连续查询
介绍
连续查询(Continuous Queries下文统一简称CQ)是InfluxQL对实时数据自动周期运行的查询，然后把查询结果写入到指定的measurement中。
语法
基本语法
语法描述
cq_query
cq_query需要一个函数，一个INTO子句和一个GROUP BY time()子句：
注意：请注意，在
WHERE子句中，cq_query不需要时间范围。 InfluxDB在执行CQ时自动生成cq_query的时间范围。cq_query的WHERE子句中的任何用户指定的时间范围将被系统忽略。
运行时间点以及覆盖的时间范围
CQ对实时数据进行操作。他们使用本地服务器的时间戳，GROUP BY time()间隔和InfluxDB的预设时间边界来确定何时执行以及查询中涵盖的时间范围。
CQs以与cq_query的GROUP BY time()间隔相同的间隔执行，并且它们在InfluxDB的预设时间边界开始时运行。如果GROUP BY time()间隔为1小时，则CQ每小时开始执行一次。
当CQ执行时，它对于now()和now()减去GROUP BY time()间隔的时间范围运行单个查询。 如果GROUP BY time()间隔为1小时，当前时间为17:00，查询的时间范围为16:00至16:59999999999。
基本语法的例子
以下例子使用数据库transportation中的示例数据。measurementbus_data数据存储有关公共汽车乘客数量和投诉数量的15分钟数据：
例一：自动采样数据
使用简单的CQ自动从单个字段中下采样数据，并将结果写入同一数据库中的另一个measurement。
cq_basic从bus_data中计算乘客的平均小时数，并将结果存储在数据库transportation中的average_passengers中。
cq_basic以一小时的间隔执行，与GROUP BY time()间隔相同的间隔。 每个小时，cq_basic运行一个单一的查询，覆盖了now()和now()减去GROUP BY time()间隔之间的时间范围，即now()和now()之前的一个小时之间的时间范围。
下面是2016年8月28日上午的日志输出：
在8点时，
cq_basic执行时间范围为time => '7:00' AND time <'08：00'的查询。cq_basic向average_passengers写入一个点：在9点时，
cq_basic执行时间范围为time => '8:00' AND time <'09：00'的查询。cq_basic向average_passengers写入一个点：
结果：
例二：自动采样数据到另一个保留策略里
从默认的的保留策略里面采样数据到完全指定的目标measurement中：
cq_basic_rp从bus_data中计算乘客的平均小时数，并将结果存储在数据库tansportation的RP为three_weeks的measurementaverage_passengers中。
cq_basic_rp以一小时的间隔执行，与GROUP BY time()间隔相同的间隔。每个小时，cq_basic_rp运行一个单一的查询，覆盖了now()和now()减去GROUP BY time()间隔之间的时间段，即now()和now()之前的一个小时之间的时间范围。
下面是2016年8月28日上午的日志输出：
在8:00
cq_basic_rp执行时间范围为time >='7:00' AND time <'8:00'的查询。cq_basic_rp向RP为three_weeks的measurementaverage_passengers写入一个点：在9:00
cq_basic_rp执行时间范围为time >='8:00' AND time <'9:00'的查询。cq_basic_rp向RP为three_weeks的measurementaverage_passengers写入一个点：
结果：
cq_basic_rp使用CQ和保留策略自动降低样本数据，并将这些采样数据保留在不同的时间长度上。
例三：使用逆向引用自动采样数据
使用带有通配符（*）和INTO查询的反向引用语法的函数可自动对数据库中所有measurement和数值字段中的数据进行采样。
cq_basic_br计算数据库transportation中每个measurement的30分钟平均乘客和投诉。它将结果存储在数据库downsampled_transportation中。
cq_basic_br以30分钟的间隔执行，与GROUP BY time()间隔相同的间隔。每30分钟一次，cq_basic_br运行一个查询，覆盖了now()和now()减去GROUP BY time()间隔之间的时间段，即now()到now()之前的30分钟之间的时间范围。
下面是2016年8月28日上午的日志输出：
在7:30，
cq_basic_br执行查询，时间间隔time >='7:00' AND time <'7:30'。cq_basic_br向downsampled_transportation数据库中的measurement为bus_data写入两个点：8点时，
