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> [WHERE <stuff>] [GROUP BY <stuff>]
例子1
计算非空water_level数量
>SELECT COUNT(water_level) FROM h2o_feet
结果

name: h2o_feet

--------------

time                     count

1970-01-01T00:00:00Z     15258

说明 water_level这个字段在 h2o_feet表中共有15258条数据。

注意：聚合函数中如果没有指定时间的话，会默认以 epoch 0 (1970-01-01T00:00:00Z) 作为时间。

可以在where 中加入时间条件，如下：

例子2

计算非空值water_level每4天时间间隔里的数量

SELECT COUNT(water_level) FROM h2o_feet WHERE time >= '2015-08-18T00:00:00Z' AND time < '2015-09-18T17:00:00Z' GROUP BY time(4d)
结果
name: h2o_feet

--------------

time			 count

2015-08-17T00:00:00Z	 1440

2015-08-21T00:00:00Z	 1920

2015-08-25T00:00:00Z	 1920

2015-08-29T00:00:00Z	 1920

2015-09-02T00:00:00Z	 1915

2015-09-06T00:00:00Z	 1920

2015-09-10T00:00:00Z	 1920

2015-09-14T00:00:00Z	 1920

2015-09-18T00:00:00Z	 335
这样结果中会包含时间结果。

COUNT() and controlling the values reported for intervals with no data（控制时间间隔内没有值的返回值）

其他的InfluxQL功能时函数间间隔内没有值返回null值，count()用0。添加  fill(<stuff>)到查询里，用 <stuff>. COUNT(),代替null值返回。用0来代替没有值的间隔数，加入fill(<stuff>)来代替0来输出count()数。c

Example:用  fill(none) to 去除0的间隔输出数量

COUNT()不用 fill(none):

> SELECT COUNT(water_level) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-09-18T21:41:00Z' AND time <= '2015-09-18T22:41:00Z' GROUP BY time(30m)

name: h2o_feet

--------------

time			 count

2015-09-18T21:30:00Z	 1

2015-09-18T22:00:00Z	 0

2015-09-18T22:30:00Z	 0

COUNT() 用 fill(none):

> SELECT COUNT(water_level) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-09-18T21:41:00Z' AND time <= '2015-09-18T22:41:00Z' GROUP BY time(30m) fill(none)

name: h2o_feet

--------------

time			count

2015-09-18T21:30:00Z	 1

For a more general discussion of fill(), see Data Exploration.

 

2、DISTINCT()函数

返回一个字段（field）的唯一值。

语法：

SELECT DISTINCT(<field_key>) FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]
例子1
在level description选择唯一的值
SELECT DISTINCT("level description") FROM h2o_feet
结果
name: h2o_feet

--------------

time			  distinct

1970-01-01T00:00:00Z	 between 6 and 9 feet

1970-01-01T00:00:00Z	 below 3 feet

1970-01-01T00:00:00Z	 between 3 and 6 feet

1970-01-01T00:00:00Z	 at or greater than 9 feet
这个例子显示level description这个字段共有四个值，然后将其显示了出来，时间为默认时间。
注：聚合函数返回的时代0（1970-01-01t00:00:00z）为时间戳，除非您指定一个下界的时间范围。然后返回下界作为时间戳。

例子2
选择唯一的值在leve description 以location 标签分组
SELECT DISTINCT("level description") FROM h2o_feet GROUP BY location
结果
name: h2o_feet

tags: location=coyote_creek

time			   distinct

----			   --------

1970-01-01T00:00:00Z	  between 6 and 9 feet

1970-01-01T00:00:00Z	  between 3 and 6 feet

1970-01-01T00:00:00Z	  below 3 feet

1970-01-01T00:00:00Z	  at or greater than 9 feet

name: h2o_feet

tags: location=santa_monica

time			   distinct

----			   --------

1970-01-01T00:00:00Z	  below 3 feet

1970-01-01T00:00:00Z	  between 3 and 6 feet

1970-01-01T00:00:00Z	  between 6 and 9 feet

例子3
聚合函数DISTINCT() 使用count(),以location分组获得level_description的唯一数量
SELECT COUNT(DISTINCT("level description")) FROM h2o_feet GROUP BY location
结果
name: h2o_feet

tags: location = coyote_creek

time			count

----			 -----

1970-01-01T00:00:00Z	 4

name: h2o_feet

tags: location = santa_monica

time			count

----			 -----

1970-01-01T00:00:00Z	 3
 

3）MEAN() 函数

返回一个字段（field）中的值的算术平均值（平均值）。字段类型必须是长整型或float64。

语法格式

SELECT MEAN(<field_key>) FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]
例子1
计算water_level的平均值
SELECT MEAN(water_level) FROM h2o_feet
结果
name: h2o_feet

