当前位置： 首页 > news >正文

influxDB 变换类函数

news 来源：原创 2024/5/14 19:09:54

1、DERIVATIVE()函数

作用：返回一个字段在一个series中的变化率。

InfluxDB会计算按照时间进行排序的字段值之间的差异，并将这些结果转化为单位变化率。其中，单位可以指定，默认为1s。

语法：

SELECT DERIVATIVE(<field_key>, [<unit>]) FROM <measurement_name> [WHERE <stuff>]

其中，unit取值可以为以下几种：

u --microseconds
s --seconds
m --minutes
h --hours
d --days
w --weeks

DERIVATIVE()函数还可以在GROUP BY time()的条件下与聚合函数嵌套使用，格式如下：

SELECT DERIVATIVE(AGGREGATION_FUNCTION(<field_key>),[<unit>]) FROM <measurement_name> WHERE <stuff> GROUP BY time(<aggregation_interval>)

 

下面的例子六个观测值的water_level在表h2o_feet设置tag为 santa_monica：

name: h2o_feet
--------------
time			               water_level
2015-08-18T00:00:00Z	 2.064
2015-08-18T00:06:00Z	 2.116
2015-08-18T00:12:00Z	 2.028
2015-08-18T00:18:00Z	 2.126
2015-08-18T00:24:00Z	 2.041
2015-08-18T00:30:00Z	 2.051

例子1
计算每秒钟的变化率
SELECT DERIVATIVE(water_level) FROM h2o_feet WHERE location = 'santa_monica' LIMIT 5
结果
name: h2o_feet
--------------
time			              derivative
2015-08-18T00:06:00Z	 0.00014444444444444457
2015-08-18T00:12:00Z	 -0.00024444444444444465
2015-08-18T00:18:00Z	 0.0002722222222222218
2015-08-18T00:24:00Z	 -0.000236111111111111
2015-08-18T00:30:00Z	 2.777777777777842e-05
注意，derivative中的第一个字段值（0.00014）不是0.052（原始数据中前两个字段值之间的差异：2.116 - 2.604＝0.052）。因为查询不指定单元的选择，InfluxDB自动计算每一秒的变化率，而不是每六分钟的变化率。导数列中第一个值的计算如下所示：(2.116 - 2.064) / (360s / 1s)
分子是按字段值之间的差异。分母是以秒计的相关时间戳之间的差异（2015-08-18t00:06:00z - 2015-08-18t00:00:00z = 360s）除以单位（1s），从2015-08-18t00:00:00z率2015-08-18t00:06:00z返回每秒的变化率。

例子2
计算每六分钟的变化率。
SELECT DERIVATIVE(water_level,6m) FROM h2o_feet WHERE location = 'santa_monica' LIMIT 5
结果
name: h2o_feet
--------------
time			               derivative
2015-08-18T00:06:00Z	 0.052000000000000046
2015-08-18T00:12:00Z	 -0.08800000000000008
2015-08-18T00:18:00Z	 0.09799999999999986
2015-08-18T00:24:00Z	 -0.08499999999999996
2015-08-18T00:30:00Z	 0.010000000000000231

解释：
数列中第一个值的计算如下所示：(2.116 - 2.064 / (6m / 12m)
分子是按字段值之间的差异。分母是分钟相关的时间戳之间的差异（2015-08-18t00:06:00z - 2015-08-18t00:00:00z = 6m）除以单位（12m）。这将改变每12分钟从2015-08-18t00:00:00z率2015-08-18t00:06:00z。
注：指定12m为单位并不意味着InfluxDB计算的数据每12分钟间隔的变化率。相反，InfluxDB计算每个区间的有效数据每12分钟变化率。
例子3
计算每12分钟间隔最大值每秒的变化率
SELECT DERIVATIVE(MAX(water_level)) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' AND time < '2015-08-18T00:36:00Z' GROUP BY time(12m)
结果：
name: h2o_feet
--------------
time			               derivative
2015-08-18T00:12:00Z	 0.009999999999999787
2015-08-18T00:24:00Z	 -0.07499999999999973
解释：
为了得到这些结果，第一集InfluxDB计算区间指定组中的time()条款的时间max() water_level数据（12m）。这些结果看是这样
name: h2o_feet
--------------
time			               max
2015-08-18T00:00:00Z	 2.116
2015-08-18T00:12:00Z	 2.126
2015-08-18T00:24:00Z	 2.051