cq_basic_br执行时间范围为time >='7:30' AND time <'8:00'的查询。cq_basic_br向downsampled_transportation数据库中measurement为bus_data写入两个点：[…]
9点时，
cq_basic_br执行时间范围为time >='8:30' AND time <'9:00'的查询。cq_basic_br向downsampled_transportation数据库中measurement为bus_data写入两个点：
结果为：
例四：自动采样数据并配置CQ的时间边界
使用GROUP BY time()子句的偏移间隔来改变CQ的默认执行时间和呈现的时间边界：
cq_basic_offset从bus_data中计算乘客的平均小时数，并将结果存储在average_passengers中。
cq_basic_offset以一小时的间隔执行，与GROUP BY time()间隔相同的间隔。15分钟偏移间隔迫使CQ在默认执行时间后15分钟执行; cq_basic_offset在8:15而不是8:00执行。
每个小时，cq_basic_offset运行一个单一的查询，覆盖了now()和now()减去GROUP BY time()间隔之间的时间段，即now()和now()之前的一个小时之间的时间范围。 15分钟偏移间隔在CQ的WHERE子句中向前移动生成的预设时间边界; cq_basic_offset在7:15和8：14.999999999而不是7:00和7：59.999999999之间进行查询。
下面是2016年8月28日上午的日志输出：
在8:15
cq_basic_offset执行时间范围time> ='7:15'AND time <'8:15'的查询。cq_basic_offset向average_passengers写入一个点：在9:15
cq_basic_offset执行时间范围time> ='8:15'AND time <'9:15'的查询。cq_basic_offset向average_passengers写入一个点：
结果为：
请注意，时间戳为7:15和8:15而不是7:00和8:00。
基本语法的常见问题
问题一：无数据处理时间间隔
如果没有数据落在该时间范围内，则CQ不会在时间间隔内写入任何结果。请注意，基本语法不支持使用fill()更改不含数据的间隔报告的值。如果基本语法CQs包括了fill()，则会忽略fill()。一个解决办法是使用下面的高级语法。
问题二：重新采样以前的时间间隔
基本的CQ运行一个查询，覆盖了now()和now()减去GROUP BY time()间隔之间的时间段。有关如何配置查询的时间范围，请参阅高级语法。
问题三：旧数据的回填结果
CQ对实时数据进行操作，即具有相对于now()发生的时间戳的数据。使用基本的INTO查询来回填具有较旧时间戳的数据的结果。
问题四：CQ结果中缺少tag
默认情况下，所有INTO查询将源measurement中的任何tag转换为目标measurement中的field。
在CQ中包含GROUP BY *，以保留目的measurement中的tag。
高级语法
高级语法描述
cq_query
同上面基本语法里面的cq_query。
运行时间点以及覆盖的时间范围
CQs对实时数据进行操作。使用高级语法，CQ使用本地服务器的时间戳以及RESAMPLE子句中的信息和InfluxDB的预设时间边界来确定执行时间和查询中涵盖的时间范围。
CQs以与RESAMPLE子句中的EVERY间隔相同的间隔执行，并且它们在InfluxDB的预设时间边界开始时运行。如果EVERY间隔是两个小时，InfluxDB将在每两小时的开始执行CQ。
当CQ执行时，它运行一个单一的查询，在now()和now()减去RESAMPLE子句中的FOR间隔之间的时间范围。如果FOR间隔为两个小时，当前时间为17:00，查询的时间间隔为15:00至16:59999999999。
EVERY间隔和FOR间隔都接受时间字符串。RESAMPLE子句适用于同时配置EVERY和FOR,或者是其中之一。如果没有提供EVERY间隔或FOR间隔，则CQ默认为相关为基本语法。
高级语法例子
示例数据如下：
例一：配置执行间隔
在RESAMPLE中使用EVERY来指明CQ的执行间隔。
cq_advanced_every从bus_data中计算passengers的一小时平均值，并将结果存储在数据库transportation中的average_passengers中。
cq_advanced_every以30分钟的间隔执行，间隔与EVERY间隔相同。每30分钟，cq_advanced_every运行一个查询，覆盖当前时间段的时间范围，即与now()交叉的一小时时间段。
下面是2016年8月28日上午的日志输出：
在8:00
cq_basic_every执行时间范围time> ='7:00'AND time <'8:00'的查询。cq_basic_every向average_passengers写入一个点：在8:30
cq_basic_every执行时间范围time> ='8:00'AND time <'9:00'的查询。cq_basic_every向average_passengers写入一个点：在9:00
