InfluxDB学习之InfluxDB常用函数（三）变换类函数

2025-04-04 技术教程

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：

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

其中，unit取值可以为以下几种：

u--microsecondss--secondsm--minutesh--hoursd--daysw--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：

SELECTDERIVATIVE(AGGREGATION_FUNCTION(<field_key>),[<unit>])FROM<measurement_name>WHERE<stuff>GROUPBYtime(<aggregation_interval>)

示例：

假设location = santa_monica 条件下数据有以下几条：

name:h3o_feet--------------timewater_level2015-08-18T00:00:00Z2.0642015-08-18T00:06:00Z2.1162015-08-18T00:12:00Z2.0282015-08-18T00:18:00Z2.1262015-08-18T00:24:00Z2.0412015-08-18T00:30:00Z2.051

计算每一秒的变化率：

>SELECTDERIVATIVE(water_level)FROMh3o_feetWHERElocation='santa_monica'LIMIT5name:h3o_feet--------------timederivative2015-08-18T00:06:00Z0.000144444444444444572015-08-18T00:12:00Z-0.000244444444444444652015-08-18T00:18:00Z0.00027222222222222182015-08-18T00:24:00Z-0.0002361111111111112015-08-18T00:30:00Z2.777777777777842e-05

第一行数据的计算公式为(2.116 - 2.064) / (360s / 1s)

计算每六分钟的变化率

>SELECTDERIVATIVE(water_level,6m)FROMh3o_feetWHERElocation='santa_monica'LIMIT5name:h3o_feet--------------timederivative2015-08-18T00:06:00Z0.0520000000000000462015-08-18T00:12:00Z-0.088000000000000082015-08-18T00:18:00Z0.097999999999999862015-08-18T00:24:00Z-0.084999999999999962015-08-18T00:30:00Z0.010000000000000231

第一行数据的计算过程如下：(2.116 - 2.064) / (6m / 6m)

计算每12分钟的变化率：

>SELECTDERIVATIVE(water_level,12m)FROMh3o_feetWHERElocation='santa_monica'LIMIT5name:h3o_feet--------------timederivative2015-08-18T00:06:00Z0.104000000000000092015-08-18T00:12:00Z-0.176000000000000162015-08-18T00:18:00Z0.195999999999999732015-08-18T00:24:00Z-0.169999999999999932015-08-18T00:30:00Z0.020000000000000462

第一行数据计算过程为：(2.116 - 2.064 / (6m / 12m)

计算每12分钟最大值的变化率

>SELECTDERIVATIVE(MAX(water_level))FROMh3o_feetWHERElocation='santa_monica'ANDtime>='2015-08-18T00:00:00Z'ANDtime<'2015-08-18T00:36:00Z'GROUPBYtime(12m)name:h3o_feet--------------timederivative2015-08-18T00:12:00Z0.0099999999999997872015-08-18T00:24:00Z-0.07499999999999973

这个函数功能非常多，也非常复杂，更多对于此功能的详细解释请看官网：https://docs.influxdata.com/influxdb/v0.13/query_language/functions/#derivative

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：

SELECTDIFFERENCE(<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：

SELECTDIFFERENCE(<function>(<field_key>))FROM<measurement_name>WHERE<stuff>GROUPBYtime(<time_interval>)

其中，函数可以包含以下几个：

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

使用示例

例子中使用的源数据如下所示：

>SELECTwater_levelFROMh3o_feetWHERElocation='santa_monica'ANDtime>='2015-08-18T00:00:00Z'andtime<='2015-08-18T00:36:00Z'name:h3o_feet--------------timewater_level2015-08-18T00:00:00Z2.0642015-08-18T00:06:00Z2.1162015-08-18T00:12:00Z2.0282015-08-18T00:18:00Z2.1262015-08-18T00:24:00Z2.0412015-08-18T00:30:00Z2.0512015-08-18T00:36:00Z2.067

