前言

时序数据库一般来说最常见的操作就只有2种，要么写，要么查

influx部分语法说明

特别注意：influxDB 2.0版本相对1.x版本改动较大，尤其是语法方面的改动，2.0版本的语法使用的是JavaScript，1.x使用的是sql。 这里使用的1.x的版本

进入influxdb

要操作 influxdb，首先要进行登录后才能操作，一般情况下，influxdb都是安装在linux系统中的，所以在控制台输入以下命令即可进入influxdb

# 直接登录
influx
# 通过账号密码登录
influx -username root -password 123456

用户相关

//查看用户,两列数据，一列是用户名称，一列是是否为管理员用户
show users
//创建普通户
create user "influx" with password '123456'
//创建管理员用户
create user "root" with password '123456' with all privileges
//修改用户密码
set password for root= 'root'
//通过cli操作influxdb
influx -username root -password root

权限相关

/**
* 数据库设置admin权限的两种方式(建议使用第二种)
*/
GRANT ALL PRIVILEGES ON 数据库名称  TO 用户名称
GRANT ALL PRIVILEGES TO 用户名称
/**
* 数据库撤销admin权限的两种方式(建议使用第二种)
*/
Revoke ALL PRIVILEGES ON 数据库名称 FROM 用户名称
Revoke ALL PRIVILEGES FROM 用户名称

数据库相关

1、创建数据库

create database db_name

2、查看所有数据库

show databases

3、删除库

drop database db_name

4、使用某个数据库

use db_name

表相关

influxdb中没有table（表）的概念，取而代之的是 measurements，功能与关系型数据库的中的表一致，也可以将measurements称为 influxdb中的表；

1、查看所有的表

show  measurements

2、创建表

influxdb中没有建表语句，只能通过insert数据的方式来建立新表，也就是说在插入数据的时候会自动建表

3、插入数据

insert user,hostname=id value=12345678

• user： 表名
• hostname：索引字段名（tag）
• value：字段名，=后面是字段的值

注意：因为是时序数据库，当插入数据后，系统会自动追加时间戳，但也可以在添加数据时自己写入时间戳

insert user ,hostname=id value=12345678 1435362189575692182

指定多个tag

其中 table_1就是表名，host,hostname索引（tag），value=xx是记录值（field），记录值可以有多个，后面的时间戳是我们指定的，如果不指定系统自动加当前时间时间戳。

insert table_1,host=470b14f0-e869-43ed-a8e6-fd634258271f,hostname=server01 value=0.9 1651668886000000000

注意事项

当我们只有一个field时，他的值必须是数值、浮点型、boolean这三种中的其中一种，不能使用其他类型

# 以下三个命令都是可以正常执行的
insert table_4,hostname=server value=0
insert table_4,hostname=server value=false
insert table_4,hostname=server value=0.9
# 以下命令会报错,因为value是字符串类型
insert table_4,hostname=server value=abc
insert table_4,hostname=server value=woaini
insert table_4,hostname=server value=989p

而且一旦指定了类型，不能改变

# 先插入一条数据，value为数值
insert table_4,hostname=server value=0
# 在插入第二条数据，value为boolean类型， 会报错
insert table_4,hostname=server value=false

插入字符串类型的字段

# 其中，value字段为int类型， name字段为string类型
insert table_5,hostname=server value=0,name="woaini"
其中，value字段为int类型， name字段为string类型，age为string类型，xx为int类型
insert table_5,hostname=server value=0,name="w1oaini",age="woxiangni",xx=1

插入具有多个tag和多个field的数据

• 多个tag之间用逗号分割，不能有多余的字符或空格
• 多个field之间用逗号分割，不能有多余的字符或空格
• tag和field之间用空格分割，不能有多余的字符或空格

insert  device_report_dp_log,device_id=G19Hkne5yQ0leOgw,dp_name=Alarm,message_id=123,rocket_message_id=123,ts=123,uuid=123 dp_event="456",dp_event_number=123,event_type=123,source=1,topic_type="1",type="1"