其次，计算每12m InfluxDB变化率（相同的时间间隔作为集团的time()区间）在派生列得到的结果。导数列中第一个值的计算如下所示：(2.126 - 2.116) / (12m / 12m)

分子是按字段值之间的差异。分母是分钟相关的时间戳之间的差异（2015-08-18t00:12:00z - 2015-08-18t00:00:00z＝12m）除以单位（12m）。这个回报率每12分钟改变汇总数据从2015-08-18t00:00:00z到2015-08-18t00:12:00z。

例子4
　　将数据聚合到18分钟间隔，计算每六分钟的变化率。

SELECT DERIVATIVE(SUM(water_level),6m) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' AND time < '2015-08-18T00:36:00Z' GROUP BY time(18m)

结果：

name: h2o_feet
--------------
time			               derivative
2015-08-18T00:18:00Z	 0.0033333333333332624

解释：
为了得到这些结果，第一集InfluxDB计算区间指定组中的time()条款的时间water_level的sum()数据（18m）。聚合结果如下所示
name: h2o_feet
--------------
time			               sum
2015-08-18T00:00:00Z	 6.208
2015-08-18T00:18:00Z	 6.218

其次，计算出每单位InfluxDB变化率（6m）在派生列得到的结果。导数列中第一个值的计算如下所示：(6.218 - 6.208) / (18m / 6m)
分子是按字段值之间的差异。分母是分钟相关的时间戳之间的差异（2015-08-18t00:18:00z - 2015-08-18t00:00:00z = 18m）除以单位（6m）。这个返回的汇总数据2015-08-18t00:00:00z到2015-08-18t00:18:00z的每六分钟的变化率。

2、DIFFERENCE()函数

作用：返回一个字段中连续的时间值之间的差异。字段类型必须是长整型或float64。

最基本的语法：

SELECT DIFFERENCE(<field_key>) FROM <measurement_name> [WHERE <stuff>]

与GROUP BY time()以及其他嵌套函数一起使用的语法格式：

SELECT DIFFERENCE(<function>(<field_key>)) FROM <measurement_name> WHERE <stuff> GROUP BY time(<time_interval>)

其中，函数可以包含以下几个：

COUNT(), MEAN(), MEDIAN(),SUM(), FIRST(), LAST(), MIN(), MAX(), 和 PERCENTILE()。

下面的例子集中在2015-08-18t00:00:00z和2015-08-18t00:36:00z之间santa_monica现场water_level：

> SELECT water_level FROM h2o_feet WHERE location='santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z'
name: h2o_feet
--------------
time			  water_level
2015-08-18T00:00:00Z	  2.064
2015-08-18T00:06:00Z	  2.116
2015-08-18T00:12:00Z	  2.028
2015-08-18T00:18:00Z	  2.126
2015-08-18T00:24:00Z	  2.041
2015-08-18T00:30:00Z	  2.051
2015-08-18T00:36:00Z	  2.067

例子1
计算water_level之间值的差异：
SELECT DIFFERENCE(water_level) FROM h2o_feet WHERE location='santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z'