--------------

time			  mean

1970-01-01T00:00:00Z	 4.286791371454075

解释：

　　说明water_level字段的平均值为4.286791371454075

　　时间为默认时间，当然，你也可以加入where条件。

注意:

聚合函数返回的时代0（1970-01-01t00:00:00z）为时间戳，除非您指定一个下界的时间范围。然后他们返回下界的时间戳。
在float64点同一套执行mean()可能会产生稍微不同的结果。
InfluxDB之前不适用的功能，结果在那些小差异排序分。

例子2、计算wate_level以4天为间隔的平均值
SELECT MEAN(water_level) FROM h2o_feet WHERE time >= '2015-08-18T00:00:00Z' AND time < '2015-09-18T17:00:00Z' GROUP BY time(4d)
结果
name: h2o_feet

--------------

time			   mean

2015-08-17T00:00:00Z	 4.322029861111125

2015-08-21T00:00:00Z	 4.251395512375667

2015-08-25T00:00:00Z	 4.285036458333324

2015-08-29T00:00:00Z	 4.469495801899061

2015-09-02T00:00:00Z	 4.382785378590083

2015-09-06T00:00:00Z	 4.28849666349042

2015-09-10T00:00:00Z	 4.658127604166656

2015-09-14T00:00:00Z	 4.763504687500006

2015-09-18T00:00:00Z	 4.232829850746268

4、MEDIAN()函数

从单个字段（field）中的排序值返回中间值（中位数）。中值是在一组数值中居于中间的数值。字段值的类型必须是长整型或float64格式。

语法：

SELECT MEDIAN(<field_key>) FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]
注：median()几乎相当于PERCENTILE(field_key, 50)，如果参数集合中包含偶数个数字，函数 MEDIAN 将返回位于中间的两个数的平均值。
中值 中值是一组数中间位置的数；即一半数的值比中值大，另一半数的值比中值小。例如，2、3、3、5、7 和 10 的中值是 4
例子1
选择water_level的中间值
SELECT MEDIAN(water_level) from h2o_feet
结果
name: h2o_feet

--------------

time			 median

1970-01-01T00:00:00Z	 4.124
解释：
说明表中 water_level字段的中位数是 4.124
注：聚合函数返回的时代0（1970-01-01t00:00:00z）为时间戳，除非您指定一个下界的时间范围。然后返回下界作为时间戳。 
例子2
选择时间在2015年8月18日和8月18日30分，以location分组water_level的中间值
SELECT MEDIAN(water_level) FROM h2o_feet WHERE time >= '2015-08-18T00:00:00Z' AND time < '2015-08-18T00:36:00Z' GROUP BY location
结果
name: h2o_feet

tags: location = coyote_creek

time			 median

----			 ------

2015-08-18T00:00:00Z	 7.8245

name: h2o_feet

tags: location = santa_monica

time			 median

----			 ------

2015-08-18T00:00:00Z	 2.0575

5）SPREAD()函数

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。
语法
SELECT SPREAD(<field_key>) FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]
例子1
计算water_level的最小值 与最大值 之间差
SELECT SPREAD(water_level) FROM h2o_feet
结果
name: h2o_feet

--------------

time			 spread

1970-01-01T00:00:00Z	  10.574
注意：

聚合函数返回的时代0（1970-01-01t00:00:00z）为时间戳，除非您指定一个下界的时间范围。然后他们回到下界的时间戳。
在float64点同一套执行spread()可能会产生稍微不同的结果。InfluxDB之前不适用的功能，结果在那些小差异排序分。

例子2
计算water_level的最小值 与最大值差，以30分钟间隔，指定location为santa_monica，和一个时间范围
SELECT SPREAD(water_level) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-09-18T17:00:00Z' AND time < '2015-09-18T20:30:00Z' GROUP BY time(30m)
结果
name: h2o_feet

--------------

time			                spread

2015-09-18T17:00:00Z	  0.16699999999999982

2015-09-18T17:30:00Z	  0.5469999999999997

2015-09-18T18:00:00Z	  0.47499999999999964

2015-09-18T18:30:00Z	  0.2560000000000002

2015-09-18T19:00:00Z	  0.23899999999999988

2015-09-18T19:30:00Z	  0.1609999999999996

2015-09-18T20:00:00Z	  0.16800000000000015

6）SUM()函数

返回一个字段中的所有值的和。字段的类型必须是长整型或float64。

语法：

SELECT SUM(<field_key>) FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]
例子1
计算water_level的所有值的和
SELECT SUM(water_level) FROM h2o_feet
 结果
name: h2o_feet

