kafka shutdown

docker-compose down --volumes
docker volume rm sentry-kafka sentry-zookeeper
./install.sh
docker-compose up -d

报错 遇到 image has dependent child images
使用
docker image inspect --format='{{.RepoTags}} {{.Id}} {{.Parent}}' $(docker image ls -q --filter since=XXX)
查询镜像依赖
然后删除依赖再删除对应的镜像 sha256 使用前5位即可

1. 基本概念

InfluxDB 和传统数据库（如：MySQL）的一些区别

InfluxDB 传统数据库中的概念
database 数据库
measurement 数据库中的表
points 表里面的一行数据
特有概念
tag–标签，在 InfluxDB 中，tag 是一个非常重要的部分，表名+tag 一起作为数据库的索引，是“key-value”的形式

field–数据，field 主要是用来存放数据的部分，也是“key-value”的形式

timestamp–时间戳，作为时序型数据库，时间戳是 InfluxDB 中最重要的部分，在插入数据时可以自己指定也可留空让系统指定

说明：在插入新数据时，tag、field 和 timestamp 之间用空格分隔

series–序列，所有在数据库中的数据，都需要通过图表来展示，而这个 series 表示这个表里面的数据，可以在图表上画成几条线。具体可以通过 SHOW SERIES FROM "表名" 进行查询

Retention policy–数据保留策略，可以定义数据保留的时长，每个数据库可以有多个数据保留策略，但只能有一个默认策略

Point–点，表示每个表里某个时刻的某个条件下的一个 field 的数据，因为体现在图表上就是一个点，于是将其称为 point。Point 由时间戳（time）、数据（field）、标签（tags）组成

Point 属性 传统数据库中的概念
time 每个数据记录时间，是数据库中的主索引 (会自动生成)
fields 表中的列（没有索引的属性）也就是记录的值：温度， 湿度
tags 表中的索引：地区，海拔

1. 端口服务

8083：Web admin 管理服务的端口, http://localhost:8083
8086：HTTP API 的端口
8088：集群端口 (目前还不是很清楚, 配置在全局的 bind-address，默认不配置就是开启的)

1. 数据库操作

创建
CREATE DATABASE {NAME};
删除
DROP DATABASE {NAME};
使用
DROP {DB};

数据表和数据操作
建库的操作可以发现非常类似于 MySQL 下的操作。而在 InfluxDB 下没有细分的表的概念，InfluxDB 下的表在插入数据库的时候自动会创建。可以通过 show measurements 命令查看所有的表，这个类似于 MySQL 下的show tables

显示所有表

show measurements

新建表（写数据）
标准格式，注意在写数据的时候如果不添加时间戳，系统会默认添加一个时间。InfluxDB 中没有显式的新建表的语句，只能通过 insert 数据的方式来建立新表。

语法格式
insert <measurement>[,<tag-key>=<tag-value>...] <field-key>=<field-value>[,<field2-key>=<field2-value>...] [unix-nano-timestamp]
示例

INSERT cpu,host=serverA,region=us_west value=0.64

INSERT temperature,machine=unit42,type=assembly external=25,internal=37 1434067467000000000

删除表

drop measurement disk_free

读数据
查询语句与 SQL 一样，不用过多的学习

查询数据

SELECT "host", "region", "value" FROM "cpu"

每个表输出一行（支持 Go 语言的正则表达式、支持类似于 MySQL 中的 limit 语句）

SELECT FROM /./ LIMIT 1

修改和删除数据
InfluxDB 属于时序数据库，没有提供修改和删除数据的方法。

但是删除可以通过 InfluxDB 的数据保存策略（Retention Policies）来实现

update 更新语句没有，不过有 alter 命令，在 influxdb 中，删除操作用和更新基本不用到 。在针对数据保存策略方面，有一个特殊的删除方式，这个后面再提。

series 操作
series 表示这个表里面的数据，可以在图表上画成几条线，series 主要通过 tags 排列组合算出来。

我们可以查询表的 series，如下所示：

show series from mem

1. 用户操作

显示用户

SHOW USERS

创建用户

CREATE USER "username" WITH PASSWORD 'password'