结果：
name: h2o_feet
--------------
time			                difference
2015-08-18T00:06:00Z	  0.052000000000000046
2015-08-18T00:12:00Z	  -0.08800000000000008
2015-08-18T00:18:00Z	  0.09799999999999986
2015-08-18T00:24:00Z	  -0.08499999999999996
2015-08-18T00:30:00Z	  0.010000000000000231
2015-08-18T00:36:00Z	  0.016000000000000014
解释：
差异列中的第一个值是2.116 - 2.064，差值列中的第二个值为2.028 - 2.116。
请注意，小数点的额外位置是浮点数不准确的结果。因为数据类型都为float类型。
例子2
选择每12分钟间隔最小的water_level值计算这些值之间的差异：
SELECT DIFFERENCE(MIN(water_level)) FROM h2o_feet WHERE location='santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z' GROUP BY time(12m)
结果：
name: h2o_feet
--------------
time			                difference
2015-08-18T00:12:00Z	  -0.03600000000000003
2015-08-18T00:24:00Z	  0.0129999999999999
2015-08-18T00:36:00Z	  0.026000000000000245
解释：
在不同列中得到值，InfluxDB首先选择min()值每隔12分钟：
> SELECT MIN(water_level) FROM h2o_feet WHERE location='santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z' GROUP BY time(12m)
name: h2o_feet
--------------
time			 min
2015-08-18T00:00:00Z  	2.064
2015-08-18T00:12:00Z  	2.028
2015-08-18T00:24:00Z  	2.041
2015-08-18T00:36:00Z  	2.067

然后使用这些值计算时间顺序值之间的差值；差值列中的第一个值是2.028 - 2.064。

3、ELAPSED()函数

作用：返回一个字段在连续的时间间隔间的差异，间隔单位可选，默认为1纳秒。

单位可选项如下图：

语法：

SELECT ELAPSED(<field_key>, <unit>) FROM <measurement_name> [WHERE <stuff>]

例子1： 

计算差值（纳秒）的领域h2o_feet之间的时间戳：

SELECT ELAPSED(water_level) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:24:00Z'
结果
name: h2o_feet
--------------
time			  elapsed
2015-08-18T00:06:00Z	  360000000000
2015-08-18T00:12:00Z	  360000000000
2015-08-18T00:18:00Z	  360000000000
2015-08-18T00:24:00Z	  360000000000

例子2
在计算领域h2o_feet之间的时间间隔一分钟数：
SELECT ELAPSED(water_level,1m) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:24:00Z'
结果
name: h2o_feet
--------------
time			  elapsed
2015-08-18T00:06:00Z	  6
2015-08-18T00:12:00Z	  6
2015-08-18T00:18:00Z	  6
2015-08-18T00:24:00Z	  6
注意：如果设置的时间间隔比字段数据间的时间间隔更大时，则函数会返回0，如下所示：
> SELECT ELAPSED(water_level,1h) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:24:00Z'
name: h2o_feet
--------------
time			                elapsed
2015-08-18T00:06:00Z	  0
2015-08-18T00:12:00Z	  0
2015-08-18T00:18:00Z	  0
2015-08-18T00:24:00Z	  0

4、MOVING_AVERAGE()函数

作用：返回一个连续字段值的移动平均值，字段类型必须是长整形或者float64类型。

语法：

基本语法

SELECT MOVING_AVERAGE(<field_key>,<window>) FROM <measurement_name> [WHERE <stuff>]

与其他函数和GROUP BY time()语句一起使用时的语法

SELECT MOVING_AVERAGE(<function>(<field_key>),<window>) FROM <measurement_name> WHERE <stuff> GROUP BY time(<time_interval>)

此函数可以和以下函数一起使用：

COUNT(), MEAN(),MEDIAN(), SUM(), FIRST(), LAST(), MIN(), MAX(), and PERCENTILE().