--------------

time			  sum

1970-01-01T00:00:00Z	 67777.66900000002
注意：

聚合函数返回的时代0（1970-01-01t00:00:00z）为时间戳，除非您指定一个下界的时间范围。然后他们回到下界的时间戳。
在float64点同一套执行sum()可能会产生稍微不同的结果。InfluxDB之前不适用的功能，结果在那些小差异排序分。

例子2

计算以5天为分组，water_level的和

SELECT SUM(water_level) FROM h2o_feet WHERE time >= '2015-08-18T00:00:00Z' AND time < '2015-09-18T17:00:00Z' GROUP BY time(5d)

结果：
--------------

time			 sum

2015-08-18T00:00:00Z	 10334.908999999983

2015-08-23T00:00:00Z	 10113.356999999995

2015-08-28T00:00:00Z	 10663.683000000006

2015-09-02T00:00:00Z	 10451.321

2015-09-07T00:00:00Z	 10871.817999999994

2015-09-12T00:00:00Z	 11459.00099999999

2015-09-17T00:00:00Z	 3627.762000000003
nearly equivalent 

7）INTEGRAL()函数

返回曲线

语法：

SELECT INTEGRAL( [ * | <field_key> | /<regular_expression>/ ] [ , <unit> ]  ) [INTO_clause] FROM_clause [WHERE_clause] [GROUP_BY_clause] [ORDER_BY_clause] [LIMIT_clause] [OFFSET_clause] [SLIMIT_clause] [SOFFSET_clause] 

8) STDDEV

 

influxDB聚合类函数的更多相关文章

  1. 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 ...

  2. InfluxDB 聚合函数实用案例

    InfluxDB 聚合函数实用案例 文章大纲 InfluxDB 简介 InfluxDB是GO语言编写的分布式时间序列化数据库,非常适合对数据(跟随时间变化而变化的数据)的跟踪.监控和分析.在我们的项目 ...

  3. 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>] ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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 ...

  8. 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 ...

  9. 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 ...

随机推荐

  1. iovec结构体定义及使用 （转）

    I/O向量(struct iovec) readv(2)与writev(2)函数都使用一个I/O向量的概念.这是由所包含的文件定义的: #include <sys/uio.h> 头文件定义 ...

  2. 【Java】Java_14 循环结构

    循环结构 当型:当P条件成立时(T),反复执行A,直到P为“假”时才停止循环. 直到型:先执行A, 再判断P,若为T,再执行A,如此反复,直到P为F. 1.While循环 while循环的基本格式和流 ...

  3. wireshark过滤语法总结 (转载)

    做应用识别这一块经常要对应用产生的数据流量进行分析. 抓包采用wireshark,提取特征时,要对session进行过滤,找到关键的stream,这里总结了wireshark过滤的基本语法,供自己以后 ...

  4. 轻量级代码生成器-OnlyCoder 第一篇

    程序猿利器:代码生成器,使用代码生成器已经好几年了,增删改查各种生成,从UI到DATA层均生成过.之前有使用过动软的,T4模板等....  T4生成实体还是没有问题的,但是生成MVC视图就有点烦杂了, ...

  5. event.returnvalue = false的使用

    event.returnvalue false代表不接收事件返回值 <script language="JavaScript"> //Ctrl+s保存 document ...

  6. WPF入门教程系列一

    WPF入门教程 一.  前言  公司项目基于WPF开发,最近项目上线有点空闲时间写一篇基于wpf的基础教材,WPF也是近期才接触,学习WPF也是在网上查资料与微软的MSDN进行学习,写本博客的目为了温 ...

  7. redis实践一些要注意的事项

    不要放垃圾数据,及时清理无用数据实验性的数据和下线的业务数据及时删除; key尽量都设置过期时间对具有时效性的key设置过期时间,通过redis自身的过期key清理策略来降低过期key对于内存的占用, ...

  8. 图片扩展---基于opencv-python实现

    目标: 将一张长方形图片扩展成一张正方形图片,例如: 200x300x3的一张图片扩展成一张300x300x3的图片,填充部分使用白色. 代码: import cv2 import os imglis ...

  9. __attribute__系列之介绍篇

    1.什么是__attribute__? __attribute__机制是GNU C的一大特色,它可以设置函数属性.变量属性和类型属性等.可以通过它们向编译器提供更多数据,帮助编译器执行优化等. 2._ ...

  10. flex与bison

    flex与bison 中文版 目录: 第一章:flex和bison简介 第二章:使用flex 第三章:使用bison 第四章:分析sql 第五章:flex规范参考 第六章:bison规范参考 第七章: ...