创建管理员权限的用户

CREATE USER "username" WITH PASSWORD 'password' WITH ALL PRIVILEGES

删除用户

DROP USER "username"
influxdb 的权限设置比较简单，只有读、写、ALL 几种。

1. 数据保存策略（Retention Policies）

InfluxDB 每秒可以处理成千上万条数据，要将这些数据全部保存下来会占用大量的存储空间，有时我们可能并不需要将所有历史数据进行存储。InfluxDB 没有提供直接删除 Points 的方法，但是它提供了 Retention Policies，用来让我们自定义数据的保留时间。

1. 查看
   SHOW RETENTION POLICIES ON "testDB"
2. 创建
   CREATE RETENTION POLICY "rp_name" ON "db_name" DURATION 30d REPLICATION 1 DEFAULT

其中：

rp_name：策略名
db_name：具体的数据库名
30d：保存 30 天，30 天之前的数据将被删除
它具有各种时间参数，比如：h（小时），w（星期）
REPLICATION 1：副本个数，这里填 1 就可以了
DEFAULT 设为默认的策略

1. 修改
   ALTER RETENTION POLICY "rp_name" ON db_name" DURATION 3w DEFAULT
2. 删除
   DROP RETENTION POLICY "rp_name" ON "db_name"

常用函数
InfluxDB 提供了很多的有用的函数，这里列举了常用的三个维度函数，Use InfluxQL functions to aggregate, select, and transform data.

COUNT() 函数
返回一个（field）字段中的非空值的数量。
语法：
SELECT COUNT(<field_key>) FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]
示例：

SELECT COUNT(water_level) FROM h2o_feet

name: h2o_feet

time count
1970-01-01T00:00:00Z 15258
说明 water_level 这个字段在 h2o_feet 表中共有 15258 条数据。
注意：InfluxDB 中的函数如果没有指定时间的话，会默认以 epoch 0 (1970-01-01T00:00:00Z) 作为时间。
可以在 where 中加入时间条件，如下：

SELECT COUNT(water_level) FROM h2o_feet WHERE time >= '2015-08-18T00:00:00Z' AND time < '2015-09-18T17:00:00Z' GROUP BY time(4d)

DISTINCT() 函数
返回一个字段（field）的唯一值。
语法：
SELECT DISTINCT(<field_key>) FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]
使用示例

SELECT DISTINCT("level description") FROM h2o_feet

这个例子显示 level description 这个字段共有四个值，然后将其显示了出来，时间为默认时间。

MEAN() 函数
返回一个字段（field）中的值的算术平均值（平均值）。字段类型必须是长整型或 float64。
语法格式：
SELECT MEAN(<field_key>) FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]
使用示例

SELECT MEAN(water_level) FROM h2o_feet

name: h2o_feet

time mean
1970-01-01T00:00:00Z 4.286791371454075
说明 water_level 字段的平均值为4.286791371454075，时间为默认时间，当然，你也可以加入 where 条件。

MEDIAN() 函数
从单个字段（field）中的排序值返回中间值（中位数）。字段值的类型必须是长整型或 float64 格式。
语法：
SELECT MEDIAN(<field_key>) FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]
使用示例

SELECT MEDIAN(water_level) from h2o_feet

name: h2o_feet

time median
1970-01-01T00:00:00Z 4.124
说明表中 water_level 字段的中位数是 4.124

SPREAD() 函数
返回字段的最小值和最大值之间的差值。数据的类型必须是长整型或 float64。
语法：
SELECT SPREAD(<field_key>) FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]
使用示例

SELECT SPREAD(water_level) FROM h2o_feet

name: h2o_feet

time spread
1970-01-01T00:00:00Z 10.574

SUM() 函数
返回一个字段中的所有值的和。字段的类型必须是长整型或 float64。
语法：
SELECT SUM(<field_key>) FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]
使用示例：

SELECT SUM(water_level) FROM h2o_feet

name: h2o_feet

time sum
1970-01-01T00:00:00Z 67777.66900000002
此语句计算出了 h2o_feet 表中 所有 water_level 字段的和。