cq_basic_every执行时间范围time> ='8:00'AND time <'9:00'的查询。cq_basic_every向average_passengers写入一个点：
结果为：
请注意，cq_advanced_every计算8:00时间间隔的结果两次。第一次，它运行在8:30，计算每个可用数据点在8:00和9:00（8,15和15）之间的平均值。 第二次，它运行在9:00，计算每个可用数据点在8:00和9:00（8,15,15和17）之间的平均值。由于InfluxDB处理重复点的方式，所以第二个结果只是覆盖第一个结果。
例二：配置CQ的重采样时间范围
在RESAMPLE中使用FOR来指明CQ的时间间隔的长度。
cq_advanced_for从bus_data中计算passengers的30分钟平均值，并将结果存储在数据库transportation中的average_passengers中。
cq_advanced_for以30分钟的间隔执行，间隔与GROUP BY time()间隔相同。每30分钟，cq_advanced_for运行一个查询，覆盖时间段为now()和now()减去FOR中的间隔，即是now()和now()之前的一个小时之间的时间范围。
下面是2016年8月28日上午的日志输出：
在8:00
cq_advanced_for执行时间范围time> ='7:00'AND time <'8:00'的查询。cq_advanced_for向average_passengers写入两个点：在8:30
cq_advanced_for执行时间范围time> ='7:30'AND time <'8:30'的查询。cq_advanced_for向average_passengers写入两个点：在9:00
cq_advanced_for执行时间范围time> ='8:00'AND time <'9:00'的查询。cq_advanced_for向average_passengers写入两个点：
请注意，cq_advanced_for会计算每次间隔两次的结果。CQ在8:00和8:30计算7:30的平均值，在8:30和9:00计算8:00的平均值。
结果为：
例三：配置执行间隔和CQ时间范围
在RESAMPLE子句中使用EVERY和FOR来指定CQ的执行间隔和CQ的时间范围长度。
cq_advanced_every_for从bus_data中计算passengers的30分钟平均值，并将结果存储在数据库transportation中的average_passengers中。
cq_advanced_every_for以1小时的间隔执行，间隔与EVERY间隔相同。每1小时，cq_advanced_every_for运行一个查询，覆盖时间段为now()和now()减去FOR中的间隔，即是now()和now()之前的90分钟之间的时间范围。
下面是2016年8月28日上午的日志输出：
在8:00
cq_advanced_every_for执行时间范围time>='6:30'AND time <'8:00'的查询。cq_advanced_every_for向average_passengers写三个个点：在9:00
cq_advanced_every_for执行时间范围time> ='7:30'AND time <'9:00'的查询。cq_advanced_every_for向average_passengers写入三个点：
请注意，cq_advanced_every_for会计算每次间隔两次的结果。CQ在8:00和9:00计算7:30的平均值。
结果为：
例四：配置CQ的时间范围并填充空值
使用FOR间隔和fill()来更改不含数据的时间间隔值。请注意，至少有一个数据点必须在fill()运行的FOR间隔内。 如果没有数据落在FOR间隔内，则CQ不会将任何点写入目标measurement。
cq_advanced_for_fill从bus_data中计算passengers的1小时的平均值，并将结果存储在数据库transportation中的average_passengers中。并会在没有结果的时间间隔里写入值1000。
cq_advanced_for_fill以1小时的间隔执行，间隔与GROUP BY time()间隔相同。每1小时，cq_advanced_for_fill运行一个查询，覆盖时间段为now()和now()减去FOR中的间隔，即是now()和now()之前的两小时之间的时间范围。
下面是2016年8月28日上午的日志输出：
在6:00
cq_advanced_for_fill执行时间范围time>='4:00'AND time <'6:00'的查询。cq_advanced_for_fill向average_passengers不写入任何点，因为在那个时间范围bus_data没有数据：在7:00
cq_advanced_for_fill执行时间范围time>='5:00'AND time <'7:00'的查询。cq_advanced_for_fill向average_passengers写入两个点：[...]