如

下面的例子water_level在表 h2o_feet，location 为santa_monica，时间段2015 - 08 - 18 - t00:00:00z和2015 - 08 - 18 - t00:36:00z:

> SELECT water_level FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z'
name: h2o_feet
--------------
time			  water_level
2015-08-18T00:00:00Z	  2.064
2015-08-18T00:06:00Z	  2.116
2015-08-18T00:12:00Z	  2.028
2015-08-18T00:18:00Z	  2.126
2015-08-18T00:24:00Z	  2.041
2015-08-18T00:30:00Z	  2.051
2015-08-18T00:36:00Z	  2.067
例子1：
计算移动平均在每2字段值:

SELECT MOVING_AVERAGE(water_level,2) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z'

结果：
name: h2o_feet
--------------
time			 moving_average
2015-08-18T00:06:00Z	  2.09
2015-08-18T00:12:00Z	  2.072
2015-08-18T00:18:00Z	  2.077
2015-08-18T00:24:00Z	  2.0835
2015-08-18T00:30:00Z	  2.0460000000000003
2015-08-18T00:36:00Z	  2.059

解释
移动平均线列中的第一个值的平均值是2.064和2.116,第二个移动平均线列中的值是2.116和2.028的平均水平。

例子2
  • 每隔12分钟选择最低值water_level和计算移动平均每2字段值:
SELECT MOVING_AVERAGE(MIN(water_level),2) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z' GROUP BY time(12m)
结果：
name: h2o_feet
--------------
time			                moving_average
2015-08-18T00:12:00Z	  2.0460000000000003
2015-08-18T00:24:00Z	  2.0345000000000004
2015-08-18T00:36:00Z	  2.0540000000000003
解释：
这些结果,InfluxDB首先选择MIN() water_level每12分钟间隔:
name: h2o_feet
--------------
time			   min
2015-08-18T00:00:00Z	  2.064
2015-08-18T00:12:00Z	  2.028
2015-08-18T00:24:00Z	  2.041
2015-08-18T00:36:00Z	  2.067
然后使用这些值来计算移动平均在每2字段值,移动平均线列中的第一个结果的平均值2.064和2.028,第二个结果是2.028和2.041的平均水平。

5、NON_NEGATIVE_DERIVATIVE()函数

作用：返回在一个series中的一个字段中值的变化的非负速率。

InfluxDB计算连续字段值之间的差异和转换的结果为每单位变化率。
单位参数是可选的，如果没有指定，则默认为1秒（1s）。

语法：

SELECT NON_NEGATIVE_DERIVATIVE(<field_key>, [<unit>]) FROM <measurement_name> [WHERE <stuff>]
其中unit取值可以为以下几个：

non_negative_derivative()也可以与嵌套函数a GROUP BY time()一起使用。 

查询包含这些选项，InfluxDB首先进行聚合，选择，或转型通过时间间隔函数group by time()。

然后计算时间字段值之间的差异，并将这些结果转换为每单位的变化率。
单元参数是可选的，如果没有指定，默认为相同的时间间隔作为集团的time()区间。

与聚合类函数放在一起使用时的语法如下所示：

SELECT NON_NEGATIVE_DERIVATIVE(AGGREGATION_FUNCTION(<field_key>),[<unit>]) FROM <measurement_name> WHERE <stuff> GROUP BY time(<aggregation_interval>)

可以参考derivative()的查询例子。derivative()和non_negative_derivative所有的查询结果是相同的除了non_negative_derivative()只返回正数。

6、STDDEV()函数

作用：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

语法：

SELECT STDDEV(<field_key>) FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]

例子1
计算表h20_feet 中字段water_level的标准偏差
SELECT STDDEV(water_level) FROM h2o_feet
结果：
name: h2o_feet
--------------
time			               stddev
1970-01-01T00:00:00Z	 2.279144584196145
例子2
计算water_level在一个星期时间间隔和location 标签，2015年9月18日的午夜2015年8月18日中午之间标准偏差。
SELECT STDDEV(water_level) FROM h2o_feet WHERE time >= '2015-08-18T00:00:00Z' and time < '2015-09-18T12:06:00Z' GROUP BY time(1w), location
结果：
name: h2o_feet
tags: location = coyote_creek
time			 stddev
----			  ------
2015-08-13T00:00:00Z	 2.2437263080193985
2015-08-20T00:00:00Z	 2.121276150144719
2015-08-27T00:00:00Z	 3.0416122170786215
2015-09-03T00:00:00Z	 2.5348065025435207
2015-09-10T00:00:00Z	 2.584003954882673
2015-09-17T00:00:00Z	 2.2587514836274414