TOP() 函数
作用：返回一个字段中最大的 N 个值，字段类型必须是长整型或 float64 类型。
语法：
SELECT TOP( <field_key>[,<tag_key(s)>],<N> )[,<tag_key(s)>|<field_key(s)>] [INTO_clause] FROM_clause [WHERE_clause] [GROUP_BY_clause] [ORDER_BY_clause] [LIMIT_clause] [OFFSET_clause] [SLIMIT_clause] [SOFFSET_clause]
使用示例

SELECT TOP("water_level",3) FROM "h2o_feet"

name: h2o_feet
time top
---- ---
2015-08-29T07:18:00Z 9.957
2015-08-29T07:24:00Z 9.964
2015-08-29T07:30:00Z 9.954
这个例子返回表中 water_level 字段中最大的三个值。

BOTTOM() 函数
作用：返回一个字段中最小的 N 个值。字段类型必须是长整型或 float64 类型。
语法：
SELECT BOTTOM(<field_key>[,<tag_keys>],<N>)[,<tag_keys>] FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]
使用示例

SELECT BOTTOM(water_level,3) FROM h2o_feet

name: h2o_feet

time bottom
2015-08-29T14:30:00Z -0.61
2015-08-29T14:36:00Z -0.591
2015-08-30T15:18:00Z -0.594
这个例子返回表中 water_level 字段中最小的三个值。
也可将关联 tag 放在一起查询，但如果 tag 值少于 N 的值，则返回的值的个数只会取 tag 中字段值少的那个。
如下所示：

SELECT BOTTOM(water_level,location,3) FROM h2o_feet

name: h2o_feet

time bottom location
2015-08-29T10:36:00Z -0.243 santa_monica
2015-08-29T14:30:00Z -0.61 coyote_creek
语句取最小的三个值，然而结果只返回了 2 个值，因为 location 这个 tag 只有 两个取值。

FIRST() 函数
作用：返回一个字段中最老的取值。
语法：
SELECT FIRST(<field_key>)[,<tag_key(s)>] FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]
示例：

SELECT FIRST(water_level) FROM h2o_feet WHERE location = 'santa_monica'

name: h2o_feet

time first
2015-08-18T00:00:00Z 2.064
这个语句返回了 在 location 为 santa_monica 条件下，最旧的那个 water_level 字段的取值和时间。

LAST() 函数
作用：返回一个字段中最新的取值。
语法：
SELECT LAST(<field_key>)[,<tag_key(s)>] FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]
示例：

SELECT LAST(water_level),location FROM h2o_feet WHERE time >= '2015-08-18T00:42:00Z' and time <= '2015-08-18T00:54:00Z'

name: h2o_feet

time last location
2015-08-18T00:54:00Z 6.982 coyote_creek

MAX() 函数
作用：返回一个字段中的最大值。该字段类型必须是长整型，float64，或布尔类型。
语法：
SELECT MAX(<field_key>)[,<tag_key(s)>] FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]
示例：

SELECT MAX(water_level),location FROM h2o_feet

name: h2o_feet

time max location
2015-08-29T07:24:00Z 9.964 coyote_creek

MIN() 函数
作用：返回一个字段中的最小值。该字段类型必须是长整型，float64，或布尔类型。
语法：
SELECT MIN(<field_key>)[,<tag_key(s)>] FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]
示例：

SELECT MIN(water_level),location FROM h2o_feet

name: h2o_feet

time min location
2015-08-29T14:30:00Z -0.61 coyote_creek

PERCENTILE() 函数
作用：返回排序值排位为 N 的百分值。字段的类型必须是长整型或 float64。
百分值是介于 100 到 0 之间的整数或浮点数，包括 100。
语法：
SELECT PERCENTILE(<field_key>, <N>)[,<tag_key(s)>] FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]
示例：

SELECT PERCENTILE(water_level,5),location FROM h2o_feet

name: h2o_feet

time percentile location
2015-08-28T12:06:00Z 1.122 santa_monica
就是将 water_level 字段按照不同的 location 求百分比，然后取第五位数据。

