InfluxDb中的数据查询语法Group子句

GROUP BY子句后面可以跟用户指定的tags或者是一个时间间隔。

GROUP BY 后面跟用户指定的tags，可以按照tag进行分组。

上面的查询中用到了InfluxQL中的函数来计算measurement h2o_feet的每location的water_level的平均值。InfluxDB返回了两个series：分别是location的两个值。

MEAN是一个函数，表示按照location进行分类求平均值，上面分了2个类，一个location=coyote_creek，一个location=santa_monica，可以看出coyote_creek这个地方的降雨量大一些。

说明：在InfluxDB中，epoch 0(1970-01-01T00:00:00Z)通常用作等效的空时间戳。如果要求查询不返回时间戳，例如无限时间范围的聚合函数，InfluxDB将返回epoch 0作为时间戳。

上面的查询中用到了InfluxQL中的函数来计算measurement h2o_quality的每个location和randtag的Index的平均值。在GROUP BY子句中用逗号来分割多个tag。

上面的查询中用到了InfluxQL中的函数来计算measurement h2o_quality的每个tag的Index的平均值。

请注意，查询结果与例二中的查询结果相同，其中我们明确指定了tag key location和randtag。 这是因为measurement h2o_quality中只有这两个tag key。

GROUP BY time()返回结果按指定的时间间隔group by。

基本GROUP BY time()查询需要SELECT子句中的InfluxQL函数和WHERE子句中的时间范围。请注意，GROUP BY子句必须在WHERE子句之后。

time(time_interval)GROUP BY time()语句中的time_interval是一个时间duration。决定了InfluxDB按什么时间间隔group by。例如：time_interval为5m则在WHERE子句中指定的时间范围内将查询结果分到五分钟时间组里。

fill()fill（）是可选的。它会更改不含数据的时间间隔的返回值。

覆盖范围：基本GROUP BY time()查询依赖于time_interval和InfluxDB的预设时间边界来确定每个时间间隔中包含的原始数据以及查询返回的时间戳。

下面的例子用到的示例数据如下：

第一个预设的12分钟时间边界从00:00开始，在00:12之前结束。只有一个数据点（8.005）落在查询的第一个GROUP BY time()间隔内，并且在第一个时间边界。请注意，虽然返回的时间戳在查询的时间范围开始之前发生，但查询结果排除了查询时间范围之前发生的数据。

第二个预设的12分钟时间边界从00:12开始，在00:24之前结束。 只有一个原点（7.887）都在查询的第二个GROUP BY time()间隔内，在该第二个时间边界内。

高级GROUP BY time()语法允许用户移动InfluxDB预设时间边界的开始时间。高级语法部分中的例三将继续显示此处的查询; 它将预设时间边界向前移动六分钟，以便InfluxDB返回：

高级GROUP BY time()查询需要SELECT子句中的InfluxQL函数和WHERE子句中的时间范围。 请注意，GROUP BY子句必须在WHERE子句之后。

time(time_interval,offset_interval)

offset_interval是一个持续时间。它向前或向后移动InfluxDB的预设时间界限。offset_interval可以为正或负。

fill()

fill()是可选的。它会更改不含数据的时间间隔的返回值。

范围

高级GROUP BY time()查询依赖于time_interval，offset_interval和InfluxDB的预设时间边界，以确定每个时间间隔中包含的原始数据以及查询返回的时间戳。

下面例子都使用这份示例数据：

第一个预设的18分钟时间边界从00:00开始，在00:18之前结束。 两个点（8.005和7.887）都落在第一个GROUP BY time()间隔内，并且在第一个时间边界。请注意，虽然返回的时间戳在查询的时间范围开始之前发生，但查询结果排除了查询时间范围之前发生的数据。

第二个预设的18分钟时间边界从00:18开始，在00:36之前结束。 三个点（7.762和7.635和7.5）都落在第二个GROUP BY time()间隔内，在第二个时间边界。 在这种情况下，边界时间范围和间隔时间范围是相同的。

第四个预设的18分钟时间边界从00:54开始，在1:12:00之前结束。 一个点（6.982）落在第四个GROUP BY time()间隔内，在第四个时间边界。

具有offset_interval的查询的时间边界和返回的时间戳符合偏移时间边界：

六分钟偏移间隔向前移动预设边界的时间范围，使得边界时间范围和相关GROUP BY time()间隔时间范围始终相同。使用偏移量，每个间隔对三个点执行计算，返回的时间戳与边界时间范围的开始和GROUP BY time()间隔时间范围的开始匹配。

请注意，offset_interval强制第四个时间边界超出查询的时间范围，因此查询不会返回该最后一个间隔的结果。

第一个预设的18分钟时间边界从00:00开始，在00:18之前结束。 两个点（8.005和7.887）都落在第一个GROUP BY time()间隔内，并且在第一个时间边界。请注意，虽然返回的时间戳在查询的时间范围开始之前发生，但查询结果排除了查询时间范围之前发生的数据。

第二个预设的18分钟时间边界从00:18开始，在00:36之前结束。 三个点（7.762和7.635和7.5）都落在第二个GROUP BY time()间隔内，在第二个时间边界。 在这种情况下，边界时间范围和间隔时间范围是相同的。

第四个预设的18分钟时间边界从00:54开始，在1:12:00之前结束。 一个点（6.982）落在第四个GROUP BY time()间隔内，在第四个时间边界。

具有offset_interval的查询的时间边界和返回的时间戳符合偏移时间边界：

负十二分钟偏移间隔向后移动预设边界的时间范围，使得边界时间范围和相关GROUP BY time()间隔时间范围始终相同。使用偏移量，每个间隔对三个点执行计算，返回的时间戳与边界时间范围的开始和GROUP BY time()间隔时间范围的开始匹配。

请注意，offset_interval强制第一个时间边界超出查询的时间范围，因此查询不会返回该最后一个间隔的结果。

这个例子是上面*基本语法的问题*的继续

该查询使用InfluxQL函数来计算平均water_level，将结果分组为12分钟的时间间隔，并将预设时间边界偏移六分钟。

没有offset_interval的查询的时间边界和返回的时间戳符合InfluxDB的预设时间边界。我们先来看看没有offset_interval的结果：

没有offset_interval的查询的时间边界和返回的时间戳符合InfluxDB的预设时间界限：

第一个预设的12分钟时间边界从00:00开始，在00:12之前结束。只有一个数据点（8.005）落在查询的第一个GROUP BY time()间隔内，并且在第一个时间边界。请注意，虽然返回的时间戳在查询的时间范围开始之前发生，但查询结果排除了查询时间范围之前发生的数据。

第二个预设的12分钟时间边界从00:12开始，在00:24之前结束。 只有一个原点（7.887）都在查询的第二个GROUP BY time()间隔内，在该第二个时间边界内。

具有offset_interval的查询的时间边界和返回的时间戳符合偏移时间边界：

六分钟偏移间隔向前移动预设边界的时间范围，使得边界时间范围和相关GROUP BY time()间隔时间范围始终相同。使用偏移量，每个间隔对三个点执行计算，返回的时间戳与边界时间范围的开始和GROUP BY time()间隔时间范围的开始匹配。

请注意，offset_interval强制第二个时间边界超出查询的时间范围，因此查询不会返回该最后一个间隔的结果。

fill()更改不含数据的时间间隔的返回值。