说明

• device_report_dp_log 是表名
• device_id 、dp_name、message_id、rocket_message_id、ts、uuid 是tag
• dp_event、dp_event_number、event_type、source、topic_type、type是field
• tag的数据类型都是string，不需要双引号，field的数据类型如果是string，需要加上双引号

4、删除表

# 如果不行就加上双引号
drop measurement table_name
drop measurement "table_name"

5、查询表

select * from table_name

6、tag（索引）

//查看表的tag
show tag keys from 表名称

7、field （字段）

//查看表的field
show field keys from 表名称

8、series

//查看表的series
show series from "表名称"
//查看当前库的series
show series

9、删除数据

influxdb没有提供删除功能，但是可以配置 数据保留策略。

数据保留策略

influxDB是没有提供直接删除数据记录的方法，但是提供数据保存策略，但是提供数据保存策略，主要用于指定数据保留时间，超过指定时间，就删除这部分数据。（数据库过期策略至少一个小时），默认保存策略为7天（168小时）

查看数据保存策略

# 查看某个库的策略
show retention policies on "数据库名称"
# 查看当前库下的策略，需要先用 use database 命令指定库名
show retention policies

查询结果如下

> SHOW RETENTION POLICIES ON telegraf
name    duration    shardGroupDuration    replicaN    default
default    0        168h0m0s        1        true

• name: 策略名称
• duration：数据保存时间，超过这个时间自动删除，0表示永久保存
• shardGroupDuration：shardGroup的存储时间，shardGroup是InfluxDB的一个基本储存结构，在这个时间内插入的数据查询较快，数据存放大于168小时查询速度降低；
• replicaN：全称是REPLICATION，副本个数
• default：是否默认策略

创建数据保留策略

#  h（小时），d（天），w（星期）
//CREATE RETENTION POLICY "保留策略名称" ON "数据库名称" DURATION "该保留策略对应的数据过期时间" REPLICATION "复制因子，开源的InfluxDB单机环境永远为1" SHARD DURATION "分片组的默认时长" DEFAULT
create retention policy "testPolice" on myInfluxdb duration 72h    replication 1 SHARD DURATION 1h default
//修改保留策略
alter retention policy "保留策略名称" on "数据库名称" duration 1d
//删除保留策略
drop retention policy "保留策略名称" on "数据库名称"

复杂查询

前言

表名 ：device_escalation_log

表结构

一、普通查询

1、查询所有的 tag 和 field

SELECT * FROM device_escalation_log where uuid='123'

2、从单个measurement查询所有的field,不查tag

SELECT *::field FROM device_escalation_log

3、从单个measurement查询特定的field和tag.，注意：查询时至少要带上一个field key，如果只查询tag字段的话是查不到数据的

SELECT uuid,source  FROM device_escalation_log

4、同时查询多张表

select * from device ,device_escalation_log

5、模糊查询

# 前缀匹配 ，相当于 mysql 的 like 'abc%'
select * from device_escalation_log where uuid=~/^abc/
# 后缀匹配 ，相当于 mysql 的 like '%abc'
select * from device_escalation_log where uuid=~/abc$/
# 前后匹配，相当于 mysql 的 like '%abc%'
select * from device_escalation_log where uuid=~/abc/

二、聚合函数

注意事项：

​ 聚合函数只能对field字段进行操作，不能对tag字段操作，否则查询出来的列表是空的

如果我就要对tag字段进行聚合函数计算怎么办？ 那我们可以通过子查询来实现：

select distinct(uuid) from (
   select * from device_escalation_log 
)

