No.8 - 时序数据库随笔 - InfluxDB 多条时序数据联合分析

01 问题

正文本篇我们要解决 ​​No​6，​No7提到的网友问题，如下：

​简单说就是如何处理两条时间线的数值计算？上面例子是一个 “+” 加法。

02 数据准备

我们首先利用InfluxDB解决上述问题，首先进行数据准备，建立一个测试的bucket，建立之前先检查一下现有的bucket。

启动InfluxDB实例，如下：

启动之后，我们查看一下现有的bucket，如下：

influxdb git:(master) bin/$(uname -s | tr '[:upper:]' '[:lower:]')/influx bucket list         
ID                      Name            Retention       Shard group duration    Organization ID
98e86f05543f5866        _monitoring     168h0m0s        24h0m0s                 56b35f89025991c8
b9b9609ae3e08b97        _tasks          72h0m0s         24h0m0s                 56b35f89025991c8

创建名为iot的bucket，如下命令：

bin/$(uname -s | tr '[:upper:]' '[:lower:]')/influx setup 
--username iot 
--password 2021iotdb 
--org org 
--bucket 2021iotdb 
--retention 1h 
--token iot_test_token 
--host http://localhost:8086 
--force

执行成功之后会显示如下：

➜  influxdb git:(master) bin/$(uname -s | tr '[:upper:]' '[:lower:]')/influx setup 
--username iot 
--password 2021iotdb 
--org org 
--bucket 2021iotdb 
--retention 1h 
--token iot_test_token 
--host http://localhost:8086 
--force
Config default has been stored in /Users/jincheng/.influxdbv2/configs.
User  Organization  Bucket
iot  org    2021iotdb

我们用命令查看一下：

➜  influxdb git:(master) bin/$(uname -s | tr '[:upper:]' '[:lower:]')/influx bucket list
ID      Name    Retention  Shard group duration  Organization ID
c05283f56bf9cead  2021iotdb  1h0m0s    1h0m0s      0b1ad4c0cd4db9ca
e70f5bb2fdaa5dd2  _monitoring  168h0m0s  24h0m0s      0b1ad4c0cd4db9ca
56241b01789c1a1b  _tasks    72h0m0s    24h0m0s      0b1ad4c0cd4db9ca

插入两条时间线数据，如下：

➜  influxdb git:(master) bin/$(uname -s | tr '[:upper:]' '[:lower:]')/influx write --bucket 2021iotdb --precision s "m1 vm=3333 $(date +%s)"
➜  influxdb git:(master) bin/$(uname -s | tr '[:upper:]' '[:lower:]')/influx write --bucket 2021iotdb --precision s "m2 vn=4444 $(date +%s)"

我们插入两条时间线数据，m1的vm=3333，m2的vn=4444，我们的需求是vm + vn。  

03 JOIN查询

我们看一下JOIN的功能定义：

The join() function merges two or more input streams, whose values are equal on a set of common columns, into a single output stream. Flux allows you to join on any columns common between two data streams and opens the door for operations such as cross-measurement joins and math across measurements.

语法：join(tables: {key1: table1, key2: table2}, on: ["_time", "_field"], method: "inner")

这个和我们标准数据库的JOIN语义基本一致，我们先查看一下用于测试的数据，我们既可以用influxCLI，如下：

我们发现数据已经插入成功。也可以用fluxCLI，InlfuxDB社区更推进用flux，我们打开一个flux repl。细节可以查阅 前面一篇No6。我用IDE打开如下：

> from(bucket:"2021iotdb") |> range(start:-1h)
Result: _result
Error: unauthorized access

如图，我们在IDE里面执行查询时候，提示我们需要token，那么influx query为啥不需要呢，IDE没有默认去读取配置文件，我们可以配置环境变量也可以直接添加token，查询语句如下：

