influxDB选择类函数
1）TOP()函数
作用：返回一个字段中最大的N个值，字段类型必须是长整型或float64类型。
语法：
SELECT TOP(<field_key>[,<tag_keys>],<N>)[,<tag_keys>] FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]
例子1
选择3个water_level最大值
SELECT TOP(water_level,3) FROM h2o_feet
结果
name: h2o_feet
--------------
time top
2015-08-29T07:18:00Z 9.957
2015-08-29T07:24:00Z 9.964
2015-08-29T07:30:00Z 9.954
例子2选择3个water_level最大值，并在输出中包含相关的location标记：SELECT TOP(water_level,3),location FROM h2o_feet结果
name: h2o_feet
--------------
time top location
2015-08-29T07:18:00Z 9.957 coyote_creek
2015-08-29T07:24:00Z 9.964 coyote_creek
2015-08-29T07:30:00Z 9.954 coyote_creek例子3
选择在2个location标签的最大值
SELECT TOP(water_level,location,2) FROM h2o_feet结果
name: h2o_feet
--------------
time top location
2015-08-29T03:54:00Z 7.205 santa_monica
2015-08-29T07:24:00Z 9.964 coyote_creek输出显示的位置每个标签值water_level最高值（santa_monica和coyote_creek）。
注：查询语法SELECT TOP(<field_key>,<tag_key>,<N>)，标签在哪里有X的不同的值，返回n或x字段的值，以较小者为准，并返回的每个点有一个独特的标签值。要演示这种行为，请参见上面示例查询的结果，其中n等于3，n等于1。
N=3
SELECT TOP(water_level,location,3) FROM h2o_feet结果
name: h2o_feet
--------------
time top location
2015-08-29T03:54:00Z 7.205 santa_monica
2015-08-29T07:24:00Z 9.964 coyote_creek返回两个值而不是三InfluxDB因为位置标签只有两个值（santa_monica和coyote_creek）。
N=1
SELECT TOP(water_level,location,1) FROM h2o_feet
结果
name: h2o_feet
--------------
time top location
2015-08-29T07:24:00Z 9.964 coyote_creek比较water_level InfluxDB顶值在每个标签的位置值并返回water_level的较大值。
例子4
选择最大water_level 2个值，范围2015年8月18日 4点与2015年8月18日4点18分，范围每个location标签
SELECT TOP(water_level,2) FROM h2o_feet WHERE time >= '2015-08-18T04:00:00Z' AND time < '2015-08-18T04:24:00Z' GROUP BY location
结果
name: h2o_feet例子5
tags: location=coyote_creek
time top
---- ---
2015-08-18T04:00:00Z 2.943
2015-08-18T04:06:00Z 2.831 name: h2o_feet
tags: location=santa_monica
time top
---- ---
2015-08-18T04:06:00Z 4.055
2015-08-18T04:18:00Z 4.124
选择wtaer_level最大的2个值，在范围2015年8月18日 4点与2015年8月18日4点18分，location为santa_monica
SELECT TOP(water_level,2) FROM h2o_feet WHERE time >= '2015-08-18T04:00:00Z' AND time < '2015-08-18T04:24:00Z' AND location = 'santa_monica'name: h2o_feet
--------------
time top
2015-08-18T04:06:00Z 4.055
2015-08-18T04:18:00Z 4.124
值得注意的是原始数据，water_level等于4.055在2015-08-18t04:06:00z和2015-08-18t04:12:00z。在相同的情况下，InfluxDB返回值更早的那个时间戳。2、BOTTOM()函数
作用：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。
语法：
SELECT BOTTOM(<field_key>[,<tag_keys>],<N>)[,<tag_keys>] FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]例子1
选择三个最小值
SELECT BOTTOM(water_level,3) FROM h2o_feet
结果
name: h2o_feet例子2
--------------
time bottom
2015-08-29T14:30:00Z -0.61
2015-08-29T14:36:00Z -0.591
2015-08-30T15:18:00Z -0.594
选择三个最小值，在输出中包含相关的location标签:
SELECT BOTTOM(water_level,3),location FROM h2o_feet
name: h2o_feet
--------------
time bottom location
2015-08-29T14:30:00Z -0.61 coyote_creek
2015-08-29T14:36:00Z -0.591 coyote_creek
2015-08-30T15:18:00Z -0.594 coyote_creek
例子3
选择2个location最小值
SELECT BOTTOM(water_level,location,2) FROM h2o_feet
结果name: h2o_feet输出显示的位置每个标签值water_level底值（santa_monica和coyote_creek）。
--------------
time bottom location
2015-08-29T10:36:00Z -0.243 santa_monica
2015-08-29T14:30:00Z -0.61 coyote_creek
注：查询语法select（< field_key >，< tag_key >，＜n＞），标签在哪里有X的不同的值，返回n或x字段的值，以较小者为准，并返回的每个点有一个独特的标签值。要演示这种行为，请参见上面示例查询的结果，其中n等于3，n等于1。N=3
