InfluxQL 语法与用法及其与 SQL 和 MongoDB 的区别

前言

哈喽，各位小伙伴们，你们好呀，我是喵手。运营社区：C站/掘金/腾讯云/阿里云/华为云/51CTO；欢迎大家常来逛逛

  今天我要给大家分享一些自己日常学习到的一些知识点，并以文字的形式跟大家一起交流，互相学习，一个人虽可以走的更快，但一群人可以走的更远。

  我是一名后端开发爱好者，工作日常接触到最多的就是Java语言啦，所以我都尽量抽业余时间把自己所学到所会的，通过文章的形式进行输出，希望以这种方式帮助到更多的初学者或者想入门的小伙伴们，同时也能对自己的技术进行沉淀，加以复盘，查缺补漏。

小伙伴们在批阅的过程中，如果觉得文章不错，欢迎点赞、收藏、关注哦。三连即是对作者我写作道路上最好的鼓励与支持！

前言

随着物联网（IoT）、监控、日志分析等应用的快速增长，时间序列数据库（TSDB）成为了存储和处理大规模时间序列数据的核心技术。InfluxDB 是一款专为处理时间序列数据设计的数据库，而 InfluxQL 是 InfluxDB 提供的类 SQL 语言，专门用于查询和操作时间序列数据。

与传统的 SQL 数据库或 NoSQL 数据库（如 MongoDB）相比，InfluxQL 针对时间序列数据的特点进行了优化，提供了丰富的查询和聚合功能。在本文中，我们将详细介绍 InfluxQL 的语法与用法，并讨论它与 SQL 和 MongoDB 的主要区别。

什么是 InfluxQL？

InfluxQL 是 InfluxDB 提供的查询语言，旨在帮助用户以类似 SQL 的方式查询时间序列数据。虽然 InfluxQL 的语法与 SQL 相似，但它针对时间序列数据有独特的优化和扩展，能够高效地处理时间维度的查询和聚合。

在 InfluxDB 中，数据由以下几部分组成：

• Measurement（测量）：类似于 SQL 中的表，代表一个数据集合。
• Tag（标签）：用于描述数据的元数据，类似于 SQL 中的列，通常是字符串类型。
• Field（字段）：存储实际的度量值，支持多种数据类型（如整数、浮点数等）。
• Timestamp（时间戳）：记录数据的时间点，时间序列数据的关键属性。

InfluxQL 的基本语法与用法

1. 查询数据

最基础的查询操作是从某个测量中检索数据，语法类似于 SQL 的 SELECT 语句。

示例：查询某个测量中的数据

SELECT temperature FROM weather

该查询将返回 weather 测量中的 temperature 字段值。类似 SQL 的 SELECT，FROM 子句指定了测量（类似表）。

限制返回结果条数

SELECT temperature FROM weather LIMIT 10

该查询会限制返回的结果数量为 10。

2. 基于时间范围的查询

时间序列数据的核心在于时间维度，因此 InfluxQL 提供了方便的时间过滤功能。

示例：查询过去 1 小时的数据

SELECT temperature FROM weather WHERE time > now() - 1h

WHERE time > now() - 1h 过滤条件用于获取过去 1 小时的数据。

3. 聚合操作

InfluxQL 提供了丰富的聚合操作，如 MEAN()、SUM()、MIN()、MAX()，用于对时间序列数据进行聚合。

示例：计算某个字段的平均值

SELECT MEAN(temperature) FROM weather WHERE time > now() - 1d

该查询会返回过去 1 天中 temperature 字段的平均值。

4. 分组查询

通过 GROUP BY time()，我们可以按时间间隔对数据进行分组，并计算每个时间段的聚合值。

示例：按 1 小时分组并计算温度平均值

SELECT MEAN(temperature) FROM weather WHERE time > now() - 1d GROUP BY time(1h)

该查询会返回过去 1 天内每小时的平均温度。

5. 使用标签过滤数据

InfluxQL 允许使用标签来过滤数据。标签类似 SQL 中的列，但其作用主要是区分数据的元信息。

示例：基于标签过滤查询

SELECT temperature FROM weather WHERE city = 'London' AND time > now() - 1d

该查询会返回过去 1 天中 London 城市的温度数据。

6. 数据插入

InfluxDB 中的数据插入操作较为简单，通常使用 INSERT 语句。

示例：插入新数据

INSERT INTO weather,city=London temperature=20 1627812000000000000

该语句将温度为 20 的数据插入 weather 测量中，城市标签为 London，时间戳为指定的值（单位为纳秒）。

InfluxQL 与 SQL 的主要区别

虽然 InfluxQL 借鉴了 SQL 的语法，但它们之间存在一些显著的区别。以下是 InfluxQL 与 SQL 的主要差异：

1. 数据结构的不同

• SQL：数据存储在关系表中，每张表有固定的列和行。
• InfluxQL：数据存储在测量中，每个测量包含字段和标签，时间戳是核心维度。InfluxQL 通过测量、标签和时间戳来组织数据，而不是像 SQL 那样通过表和列。