1、count() 统计

# 查询某个field字段的中的非空值数量 
select count("msg") from device_escalation_log

2、DISTINCT() 去重

select DISTINCT("msg") from device_escalation_log

3、MEAN() 求平均值，这个平均值必须是数字类型

select MEAN("source") from device_escalation_log

4、MEDIAN() 求中位数，从单个字段（field）中的排序值返回中间值

select MEDIAN("source") from device_escalation_log

5、SPREAD() 返回字段的最小值和最大值之间的差值。数据的类型必须是长整型或float64

select SPREAD("source") from device_escalation_log

6、SUM() 求和

select SUM("source") from device_escalation_log

7、BOTTOM() 返回一个字段中最小的N个值。字段类型必须是长整型或float64类型。

select BOTTOM("source",6) from device_escalation_log

8、FIRST() 返回一个字段中最老的取值。（第一个插入的数据），相当于select * from table order by asc limit 1

select FIRST("source") from device_escalation_log

9、LAST() 返回一个字段中最新的取值。（最后一个插入的数据），相当于select * from table order by desclimit 1

select LAST("source") from device_escalation_log

10、MAX() 求最大值

select MAX("source") from device_escalation_log

11、PERCENTILE() 返回排序值排位为N的百分值。字段的类型必须是长整型或float64。

select PERCENTILE("source",3) from device_escalation_log

12、STDDEV() 返回一个字段中的值的标准偏差。值的类型必须是长整型或float64类型。

select STDDEV("source") from device_escalation_log

三、分组聚合

tag分组

# 根据uuid 进行分组
select * from device_escalation_log  group by uuid
# 根据uuid 进行分组,若uuid为空，使用`5`进行填充
select source,uuid from device_escalation_log  group by uuid fill(5)

先分组在聚合

# 分组聚合后只能查询聚合函数，不能查询字段 ，比如这个查询会报错： select count(source),uuid  from device_escalation_log   group by uuid fill(5)
select count(source)  from device_escalation_log   group by uuid fill(5)
select count(source) ,sum(source)  from device_escalation_log   group by uuid fill(5)

基于时间分组

# 查询所有数据，并对其划分为每200毫秒一组
select count(source) from device_escalation_log   group by time(200ms) 
# 查询所有数据，并对其划分为每200秒一组
select count(source) from device_escalation_log   group by time(200s) 
# 查询所有数据，并对其划分为每12分钟一组
select count(source) from device_escalation_log   group by time(12m) 
# 查询所有数据，并对其划分为每12小时一组
select count(source) from device_escalation_log   group by time(12h) 
# 查询所有数据，并对其划分为每12天一组
select count(source) from device_escalation_log   group by time(12d) 
# 查询所有数据，并对其划分为每12周一组
select count(source) from device_escalation_log   group by time(12w)

四、分页查询

LIMIT 用法有2种

• limit 10：查询前10条数据
• limit size offset N： size表示每页 大小，N表示第几条记录开始查询

# 查询前10条数据
select * from device_escalation_log limit 10
# 分页，pageSize 为每页显示大小， pageIndex 为查询的页数
 pageIndex = 1
 pageSize = 10
 SELECT * FROM device_escalation_log LIMIT pageSize OFFSET (pageIndex-1)*pageSize

五、排序

# 升序
select * from device_escalation_log order by time asc
# 降序
select * from device_escalation_log order by time desc

六、实现 in() 查询

关系型数据库可以用in关键字来查询多个值，就像这样

select * from user where user_name in ('张三'，'李四'，'王五');

但是时序数据库是没有 in 查询的，虽然in是保留的关键字，但是依然有办法解决, 还记得刚刚的模糊查询吗？没错，就是用它来解决这个问题

# 同时匹配 123 和  thing ，因为前后都机上了 ^  和 $ ，所以这已经不是模糊查询，而是完全匹配才会查询出来
select * from device_escalation_log where uuid =~/^123$|^thing$/

六、查看执行计划

和mysql一样，在前面加上 explain 关键字即可，查询结果尚在研究中

 explain select distinct("source") from device_escalation_log

七、指定时区

当我们插入influxdb时默认插入的time字段是0时区的，需要转成指定的时区可以在后面加上 ts('时区字符串')

SELECT * FROM "device_issue_log_111" WHERE time > now() - 5m   tz('Asia/Shanghai')

