指定更具体的查询时间间隔和时间范围。

  • EVERY <interval>：指定执行连续查询的时间间隔。每隔EVERY子句所指定的时间间隔，InfluxDB会在预设的时间点开始执行连续查询。假设EVERY子句设置时间间隔为1小时，那么每隔1个小时，InfluxDB会在当前小时开始的时间点执行连续查询语句。
  • FOR <interval>：指定查询的时间范围。同样地，InfluxDB会通过now()函数查询当前时间，并用当前时间减去FOR子句所设置的时间间隔，由这两个时间点得到所查询的时间范围。如果FOR子句设置的时间间隔是2小时，并且当前时间是12:00，那么查询的时间范围就是10:00到11:59.999999999。

​ EVERY子句和FOR子句其一或者二者都有设置的时候，RESAMPLE子句就会生效。如果二者都没有设置，则连续查询语句按照基础语法规则执行。

b.高级连续查询的时间设置

​ 由于高级连续查询语句中有多处涉及时间的设置，常会出现以下两种情况：

1）如果EVERY子句设置的时间间隔大于GROUP BY time()所设置的时间间隔，且FOR未设置，连续查询语句将按照EVERY子句设置的时间间隔执行，查询的时间范围是now()减去EVERY子句设置的时间间隔（GROUP BY time()指定的时间间隔不生效）。

​ 例如，GROUP BY time()设置的时间间隔是5分钟，EVERY设置的时间间隔是10分钟，则连续查询语句会每隔10分钟执行一次。每次执行，查询的时间范围为当前时间过去的10分钟。

2）FOR子句设置的查询时间范围必须大于连续查询执行的时间间隔。如果FOR子句设置的查询时间范围小于连续查询执行的时间间隔，如小于GROUP BY time()设置的时间间隔（如果EVERY子句有指定，则是EVERY子句指定的时间间隔），这时InfluxDB会报错，错误信息如下。 

1
2
3
4
> create continuous query cpu_usage_idle_15m_t on telegraf resample for 10m begin select mean(usage_idle) as usage_idle_15m_t into cpu_usage_idle_15m_t from cpu group by time(15m) end

ERR: error parsing query: FOR duration must be >= GROUP BY time duration: must be a minimum of 15m, got 10m
>

c.高级连续查询例子

1
2
3
4
5
6
7
8
create continuous query cpu_usage_idle_30m on telegraf
resample for 30m
begin
select mean(usage_idle) as usage_idle_30m
into cpu_usage_idle_30m
from cpu
group by time(15m)
end

​ 在数据库telegraf中创建一个名为cpu_usage_idle_30m的连续查询，每15m求measurement cpu在过去30分钟内usage_idle的平均数。

​ 例子参考：InfluxDB中文文档-连续查询

4.1.3 管理连续查询

a.查询已创建连续查询

1
> show continuous queries

b.删除已创建的连续查询

1
2
# DROP CONTINUOUS QUERY <cq_name> ON <database_name>
> drop continuous query cq_to_be_deleted on cq_test_db

4.1.4 连续查询的应用场景

a.复杂查询的预处理

​ 我们的监控数据往往粒度较细、数据量大，不能直观地反映监控对象的状态，需要进一步进行处理和汇总，这时需要进行比较复杂的查询。这些查询可能耗时较长，也可能会造成较大的系统开销，如果高频实时地进行查询，可能会对业务体验、系统的稳定性带来一定的冲击。

​ 如果采用连续查询，系统将提前定期对监控数据进行处理、汇总，将粒度过细的数据转化成我们期望的数据并进行存储，然后再对处理后的数据进行实时直接查询，这样不但可以满足我们的查询需求，而且可以降低查询延时、减少对系统资源的消耗。

b.降低数据采样率，结合数据保留策略节省成本

​ 监控数据的上报往往是海量的，并随时间的推移不断增加，这些数据会占用大量的存储空间。连续查询会定期自动地将高精度数据转化成低精度数据，并通过数据保留策略将我们不关心的高精度数据从数据库中清除，大大减少了存储数据量，降低了存储成本。

​ 通过连续查询，结合InfluxDB的数据保留策略，可以很好地解决存储成本的问题。

c.实现SQL的Having功能

​ InfluxDB不支持SQL中的Having子句，但我们可以通过连续查询的方式对数据进行聚合、统计，再对这些结果进行查询，即可达到SQLHaving一样的效果。

