采样和数据保留

    InfluxDB提供了两个特性——连续查询(Continuous Queries简称CQ)和保留策略(Retention Policies简称RP)，分别用来处理数据采样和管理老数据的。这一章将会展示CQs和RPs的例子，看下在InfluxDB中怎么使用这两个特性。

    Continuous Query (CQ)是在数据库内部自动周期性跑着的一个InfluxQL的查询，CQs需要在语句中使用一个函数，并且一定包括一个GROUP BY time()语句。

    Retention Policy (RP)是InfluxDB数据架构的一部分，它描述了InfluxDB保存数据的时间。InfluxDB会比较服务器本地的时间戳和请求数据里的时间戳，并删除比你在RPs里面用DURATION设置的更老的数据。一个数据库中可以有多个RPs但是每个数据库的RPs是唯一的。

    这一章不会详细地介绍创建和管理CQs和RPs的语法，如果你对这两个概念还是很陌生的话，建议查看CQ文档和。

    本节使用虚构的实时数据，以10秒的间隔，来追踪餐厅通过电话和网站订购食品的订单数量。我们会把这些数据存在food_data数据库里，其measurement为orders，fields分别为phone和website。

    就像这样：

    假定在长时间的运行中，我们只关心每三十分钟通过手机和网站订购的平均数量，我们希望用RPs和CQs实现下面的需求：

    • 自动将十秒间隔数据聚合到30分钟的间隔数据
    • 自动删除超过52周的30分钟间隔数据
    1. > CREATE DATABASE "food_data"

    如果我们写数据的时候没有指定RP的话，InfluxDB会使用默认的RP，我们设置默认的RP是两个小时。使用CREATE RETENTION POLICY语句来创建一个默认RP:

    这个RP的名字叫two_hours作用于food_data数据库上，two_hours保存数据的周期是两个小时，并作为food_data的默认RP。

    复制片参数(REPLICATION 1)是必须的，但是对于单个节点的InfluxDB实例，复制片只能设为1

    接下来我们创建另一个RP保留数据52周，但不是数据库的默认RP。最终30分钟间隔的数据会保存在这个RP里面。

    使用CREATE RETENTION POLICY语句来创建一个非默认的RP：

    1. > CREATE RETENTION POLICY "a_year" ON "food_data" DURATION 52w REPLICATION 1

    这个语句对数据库创建了一个叫做a_year的RP，a_year保存数据的周期是52周。去掉DEFAULT参数可以保证a_year不是数据库food_data的默认RP。这样在读写的时候如果没有指定，仍然是使用two_hours这个默认RP。

    使用CREATE CONTINUOUS QUERY来生成一个CQ：

    上面创建了一个叫做cq_30m的CQ作用于food_data数据库上。cq_30m告诉InfluxDB每30分钟计算一次measurement为orders并使用默认RPtow_hours的字段website和phone的平均值，然后把结果写入到RP为a_year，两个字段分别是mean_website和mean_phone的measurement名为downsampled_orders的数据中。InfluxDB会每隔30分钟跑对之前30分钟的数据跑一次这个查询。

    使用新的CQ和两个新的RPs，food_data已经开始接收数据了。之后我们向数据库里写数据，并且持续一段时间之后，我们可以看到两个measurement分别是orders和downsampled_orders。

    1. > SELECT * FROM "orders" LIMIT 5
    2. name: orders
    4. time                            phone  website
    5. 2016-05-13T23:00:00Z      10     30
    6. 2016-05-13T23:00:10Z      12     39
    7. 2016-05-13T23:00:20Z      11     56
    8. 2016-05-13T23:00:40Z      17     32
    10. > SELECT * FROM "a_year"."downsampled_orders" LIMIT 5
    11. name: downsampled_orders
    12. ---------------------
    13. time                            mean_phone  mean_website
    14. 2016-05-13T15:00:00Z      12          23
    15. 2016-05-13T15:30:00Z      13          32
    16. 2016-05-13T16:00:00Z      19          21
    17. 2016-05-13T16:30:00Z      3           26

    在orders里面是10秒钟间隔的裸数据，保存时间为2小时。在downsampled_orders里面是30分钟的聚合数据，保存时间为52周。

    注意到downsampled_orders返回的第一个时间戳比orders返回的第一个时间戳要早，这是因为InfluxDB已经删除了orders中时间比本地早两个小时的数据。InfluxDB会在52周之后开始删除downsampled_orders中的数据。

    使用RPs和CQs的组合，我们已经成功地创建的数据库并保存高精度的裸数据较短的时间，而保存高精度的数据更长时间。现在我们对这些特性的工作有了大概的了解，我们推荐到CQs和去看更详细的文档。