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influxdbinflux -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
showmeasurements
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=0insert table_4,hostname=server value=falseinsert 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=abcinsert table_4,hostname=server value=woainiinsert 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

insertdevice_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_namedrop measurement "table_name"
5、查询表
select * from table_name
6、tag（索引）
//查看表的tagshow tag keys from 表名称
7、field （字段）
//查看表的fieldshow field keys from 表名称
8、series
//查看表的seriesshow series from "表名称"//查看当前库的seriesshow 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 telegrafnamedurationshardGroupDurationreplicaNdefaultdefault0168h0m0s1true

  • 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" DEFAULTcreate retention policy "testPolice" on myInfluxdb duration 72hreplication 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

字段名

说明

是否索引

数据类型

device_id

设备id

是

String

message_id

设备消息id

是

String

rocket_message_id

mq消息id

是

String

ts

时间

是

long

uuid

设备uuid

是

String

msg

消息内容

否

String

sources

来源

否

int

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,sourceFROM 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_loggroup 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_loggroup 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),uuidfrom 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"

不是原创，不是原创，不是原创，不是原创，不是原创，不是原创

方便大伙学习和自己学习，记录一下下

原创地址：http://www.chn520.cn/article_detail/1656843048577243