SELECT BOTTOM(water_level,location,3) FROM h2o_feet
结果
name: h2o_feet
--------------
time bottom location
2015-08-29T10:36:00Z -0.243 santa_monica
2015-08-29T14:30:00Z -0.61 coyote_creek 返回两个值而不是三InfluxDB因为位置标签只有两个值（santa_monica和coyote_creek）。
N=1
SELECT BOTTOM(water_level,location,1) FROM h2o_feet
结果
name: h2o_feet
--------------
time bottom location
2015-08-29T14:30:00Z -0.61 coyote_creekInfluxDB比较water_level底值在每个标签的位置值并返回water_level值越小。
例子4
每个location标签选择两个最小值 ，范围在2015年8月18日4点和2015年8月18日4点18分。SELECT BOTTOM(water_level,2) FROM h2o_feet WHERE time >= '2015-08-18T04:00:00Z' AND time < '2015-08-18T04:24:00Z' GROUP BY location
name: h2o_feet例子5
tags: location=coyote_creek
time bottom
---- ------
2015-08-18T04:12:00Z 2.717
2015-08-18T04:18:00Z 2.625 name: h2o_feet
tags: location=santa_monica
time bottom
---- ------
2015-08-18T04:00:00Z 3.911
2015-08-18T04:06:00Z 4.055
选择最小的两个值，在2015年8月18日4点和2015年8月18日4点18分，location为santa_monica
SELECT BOTTOM(water_level,2) FROM h2o_feet WHERE time >= '2015-08-18T04:00:00Z' AND time < '2015-08-18T04:24:00Z' AND location = 'santa_monica'结果
name: h2o_feet
--------------
time bottom
2015-08-18T04:00:00Z 3.911
2015-08-18T04:06:00Z 4.055值得注意的是原始数据，water_level等于4.055在2015-08-18t04:06:00z和2015-08-18t04:12:00z。在相同的情况下，InfluxDB返回值更早的那个时间戳。
3）FIRST()函数
作用：返回一个字段中最老的取值。
语法：
SELECT FIRST(<field_key>)[,<tag_key(s)>] FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]例子1
选择locaction 为santa_monica，water_level最老的值
SELECT FIRST(water_level) FROM h2o_feet WHERE location = 'santa_monica'
结果
name: h2o_feet
--------------
time first
2015-08-18T00:00:00Z 2.064
例子2
选择最老的water_level，2015-08-18T00:42:00Z 与 2015-08-18T00:54:00Z之间，并输出location tag
SELECT FIRST(water_level),location FROM h2o_feet WHERE time >= '2015-08-18T00:42:00Z' and time <= '2015-08-18T00:54:00Z'结果
name: h2o_feet
--------------
time first location
2015-08-18T00:42:00Z 7.234 coyote_creek
例子3
选择最老的water_level,以location分组
SELECT FIRST(water_level) FROM h2o_feet GROUP BY location结果
name: h2o_feet
tags: location = coyote_creek
time first
---- -----
2015-08-18T00:00:00Z 8.12
name: h2o_feet
tags: location = santa_monica
time first
---- -----
2015-08-18T00:00:00Z 2.0644）LAST()函数
作用：返回一个字段中最新的取值。
语法：
SELECT LAST(<field_key>)[,<tag_key(s)>] FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]例子1
以location为santa_monica为条件，选择最新的water_level
SELECT LAST(water_level) FROM h2o_feet WHERE location = 'santa_monica'
结果
name: h2o_feet例子2
--------------
time last
2015-09-18T21:42:00Z 4.938
在2015-08-18T00:42:00Z与2015-08-18T00:54:00Z之间，选择最新的water_level，并输出location tag
SELECT LAST(water_level),location FROM h2o_feet WHERE time >= '2015-08-18T00:42:00Z' and time <= '2015-08-18T00:54:00Z'结果
name: h2o_feet
--------------
time last location
2015-08-18T00:54:00Z 6.982 coyote_creek例子2
选择最新的water_level,以location分组
SELECT LAST(water_level) FROM h2o_feet GROUP BY location
结果
name: h2o_feet
tags: location = coyote_creek
time last
---- ----
2015-09-18T16:24:00Z 3.235
name: h2o_feet
tags: location = santa_monica
time last
---- ----
2015-09-18T21:42:00Z 4.938Note: LAST() does not return points that occur after now() unless the WHERE clause specifies that time range. See Frequently Encountered Issues for how to query after now().