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：
SELECT DERIVATIVE(<field_key>, [<unit>]) FROM <measurement_name> [WHERE <stuff>]
其中，unit取值可以为以下几种：
u --microseconds
s --seconds
m --minutes
h --hours
d --days
w --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：
SELECT DERIVATIVE(AGGREGATION_FUNCTION(<field_key>),[<unit>]) FROM <measurement_name> WHERE <stuff> GROUP BY time(<aggregation_interval>)
示例：
假设 location = santa_monica 条件下数据有以下几条：

name: h2o_feet

time water_level
2015-08-18T00:00:00Z 2.064
2015-08-18T00:06:00Z 2.116
2015-08-18T00:12:00Z 2.028
2015-08-18T00:18:00Z 2.126
2015-08-18T00:24:00Z 2.041
2015-08-18T00:30:00Z 2.051
计算每一秒的变化率：

SELECT DERIVATIVE(water_level) FROM h2o_feet WHERE location = 'santa_monica' LIMIT 5

name: h2o_feet

time derivative
2015-08-18T00:06:00Z 0.00014444444444444457
2015-08-18T00:12:00Z -0.00024444444444444465
2015-08-18T00:18:00Z 0.0002722222222222218
2015-08-18T00:24:00Z -0.000236111111111111
2015-08-18T00:30:00Z 2.777777777777842e-05
计算每六分钟的变化率

SELECT DERIVATIVE(water_level,6m) FROM h2o_feet WHERE location = 'santa_monica' LIMIT 5

name: h2o_feet

time derivative
2015-08-18T00:06:00Z 0.052000000000000046
2015-08-18T00:12:00Z -0.08800000000000008
2015-08-18T00:18:00Z 0.09799999999999986
2015-08-18T00:24:00Z -0.08499999999999996
2015-08-18T00:30:00Z 0.010000000000000231
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：

SELECT DERIVATIVE(water_level,12m) FROM h2o_feet WHERE location = 'santa_monica' LIMIT 5

name: h2o_feet

time derivative
2015-08-18T00:06:00Z 0.10400000000000009
2015-08-18T00:12:00Z -0.17600000000000016
2015-08-18T00:18:00Z 0.19599999999999973
2015-08-18T00:24:00Z -0.16999999999999993
2015-08-18T00:30:00Z 0.020000000000000462
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

SELECT DERIVATIVE(MAX(water_level)) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' AND time < '2015-08-18T00:36:00Z' GROUP BY time(12m)

name: h2o_feet

time derivative
2015-08-18T00:12:00Z 0.009999999999999787
2015-08-18T00:24:00Z -0.07499999999999973

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：
SELECT DIFFERENCE(<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：
SELECT DIFFERENCE(<function>(<field_key>)) FROM <measurement_name> WHERE <stuff> GROUP BY time(<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：

SELECT water_level FROM h2o_feet WHERE location='santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z'

name: h2o_feet

time water_level
2015-08-18T00:00:00Z 2.064
2015-08-18T00:06:00Z 2.116
2015-08-18T00:12:00Z 2.028
2015-08-18T00:18:00Z 2.126
2015-08-18T00:24:00Z 2.041
2015-08-18T00:30:00Z 2.051
2015-08-18T00:36:00Z 2.067
计算water_level间的差异：

SELECT DIFFERENCE(water_level) FROM h2o_feet WHERE location='santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z'

name: h2o_feet

time difference
2015-08-18T00:06:00Z 0.052000000000000046
2015-08-18T00:12:00Z -0.08800000000000008
2015-08-18T00:18:00Z 0.09799999999999986
2015-08-18T00:24:00Z -0.08499999999999996
2015-08-18T00:30:00Z 0.010000000000000231
2015-08-18T00:36:00Z 0.016000000000000014
数据类型都为 float 类型。

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。
单位可选项如下：
Units Meaning
ns nanoseconds (1 billionth of a second)
u or µ microseconds (1 millionth of a second)
ms milliseconds (1 thousandth of a second)
s second
m minute
h hour
d day
w week
语法：
SELECT ELAPSED(<field_key>, <unit>) FROM <measurement_name> [WHERE <stuff>]
示例：
计算 h2o_feet 字段在纳秒间隔下的差异。