name: h2o_feet
tags: location = santa_monica
time			  stddev
----			  ------
2015-08-13T00:00:00Z	 1.11156344587553
2015-08-20T00:00:00Z	 1.0909849279082366
2015-08-27T00:00:00Z	 1.9870116180096962
2015-09-03T00:00:00Z	 1.3516778450902067
2015-09-10T00:00:00Z	 1.4960573811500588
2015-09-17T00:00:00Z	 1.075701669442093

 

 
 
 


转载于:https://www.cnblogs.com/michellexiaoqi/p/7249766.html

相关文章：

  • C# Android 开发中使用 Sqlite.NET ORM
  • 大数据到底怎么学：数据科学概论与大数据学习误区
  • 选项卡TAB
  • 你想快速成为大数据工程师？
  • 【USACO4.2】草地排水Drainage Ditches（最大流）
  • 如何快速学习大数据挖掘分析（个人观点）
  • 人工智能与大数据开发的12个注意事项
  • GuozhongCrawler系列教程 （2） CrawTaskBuilder具体解释
  • 如何利用数据挖掘告别单身
  • 为何大数据开发师的工资能这么高
  • BZOJ2242 SDOI2011 计算器
  • 关于反爬虫，看完这篇文章就够了
  • 使用.NET Reflector 查看Unity引擎里面的DLL文件
  • 大数据从业者应该知道的开源工具（全）
  • python--内置函数
  • -------------------- 第二讲-------- 第一节------在此给出链表的基本操作
  • 2018一半小结一波
  • android图片蒙层
  • CentOS从零开始部署Nodejs项目
  • CSS 专业技巧
  • Docker下部署自己的LNMP工作环境
  • echarts的各种常用效果展示
  • egg(89)--egg之redis的发布和订阅
  • gops —— Go 程序诊断分析工具
  • JavaScript 是如何工作的:WebRTC 和对等网络的机制！
  • JavaScript创建对象的四种方式
  • JavaScript设计模式系列一：工厂模式
  • JS字符串转数字方法总结
  • Lsb图片隐写
  • Object.assign方法不能实现深复制
  • 飞驰在Mesos的涡轮引擎上
  • 利用阿里云 OSS 搭建私有 Docker 仓库
  • 猫头鹰的深夜翻译：JDK9 NotNullOrElse方法
  • 前端代码风格自动化系列（二）之Commitlint
  • 前端每日实战：70# 视频演示如何用纯 CSS 创作一只徘徊的果冻怪兽
  • 浅谈Golang中select的用法
  • 微信开放平台全网发布【失败】的几点排查方法
  • 责任链模式的两种实现
  • 完善智慧办公建设，小熊U租获京东数千万元A+轮融资 ...
  • #Linux杂记--将Python3的源码编译为.so文件方法与Linux环境下的交叉编译方法
  • $.ajax()
  • $.ajax中的eval及dataType
  • ()、[]、{}、(())、[[]]命令替换
  • （八）c52学习之旅-中断实验
  • （超详细）语音信号处理之特征提取
  • （附源码）ssm高校志愿者服务系统 毕业设计 011648
  • （机器学习-深度学习快速入门）第一章第一节：Python环境和数据分析
  • (十三)Maven插件解析运行机制
  • （四）Tiki-taka算法（TTA）求解无人机三维路径规划研究（MATLAB）
  • （一）C语言之入门：使用Visual Studio Community 2022运行hello world
  • .babyk勒索病毒解析：恶意更新如何威胁您的数据安全
  • .net 打包工具_pyinstaller打包的exe太大？你需要站在巨人的肩膀上-VC++才是王道
  • .net和jar包windows服务部署
  • .net专家（高海东的专栏）
  • .sh