​ 例如，我们要统计每小时CPU利用率的平均值，并找到平均值大于80的结果，SQL的查询语句如下：

1
SELECT mean("cpu_usage") FROM "cpu_usage_detail" GROUP BY time(60m) HAVING mean("cpu_usage ") > 80

​ 在InfluxDB中，先通过连续查询的方式对数据进行聚合、统计，再对这些结果进行查询，即可达到SQL Having语句的功能，具体步骤如下：

​ 1.创建一条连续查询

​ 首先，我们创建一条连续查询，用于定期统计每个小时CPU利用率的平均值，并将结果保存在表cpu_result中。

1
2
3
4
5
6
7
create continuous query "cpu_cq" on "cpu_db"
begin
select mean("cpu_usage") as "mean_cpu_usage"
into "cpu_result"
from "cpu_usage_detail"
group by time(60m)
end

​ 2.对连续查询结果进行查询

​ 查询表cpu_result，查询到CPU利用率均值大于80的结果。

1
select "mean_cpu_usage" from "cpu_result" where "mean_cpu_usage" > 80

d.实现SQL的函数嵌套

​ 大多数InfluxQL的内置函数不支持函数的嵌套，如果某些查询场景要用到函数的嵌套，我们可以通过连续查询先执行内部函数的计算，然后再对计算结果进行查询和执行外部函数的计算。

​ 例如，统计过去每小时CPU的最大利用率，并计算它们的总平均值。 SQL函数嵌套语句如下：

1
select mean(max("cpu_usage")) from "cpu_usage_detail" group by time(60m)

​ 在InfluxDB中可以先通过连续查询执行内部函数的计算，然后再对计算结果进行查询和执行外部函数的计算，即可达到SQL函数嵌套语句的功能，具体步骤如下：

​ 1.创建一条连续查询

​ 创建一条连续查询，用于定期统计每小时CPU的最大利用率，并将结果保存在表cpu_result中。

1
2
3
4
5
6
create continuous query "cpu_cq" on "cpu_db"
begin
select max("cpu_usage") as "max_cpu"
into "cpu_result" from "cpu_usage_detail"
group by time(60m)
end

​ 2.对连续查询结果进行查询

​ 对表cpu_result进行查询，计算出一段时间内的每小时CPU的最大利用率的均值。

1
2
select mean("max_cpu") from "cpu_result"
where time >= <start_time> and time <= <end_time>

4.2 保留策略

​ 数据保留策略是InfluxDB的一个重要组成部分，InfluxDB通过保留策略来决定数据的保留时长。InfluxDB会计算本地服务器时间和存储数据的时间戳的差值，如果该差值大于保留策略设置的保留时长，则会将这些过期数据删除。

4.2.1 创建保留策略

​ 创建保留策略的基本语法：

1
CREATE RETENTION POLICY <retention_policy_name> ON <database_name> DURATION <duration> REPLICATION <n> [SHARD DURATION <duration>] [DEFAULT]

​ 其中SHARD DURATION、DEFAULT为可选设置项，其他均为必选设置项。

  • DURATION：DURATION子句指定了InfluxDB需要保留数据的时长。DURATION所指定的值<duration>为保留时间长度或者为INF（代表infinite，无限长）。InfluxDB最小的保留时间间隔是1个小时，最长的保留时间间隔是无限长（INF）。
  • REPLICATION：REPLICATION子句指定了集群中每条数据有多少个不相关的副本，<n>表示指定的副本数，副本数的最大值为DATA节点的节点个数。
  • DEFAULT：将所创建的数据保留策略设置为该数据库的默认保留策略，该项为可选设置项。一个数据库可以有多个数据保留策略，同一个数据库中的不同保留策略的名字必须是唯一的。如果成功创建保留策略，InfluxDB不返回任何信息；如果重复创建相同的保留策略，即保留策略名字相同，策略规则也完全相同，则InfluxDB不会报错；如果创建的保留策略名字已存在，但策略规则不同，则InfluxDB会报错。
1
2
3
# 在数据库rp_test_database中创建了一条保留策略rp_one_day，保留数据的时间长度为1天，数据副本数为1。
> create retention policy "rp_one_day" on "rp_test_database" duration 1d rep lication 1 
>

4.2.2 查询保留策略

​ 查询保留策略的基本语法：

1
SHOW RETENTION POLICIES ON <database_name>
  • <database_name>：数据库名称。

4.2.3 修改保留策略

​ 修改保留策略的基本语法：

1
ALTER RETENTION POLICY <retention_policy_name> ON <database_name> DURATION <duration> REPLICATION <n> SHARD DURATION <duration> [DEFAULT]

​ 其中参数含义和创建相同。

4.2.4 删除保留策略

​ 删除保留策略的基本语法：

1
DROP RETENTION POLICY <retention_policy_name> ON <database_name>

  • <retention_policy_name>：指定的保留策略的名称。

  • <database_name>：指定的数据库名称。

    注意，若删除成功，InfluxDB不返回任何信息，如果删除一个不存在的保留策略，InfluxDB不会报错。