在11:00
cq_advanced_for_fill执行时间范围time> ='9:00'AND time <'11:00'的查询。cq_advanced_for_fill向average_passengers写入两个点：在12:00
cq_advanced_for_fill执行时间范围time>='10:00'AND time <'12:00'的查询。cq_advanced_for_fill向average_passengers不写入任何点，因为在那个时间范围bus_data没有数据.
结果：
注意：如果前一个值在查询时间之外，则
fill(previous)不会在时间间隔里填充数据。
高级语法的常见问题
问题一：如果EVERY间隔大于GROUP BY time()的间隔
如果EVERY间隔大于GROUP BY time()间隔，则CQ以与EVERY间隔相同的间隔执行，并运行一个单个查询，该查询涵盖now()和now()减去EVERY间隔之间的时间范围(不是在now()和now()减去GROUP BY time()间隔之间）。
例如，如果GROUP BY time()间隔为5m，并且EVERY间隔为10m，则CQ每10分钟执行一次。每10分钟，CQ运行一个查询，覆盖now()和now()减去EVERY间隔之间的时间段，即now()到now()之前十分钟之间的时间范围。
此行为是故意的，并防止CQ在执行时间之间丢失数据。
问题二：如果FOR间隔比执行的间隔少
如果FOR间隔比GROUP BY time()或者EVERY的间隔少，InfluxDB返回如下错误：
为了避免在执行时间之间丢失数据，FOR间隔必须等于或大于GROUP BY time()或者EVERY间隔。
CQ的管理
只有admin用户允许管理CQ。
列出CQ
列出InfluxDB实例上的所有CQ：
SHOW CONTINUOUS QUERIES按照database作分组。
例子
下面展示了telegraf和mydb的CQ：
删除CQ
从一个指定的database删除CQ：
DROP CONTINUOUS QUERY返回一个空的结果。
例子
从数据库telegraf中删除idle_hands这个CQ：
修改CQ
CQ一旦创建就不能修改了，你必须DROP再CREATE才行。
CQ的使用场景
采样和数据保留
使用CQ与InfluxDB的保留策略（RP）来减轻存储问题。结合CQ和RP自动将高精度数据降低到较低的精度，并从数据库中移除可分配的高精度数据。
预先计算昂贵的查询
通过使用CQ预先计算昂贵的查询来缩短查询运行时间。使用CQ自动将普通查询的高精度数据下采样到较低的精度。较低精度数据的查询需要更少的资源并且返回更快。
提示：预先计算首选图形工具的查询，以加速图形和仪表板的展示。
替换HAVING子句
InfluxQL不支持HAVING子句。通过创建CQ来聚合数据并查询CQ结果以达到应用HAVING子句相同的功能。
注意：InfluxDB提供了子查询也可以达到类似于
HAVING相同的功能。
例子
InfluxDB不接受使用HAVING子句的以下查询。该查询以30分钟间隔计算平均bees数，并请求大于20的平均值。
要达到相同的结果：
1. 创建一个CQ
此步骤执行以上查询的mean("bees")部分。因为这个步骤创建了CQ，所以只需要执行一次。
以下CQ自动以30分钟间隔计算bees的平均数，并将这些平均值写入measurementaggregate_bees中的mean_bees字段。
2. 查询CQ的结果
这一步要实现HAVING mean("bees") > 20部分的查询。
在WHERE子句中查询measurementaggregate_bees中的数据和大于20的mean_bees字段的请求值：
替换嵌套函数
一些InfluxQL函数支持嵌套其他函数，大多数是不行的。如果函数不支持嵌套，可以使用CQ获得相同的功能来计算最内部的函数。然后简单地查询CQ结果来计算最外层的函数。
注意：InfluxQL支持也提供与嵌套函数相同功能的子查询。
例子
InfluxDB不接受使用嵌套函数的以下查询。 该查询以30分钟间隔计算bees的非空值数量，并计算这些计数的平均值：
为了得到结果：
1. 创建一个CQ
此步骤执行上面的嵌套函数的count(“bees”)部分 因为这个步骤创建了一个CQ，所以只需要执行一次。 以下CQ自动以30分钟间隔计算bees的非空值数，并将这些计数写入aggregate_bees中的count_bees字段。
2. 查询CQ的结果
此步骤执行上面的嵌套函数的mean([...])部分。 在aggregate_bees中查询数据，以计算count_bees字段的平均值：
Last updated
Was this helpful?