计算water_level间的差异：

>SELECTDIFFERENCE(water_level)FROMh3o_feetWHERElocation='santa_monica'ANDtime>='2015-08-18T00:00:00Z'andtime<='2015-08-18T00:36:00Z'name:h3o_feet--------------timedifference2015-08-18T00:06:00Z0.0520000000000000462015-08-18T00:12:00Z-0.088000000000000082015-08-18T00:18:00Z0.097999999999999862015-08-18T00:24:00Z-0.084999999999999962015-08-18T00:30:00Z0.0100000000000002312015-08-18T00:36:00Z0.016000000000000014

数据类型都为float类型。

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。

语法：

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

示例：

计算h3o_feet字段在纳秒间隔下的差异。

>SELECTELAPSED(water_level)FROMh3o_feetWHERElocation='santa_monica'ANDtime>='2015-08-18T00:00:00Z'andtime<='2015-08-18T00:24:00Z'name:h3o_feet--------------timeelapsed2015-08-18T00:06:00Z3600000000002015-08-18T00:12:00Z3600000000002015-08-18T00:18:00Z3600000000002015-08-18T00:24:00Z360000000000

在一分钟间隔下的差异率：

>SELECTELAPSED(water_level,1m)FROMh3o_feetWHERElocation='santa_monica'ANDtime>='2015-08-18T00:00:00Z'andtime<='2015-08-18T00:24:00Z'name:h3o_feet--------------timeelapsed2015-08-18T00:06:00Z62015-08-18T00:12:00Z62015-08-18T00:18:00Z62015-08-18T00:24:00Z6

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：

>SELECTELAPSED(water_level,1h)FROMh3o_feetWHERElocation='santa_monica'ANDtime>='2015-08-18T00:00:00Z'andtime<='2015-08-18T00:24:00Z'name:h3o_feet--------------timeelapsed2015-08-18T00:06:00Z02015-08-18T00:12:00Z02015-08-18T00:18:00Z02015-08-18T00:24:00Z0

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×××或者float64类型。

语法：

基本语法

SELECTMOVING_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

SELECTMOVING_AVERAGE(<function>(<field_key>),<window>)FROM<measurement_name>WHERE<stuff>GROUPBYtime(<time_interval>)

此函数可以和以下函数一起使用：

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

示例：

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。

语法：

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

与聚合类函数放在一起使用时的语法如下所示：

SELECTNON_NEGATIVE_DERIVATIVE(AGGREGATION_FUNCTION(<field_key>),[<unit>])FROM<measurement_name>WHERE<stuff>GROUPBYtime(<aggregation_interval>)

此函数示例请参阅：DERIVATIVE()函数

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：

SELECTSTDDEV(<field_key>)FROM<measurement_name>[WHERE<stuff>][GROUPBY<stuff>]

示例：

>SELECTSTDDEV(water_level)FROMh3o_feetname:h3o_feet--------------timestddev1970-01-01T00:00:00Z2.279144584196145

示例2：

>SELECTSTDDEV(water_level)FROMh3o_feetWHEREtime>='2015-08-18T00:00:00Z'andtime<'2015-09-18T12:06:00Z'GROUPBYtime(1w),locationname:h3o_feettags:location=coyote_creektimestddev----------2015-08-13T00:00:00Z2.24372630801939852015-08-20T00:00:00Z2.1212761501447192015-08-27T00:00:00Z3.04161221707862152015-09-03T00:00:00Z2.53480650254352072015-09-10T00:00:00Z2.5840039548826732015-09-17T00:00:00Z2.2587514836274414name:h3o_feettags:location=santa_monicatimestddev----------2015-08-13T00:00:00Z1.111563445875532015-08-20T00:00:00Z1.09098492790823662015-08-27T00:00:00Z1.98701161800969622015-09-03T00:00:00Z1.35167784509020672015-09-10T00:00:00Z1.49605738115005882015-09-17T00:00:00Z1.075701669442093