2. 聚合与分组方式

• SQL：在 SQL 中，分组通常基于列（GROUP BY column_name）。
• InfluxQL：InfluxQL 的分组通常基于时间（GROUP BY time(interval)），它专门为时间序列数据优化，可以按固定时间间隔聚合数据。

3. 无 JOIN 操作

• SQL：支持 JOIN 操作，能够在多张表之间连接数据。
• InfluxQL：不支持 JOIN，由于 InfluxDB 的数据模型不同，通常不需要或不支持多测量之间的连接。

4. 插入数据的方式

• SQL：数据插入时，指定具体的列和值。
• InfluxQL：数据插入时，通常带有时间戳、标签和字段，插入的数据结构与时间序列的特点紧密相关。

InfluxQL 与 MongoDB 的区别

MongoDB 是一个 NoSQL 数据库，主要使用 JSON 风格的文档存储数据。与 MongoDB 相比，InfluxDB 和 InfluxQL 的区别如下：

1. 数据存储模型不同

• MongoDB：数据以文档（JSON 格式）形式存储，集合（Collection）是文档的逻辑集合。
• InfluxDB：数据以时间序列存储，测量（Measurement）是数据的集合，核心在于字段、标签和时间戳。

2. 查询语言的不同

• MongoDB：使用专有的查询语言，基于 JSON 格式进行查询和聚合操作，支持丰富的聚合管道。
• InfluxQL：基于 SQL 风格的查询语言，专为时间序列数据设计，提供便捷的时间过滤和聚合操作。

3. 聚合操作的不同

• MongoDB：使用 aggregate() 方法和聚合管道进行数据聚合，管道操作可以非常灵活。
• InfluxQL：聚合操作围绕时间序列，常用的聚合操作如 SUM()、MEAN() 等，提供了 GROUP BY time() 来按时间间隔聚合数据。

4. 索引机制

• MongoDB：支持创建多种索引以优化查询性能。
• InfluxDB：时间戳作为内置索引，所有数据默认按时间组织，不需要额外的索引来优化时间序列数据的查询。

示例对比：InfluxQL、SQL 和 MongoDB

1. 查询最新的数据

• InfluxQL：

SELECT LAST(temperature) FROM weather WHERE city = 'London'

• SQL：

SELECT temperature FROM weather WHERE city = 'London' ORDER BY time DESC LIMIT 1

• MongoDB：

db.weather.find({ city: 'London' }).sort({ time: -1 }).limit(1)

2. 聚合查询：计算过去 1 小时的平均温度

• InfluxQL：

SELECT MEAN(temperature) FROM weather WHERE time > now() - 1h

• SQL：

SELECT AVG(temperature) FROM weather WHERE time > NOW() - INTERVAL 1 HOUR

• MongoDB：

db.weather.aggregate([
  { $match: { time: { $gt: new Date(Date.now() - 3600000) } } },
  { $group: { _id: null, avgTemperature: { $avg: "$temperature" } } }
])

3. 分组查询：按时间间隔分组计算平均值

• InfluxQL：

SELECT MEAN(temperature) FROM weather WHERE time > now() - 1d GROUP BY time(1h)

• SQL：

SELECT DATE_FORMAT(time, '%Y-%m-%d %H:00:00') AS time, AVG(temperature) 
FROM weather 
WHERE time > NOW() - INTERVAL 1 DAY 
GROUP BY

 time

• MongoDB：

db.weather.aggregate([
  { $match: { time: { $gt: new Date(Date.now() - 86400000) } } },
  {
    $group: {
      _id: { $hour: "$time" },
      avgTemperature: { $avg: "$temperature" }
    }
  }
])

总结

通过本文的介绍，我们详细解析了 InfluxQL 的基本语法和用法，结合 SQL 和 MongoDB，展示了它们之间的主要差异。InfluxQL 针对时间序列数据进行了优化，提供了便捷的时间过滤、聚合和分组操作，是处理监控、IoT 和日志分析等时间序列数据场景的理想工具。

尽管 InfluxQL 与 SQL 和 MongoDB 有相似之处，但它的设计更加专注于高效管理时间序列数据。因此，掌握 InfluxQL 的使用方法，不仅有助于应对时间序列数据的挑战，还能更好地利用 InfluxDB 的强大功能。

… …

文末

好啦，以上就是我这期的全部内容，如果有任何疑问，欢迎下方留言哦，咱们下期见。

… …

学习不分先后，知识不分多少；事无巨细，当以虚心求教；三人行，必有我师焉！！！

wished for you successed ！！！

---

⭐️若喜欢我，就请关注我叭。

⭐️若对您有用，就请点赞叭。

⭐️若有疑问，就请评论留言告诉我叭。