5）MAX()函数
作用：返回一个字段中的最大值。该字段类型必须是长整型，float64，或布尔类型。
语法：
SELECT MAX(<field_key>)[,<tag_key(s)>] FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]例子1
选择表h2o_feet中最大的值water_level
SELECT MAX(water_level) FROM h2o_feet
结果name: h2o_feet
--------------
time max
2015-08-29T07:24:00Z 9.964例子2
选择表h2o_feet中最大的值water_level，并输出location tag
SELECT MAX(water_level),location FROM h2o_feet结果
name: h2o_feet
--------------
time max location
2015-08-29T07:24:00Z 9.964 coyote_creek例子3
每12分选择表h2o_feet中每个location最大的值water_level，指定的时间范围
SELECT MAX(water_level) FROM h2o_feet WHERE time >= '2015-08-18T00:00:00Z' AND time < '2015-08-18T00:54:00Z' GROUP BY time(12m), location
name: h2o_feet
tags: location = coyote_creek
time max
---- ---
2015-08-18T00:00:00Z 8.12
2015-08-18T00:12:00Z 7.887
2015-08-18T00:24:00Z 7.635
2015-08-18T00:36:00Z 7.372
2015-08-18T00:48:00Z 7.11
name: h2o_feet
tags: location = santa_monica
time max
---- ---
2015-08-18T00:00:00Z 2.116
2015-08-18T00:12:00Z 2.126
2015-08-18T00:24:00Z 2.051
2015-08-18T00:36:00Z 2.067
2015-08-18T00:48:00Z 1.9916）MIN()函数
作用：返回一个字段中的最小值。该字段类型必须是长整型，float64，或布尔类型。
语法：
SELECT MIN(<field_key>)[,<tag_key(s)>] FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]例子1
选择表h2o_feet中最小的值water_level
SELECT MIN(water_level) FROM h2o_feet
结果
name: h2o_feet
--------------
time min
2015-08-29T14:30:00Z -0.61
例子2
选择表h2o_feet中最小的值water_level，并输出location tag
SELECT MIN(water_level),location FROM h2o_feet
结果
name: h2o_feet
--------------
time min location
2015-08-29T14:30:00Z -0.61 coyote_creek例子3
每12分选择表h2o_feet中每个location最小的值water_level，指定的时间范围
SELECT MIN(water_level) FROM h2o_feet WHERE time >= '2015-08-18T00:00:00Z' AND time < '2015-08-18T00:54:00Z' GROUP BY time(12m), location结果
name: h2o_feet
tags: location = coyote_creek
time min
---- ---
2015-08-18T00:00:00Z 8.005
2015-08-18T00:12:00Z 7.762
2015-08-18T00:24:00Z 7.5
2015-08-18T00:36:00Z 7.234
2015-08-18T00:48:00Z 7.11
name: h2o_feet
tags: location = santa_monica
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 2.057
2015-08-18T00:48:00Z 1.9917）PERCENTILE()函数
作用：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。
百分值是介于100到0之间的整数或浮点数，包括100。
语法：
SELECT PERCENTILE(<field_key>, <N>)[,<tag_key(s)>] FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]
例子1
计算location为coyote_creek,排位为5%的water_level值。
SELECT PERCENTILE(water_level,5) FROM h2o_feet WHERE location = 'coyote_creek'
结果
: h2o_feet
--------------
time percentile
2015-09-09T11:42:00Z 1.148解释：
就是将water_level字段按照不同的location求百分比，然后取第五位数据。
值1.148大于5%的位置的值（The value 1.148 is larger than 5% of the values in water_level where location equals coyote_creek.）例子2
计算location为coyote_creek,排位为5%的water_level值，并输出location tag。
SELECT PERCENTILE(water_level,5),location FROM h2o_feet
结果name: h2o_feet
--------------
time percentile location
2015-08-28T12:06:00Z 1.122 santa_monica例子2
计算以location分组，排在100%的值
SELECT PERCENTILE(water_level, 100) FROM h2o_feet GROUP BY location
结果name: h2o_feet
tags: location = coyote_creek
time percentile
---- ----------
2015-08-29T07:24:00Z 9.964
name: h2o_feet
tags: location = santa_monica
time percentile
---- ----------
2015-08-29T03:54:00Z 7.205注意：PERCENTILE(<field_key>,100)相当于MAX(<field_key>)
目前，PERCENTILE(<field_key>,0)不相当于MIN(<field_key>)
注意，PERCENTILE(<field_key>, 50)接近于MEDIAN()，MEDIAN()如果是偶娄个则返回中间两个值的平均值详细资料可参考官网：https://docs.influxdata.com/influxdb/v1.3/query_language/functions influxDB选择类函数的更多相关文章
- influxDB 变换类函数
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1 ...