以下是各个国家的时区列表

 0 = "Africa/Abidjan"
 1 = "Africa/Accra"
 2 = "Africa/Addis_Ababa"
 3 = "Africa/Algiers"
 4 = "Africa/Asmara"
 5 = "Africa/Asmera"
 6 = "Africa/Bamako"
 7 = "Africa/Bangui"
 8 = "Africa/Banjul"
 9 = "Africa/Bissau"
 10 = "Africa/Blantyre"
 11 = "Africa/Brazzaville"
 12 = "Africa/Bujumbura"
 13 = "Africa/Cairo"
 14 = "Africa/Casablanca"
 15 = "Africa/Ceuta"
 16 = "Africa/Conakry"
 17 = "Africa/Dakar"
 18 = "Africa/Dar_es_Salaam"
 19 = "Africa/Djibouti"
 20 = "Africa/Douala"
 21 = "Africa/El_Aaiun"
 22 = "Africa/Freetown"
 23 = "Africa/Gaborone"
 24 = "Africa/Harare"
 25 = "Africa/Johannesburg"
 26 = "Africa/Juba"
 27 = "Africa/Kampala"
 28 = "Africa/Khartoum"
 29 = "Africa/Kigali"
 30 = "Africa/Kinshasa"
 31 = "Africa/Lagos"
 32 = "Africa/Libreville"
 33 = "Africa/Lome"
 34 = "Africa/Luanda"
 35 = "Africa/Lubumbashi"
 36 = "Africa/Lusaka"
 37 = "Africa/Malabo"
 38 = "Africa/Maputo"
 39 = "Africa/Maseru"
 40 = "Africa/Mbabane"
 41 = "Africa/Mogadishu"
 42 = "Africa/Monrovia"
 43 = "Africa/Nairobi"
 44 = "Africa/Ndjamena"
 45 = "Africa/Niamey"
 46 = "Africa/Nouakchott"
 47 = "Africa/Ouagadougou"
 48 = "Africa/Porto-Novo"
 49 = "Africa/Sao_Tome"
 50 = "Africa/Timbuktu"
 51 = "Africa/Tripoli"
 52 = "Africa/Tunis"
 53 = "Africa/Windhoek"
 54 = "America/Adak"
 55 = "America/Anchorage"
 56 = "America/Anguilla"
 57 = "America/Antigua"
 58 = "America/Araguaina"
 59 = "America/Argentina/Buenos_Aires"
 60 = "America/Argentina/Catamarca"
 61 = "America/Argentina/ComodRivadavia"
 62 = "America/Argentina/Cordoba"
 63 = "America/Argentina/Jujuy"
 64 = "America/Argentina/La_Rioja"
 65 = "America/Argentina/Mendoza"
 66 = "America/Argentina/Rio_Gallegos"
 67 = "America/Argentina/Salta"
 68 = "America/Argentina/San_Juan"
 69 = "America/Argentina/San_Luis"
 70 = "America/Argentina/Tucuman"
 71 = "America/Argentina/Ushuaia"
 72 = "America/Aruba"
 73 = "America/Asuncion"
 74 = "America/Atikokan"
 75 = "America/Atka"
 76 = "America/Bahia"
 77 = "America/Bahia_Banderas"
 78 = "America/Barbados"
 79 = "America/Belem"
 80 = "America/Belize"
 81 = "America/Blanc-Sablon"
 82 = "America/Boa_Vista"
 83 = "America/Bogota"
 84 = "America/Boise"
 85 = "America/Buenos_Aires"
 86 = "America/Cambridge_Bay"
 87 = "America/Campo_Grande"
 88 = "America/Cancun"
 89 = "America/Caracas"
 90 = "America/Catamarca"
 91 = "America/Cayenne"
 92 = "America/Cayman"
 93 = "America/Chicago"
 94 = "America/Chihuahua"
 95 = "America/Coral_Harbour"
 96 = "America/Cordoba"
 97 = "America/Costa_Rica"
 98 = "America/Creston"
 99 = "America/Cuiaba"