> from(bucket:"2021iotdb", org:"org", token:"iot_test_token") |> range(start:-1h)
Result: _result
Table: keys: [_start, _stop, _field, _measurement]
                   _start:time                      _stop:time           _field:string     _measurement:string                      _time:time                  _value:float  
------------------------------  ------------------------------  ----------------------  ----------------------  ------------------------------  ----------------------------  
2021-04-06T05:36:50.079542000Z  2021-04-06T06:36:50.079542000Z                      vm                      m1  2021-04-06T06:23:16.000000000Z                          3333  
Table: keys: [_start, _stop, _field, _measurement]
                   _start:time                      _stop:time           _field:string     _measurement:string                      _time:time                  _value:float  
------------------------------  ------------------------------  ----------------------  ----------------------  ------------------------------  ----------------------------  
2021-04-06T05:36:50.079542000Z  2021-04-06T06:36:50.079542000Z      

好的，一切都还算顺利，我们看看如果计算 vm + vn呢？如果我们把 m1和m2两个时间序列看成是两个流（表），那么我们要进行两个表的操作，第一想到的应该是两个表进行JOIN将两个表的数据合并成一个宽表，然后在进行列求值，如下：

tab1 = from(bucket:"2021iotdb", org:"org", token:"iot_test_token") 
|> range(start:-1h) 
|> filter(fn:(r) => r._measurement == "m1")

tab2 = from(bucket:"2021iotdb", org:"org", token:"iot_test_token") 
|> range(start:-1h) 
|> filter(fn:(r) => r._measurement == "m2")

得到两个表之后我们在进行JOIN操作，查询语句如下：

join(tables: {m1:tab1, m2:tab2},
 on: ["_time"]
) |> map(fn:(r) => ({_time: r._time,
    _value: r._value_m1 + r._value_m2
}))

上面的on表示JOIN的条件，但是我们发现，tab1和tab2中时间字段并不相同，如下：

所以我们需要再快速的插入两条数据，使得时间字段相同，我们才能拿到结果，插入之后数据如下：

这样我们再进行查询：

join(tables: {m1:tab1, m2:tab2},
 on: ["_time"]
) |> map(fn:(r) => ({_time: r._time,
    _value: r._value_m1 + r._value_m2
}))

如上我们完成了查询需求。哈哈，那是不是在InfluxDB里面进行这类查询都是用JOIN的方式吗？是否有更简单的方式？看下面部分：）

03 PIOVT查询

我们看一下PIVOT的功能定义：

The pivot() function collects values stored vertically (column-wise) in a table and aligns them horizontally (row-wise) into logical sets.

语法：pivot(rowKey:["_time"], columnKey: ["_field"], valueColumn: "_value")

其实在标准数据库里面也有PIVOT，在InfluxDB里面pivot可以将行转换为列，进而将两个时序数据值变成一个Table中的两个列，这个内置也可以为用户进行内部优化处理。我们看看如何操作：

> from(bucket:"2021iotdb", org:"org", token:"iot_test_token") 
|> range(start:-1h) 
|> pivot(rowKey:["_time"], columnKey: ["_measurement","_field"],valueColumn: "_value")

如上语句执行结果如下：

我们发现m1的vm和m2的vn都变成一个表的某一列了，这样pivot就完美的将两个时序数据合并成宽表的列了。我们再加上具体的过滤条件，如下：

接下来我们再进行计算，如下：

from(bucket:"2021iotdb", org:"org", token:"iot_test_token") 
|> range(start:-1h) 
|> filter(fn:(r) => r._measurement == "m1" or r._measurement == "m2")
|> pivot(rowKey:["_time"], columnKey: ["_measurement","_field"],valueColumn: "_value")
|> map(fn:(r) => ({_time: r._time, _value:r.m1_vm + r.m2_vn}))

OK, 大家是不是赶紧PIVOT非常方便？：）

04 问题

最后，留个问题给大家，大家知道标准数据库里面PIVOT和UNPIVOT的使用场景吗？或者Flink&Spark如何支持PIVOT？或者知道Apache IoTDB里面如何处理多条时序数据分析梳理吗？我们下一篇见。

作者介绍

孙金城，51CTO社区编辑，Apache Flink PMC 成员，Apache Beam Committer，Apache IoTDB PMC 成员，ALC Beijing 成员，Apache ShenYu 导师，Apache 软件基金会成员。关注技术领域流计算和时序数据存储。