SELECT ELAPSED(water_level) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:24:00Z'

name: h2o_feet

time elapsed
2015-08-18T00:06:00Z 360000000000
2015-08-18T00:12:00Z 360000000000
2015-08-18T00:18:00Z 360000000000
2015-08-18T00:24:00Z 360000000000
在一分钟间隔下的差异率：

SELECT ELAPSED(water_level,1m) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:24:00Z'

name: h2o_feet

time elapsed
2015-08-18T00:06:00Z 6
2015-08-18T00:12:00Z 6
2015-08-18T00:18:00Z 6
2015-08-18T00:24:00Z 6
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：

SELECT ELAPSED(water_level,1h) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:24:00Z'

name: h2o_feet

time elapsed
2015-08-18T00:06:00Z 0
2015-08-18T00:12:00Z 0
2015-08-18T00:18:00Z 0
2015-08-18T00:24:00Z 0

MOVING_AVERAGE() 函数
作用：返回一个连续字段值的移动平均值，字段类型必须是长整形或者 float64 类型。
语法：
基本语法
SELECT MOVING_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
SELECT MOVING_AVERAGE(<function>(<field_key>),<window>) FROM <measurement_name> WHERE <stuff> GROUP BY time(<time_interval>)
此函数可以和以下函数一起使用：
COUNT(), MEAN(),MEDIAN(), SUM(), FIRST(), LAST(), MIN(), MAX(), and PERCENTILE().
示例：

SELECT water_level FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z'

name: h2o_feet

time water_level
2015-08-18T00:00:00Z 2.064
2015-08-18T00:06:00Z 2.116
2015-08-18T00:12:00Z 2.028
2015-08-18T00:18:00Z 2.126
2015-08-18T00:24:00Z 2.041
2015-08-18T00:30:00Z 2.051
2015-08-18T00:36:00Z 2.067

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：
SELECT NON_NEGATIVE_DERIVATIVE(<field_key>, [<unit>]) FROM <measurement_name> [WHERE <stuff>]
其中 unit 取值可以为以下几个：
Valid time specifications for unit are:
u microseconds
s seconds
m minutes
h hours
d days
w weeks
与聚合类函数放在一起使用时的语法如下所示：
SELECT NON_NEGATIVE_DERIVATIVE(AGGREGATION_FUNCTION(<field_key>),[<unit>]) FROM <measurement_name> WHERE <stuff> GROUP BY time(<aggregation_interval>)
此函数示例请参阅：DERIVATIVE()``函数

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：
SELECT STDDEV(<field_key>) FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]
示例：

SELECT STDDEV(water_level) FROM h2o_feet

name: h2o_feet

time stddev
1970-01-01T00:00:00Z 2.279144584196145
示例 2：

SELECT STDDEV(water_level) FROM h2o_feet WHERE time >= '2015-08-18T00:00:00Z' and time < '2015-09-18T12:06:00Z' GROUP BY time(1w), location

name: h2o_feet
tags: location = coyote_creek
time stddev
---- ------
2015-08-13T00:00:00Z 2.2437263080193985
2015-08-20T00:00:00Z 2.121276150144719
2015-08-27T00:00:00Z 3.0416122170786215
2015-09-03T00:00:00Z 2.5348065025435207
2015-09-10T00:00:00Z 2.584003954882673
2015-09-17T00:00:00Z 2.2587514836274414
name: h2o_feet
tags: location = santa_monica
time stddev
---- ------
2015-08-13T00:00:00Z 1.11156344587553
2015-08-20T00:00:00Z 1.0909849279082366
2015-08-27T00:00:00Z 1.9870116180096962
2015-09-03T00:00:00Z 1.3516778450902067
2015-09-10T00:00:00Z 1.4960573811500588
2015-09-17T00:00:00Z 1.075701669442093

连续查询
定义
InfluxDB 的连续查询是在数据库中自动定时启动的一组语句，语句中必须包含 SELECT关键词和GROUP BY time()关键词。
InfluxDB 会将查询结果放在指定的数据表中。

目的
使用连续查询是最优的降低采样率的方式，连续查询和存储策略搭配使用将会大大降低 InfluxDB 的系统占用量。
而且使用连续查询后，数据会存放到指定的数据表中，这样就为以后统计不同精度的数据提供了方便。