- influxDB聚合类函数
1)count()函数 返回一个(field)字段中的非空值的数量. SELECT COUNT(<field_key>) FROM <measurement_name> [WH ...
- InfluxDB学习系列教程，InfluxDB入门必备教程
nfluxDB是一个当下比较流行的时序数据库,InfluxDB使用 Go 语言编写,无需外部依赖,安装配置非常方便,适合构建大型分布式系统的监控系统. 本文是一系列InfluxDB学习教程的目录,现主 ...
- InfluxDB学习之InfluxDB的安装和简介
最近用到了 InfluxDB,在此记录下学习过程,同时也希望能够帮助到其他学习的同学. 本文主要介绍InfluxDB的功能特点以及influxDB的安装过程.更多InfluxDB详细教程请看:Infl ...
- Influxdb原理详解
本文属于<InfluxDB系列教程>文章系列,该系列共包括以下 15 部分: InfluxDB学习之InfluxDB的安装和简介 InfluxDB学习之InfluxDB的基本概念 Infl ...
- InfluxDB学习之InfluxDB的基本操作| Linux大学
来源地址:https://www.linuxdaxue.com/influxdb-study-series-manual.html 本文属于<InfluxDB系列教程>文章系列,该系列共包 ...
- InfluxDB执行语句管理(query management)
本文属于<InfluxDB系列教程>文章系列,该系列共包括以下 17 部分: InfluxDB学习之InfluxDB的基本概念 InfluxDB学习之InfluxDB的基本操作 Influ ...
- InfluxDB数据备份和恢复方法，支持本地和远程备份
本文属于<InfluxDB系列教程>文章系列,该系列共包括以下 17 部分: InfluxDB学习之InfluxDB的基本概念 InfluxDB学习之InfluxDB的基本操作 Influ ...
- InfluxDB安装后web页面无法访问的解决方案
本文属于<InfluxDB系列教程>文章系列,该系列共包括以下 16 部分: InfluxDB学习之InfluxDB的安装和简介 InfluxDB学习之InfluxDB的基本概念 Infl ...
随机推荐
- Spring AOP 面向切面编程相关注解
Aspect Oriented Programming 面向切面编程 在Spring中使用这些面向切面相关的注解可以结合使用aspectJ,aspectJ是专门搞动态代理技术的,所以比较专业. ...
- 《我是一只IT小小鸟》（胡江堂主编）读后感
http://blog.csdn.net/wojiushiwo987/article/details/8685539<我是一只IT小小鸟>(胡江堂主编)读后感 2011年下半年研二的时候, ...
- 8.1.1 Service的生命周期
2010-06-21 16:57 李宁 中国水利水电出版社 字号:T | T <Android/OPhone开发完全讲义>第8章Android服务,本章主要介绍了Android系统 中的服 ...
- backtrace、backtrace_symbols
参考: http://www.th7.cn/Program/cp/201308/145700.shtml http://linux.die.net/man/3/backtrace http://man ...
- codeblocks中右键源文件没有Rename选项？
那是因为你右击的那个文件已经被CB的编辑器打开,关闭即可,你就能看到Rename选项了. 或者更简单,翻到Files那一栏,然后右击某个文件夹选择"Make root"即可,就跟w ...
- JVM内存监控:visualVM jconsole jstatd jmap
本文是亲自测试的详细配置过程,不是转载而且linux下不需修改/etc/hosts文件 由于在建项目的需要,监控tomcat的内存使用,检查内存泄漏的情况.其实JDK自身已经提供了很多工具,都在JAV ...
- 【转载】利用MAVEN打包时，如何包含更多的资源文件
首先,来看下MAVENx项目标准的目录结构: 一般情况下,我们用到的资源文件(各种xml,properites,xsd文件等)都放在src/main/resources下面,利用maven打包时,ma ...
- oracle如何将数据导入到另一个表空间
某个用户的数据在USER表空间里,如果多个用户的数据都在USERS表空间内,将严重影响系统性能,一般在系统迁移的时候,在新的系统里希望导入 一个独立的用户表空间,但是经常无法导入用户指定的缺省表空间, ...
- 可以开发着玩一下的web项目
博客项目:发布博客,写博客 车辆.车队管理系统 教师评价系统 仓储管理系统 进销存管理系统 客户管理系统 结算系统 医院病历管理系统
- IOS设计模式浅析之抽象工厂模式(Abstract Factory)
概述 在前面两章中,分别介绍了简单工厂模式和工厂方法模式,我们知道简单工厂模式的优点是去除了客户端与具体产品的依赖,缺点是违反了“开放-关闭原则”:工厂方法模式克服了简单工厂模式的缺点,将产品的创建工 ...