操作
只有管理员用户可以操作连续查询。

1）新建连续查询
新建连续查询的语法如下所示：
CREATE CONTINUOUS QUERY <cq_name> ON <database_name>
[RESAMPLE [EVERY <interval>] [FOR <interval>]]
BEGIN SELECT <function>(<stuff>)[,<function>(<stuff>)] INTO <different_measurement>
FROM <current_measurement> [WHERE <stuff>] GROUP BY time(<interval>)[,<stuff>]
END
查询部分被 CREATE CONTINUOUS QUERY […] BEGIN 和 END 所包含，主要的逻辑代码也是在这一部分。
使用示例：

CREATE CONTINUOUS QUERY cq_30m ON telegraf BEGIN SELECT mean(used) INTO mem_used_30m FROM mem GROUP BY time(30m) END
SHOW CONTINUOUS QUERIES

name: telegraf

name query
cq_30m CREATE CONTINUOUS QUERY cq_30m ON telegraf BEGIN
SELECT mean(used) INTO telegraf."default".mem_used_30m FROM telegraf."default".mem
GROUP BY time(30m) END

name: _internal

name query
示例在 telegraf 库中新建了一个名为 cq_30m 的连续查询，每三十分钟取一个 used 字段的平均值，加入 mem_used_30m 表中。使用的数据保留策略都是 default。

2）显示所有已存在的连续查询
查询所有连续查询可以使用如下语句：

SHOW CONTINUOUS QUERIES

name: telegraf

name query
cq_30m CREATE CONTINUOUS QUERY cq_30m ON telegraf
BEGIN SELECT mean(used) INTO telegraf."default".mem_used_30m FROM telegraf."default".mem
GROUP BY time(30m) END

name: _internal

name query
可以看到其连续查询的名称以及 语句等信息。

3）删除 Continuous Queries
删除连续查询的语句如下：
DROP CONTINUOUS QUERY <cq_name> ON <database_name>

在 InfluxDB 中，将连续查询与数据存储策略一起使用会达到最好的效果。
比如，将精度高的表的存储策略定为一个周，然后将精度底的表存储策略定的时间久一点，这要就可以实现高低搭配，以满足不同的工作需要。

连续查询语法
连续查询的语法如下：
CREATE CONTINUOUS QUERY <cq_name> ON <database_name> [RESAMPLE [EVERY <interval>] [FOR <interval>]] BEGIN SELECT <function>(<stuff>)[,<function>(<stuff>)] INTO <different_measurement> FROM <current_measurement> [WHERE <stuff>] GROUP BY time(<interval>)[,<stuff>] END
指定连续查询的时间范围
可以使用 RESAMPLE FOR 关键词来指定连续查询的时间范围，比如，每次执行都对 1 小时内的数据进行连续查询：
CREATE CONTINUOUS QUERY vampires_1 ON transylvania RESAMPLE FOR 60m BEGIN SELECT count(dracula) INTO vampire_populations_1 FROM raw_vampires GROUP BY time(30m) END
这个语句每次会将 1 小时的数据执行连续查询，也就是说，每次执行时，会将 now() 到 now()-30m 和 now()-30m 到 now()-60m 分别做连续查询，这样我们就可以手动指定连续查询的时间范围了。
指定连续查询的执行频次
可以使用 RESAMPLE EVERY 关键词来指定连续查询的执行频次，比如，指定连续查询的执行频次为每 15m 执行一次：
CREATE CONTINUOUS QUERY vampires ON transylvania RESAMPLE EVERY 15m BEGIN SELECT count(dracula) INTO vampire_populations FROM raw_vampires GROUP BY time(30m) END
这样，连续查询会每隔 15m 执行一次。
同时指定连续查询的范围和频次
将 RESAMPLE FOR 和 EVERY 关键词同时使用，可以同时指定连续查询的范围和频次，如下：
CREATE CONTINUOUS QUERY vampires_2 ON transylvania RESAMPLE EVERY 15m FOR 60m BEGIN SELECT count(dracula) INTO vampire_populations_2 FROM raw_vampires GROUP BY time(30m) END
这个语句指定连续查询每 15m 执行一次，每次执行的范围为 60m。