如何用InfluxDB的Flux分析日均能耗分布并可视化？

改造后的Flux查询 #

要实现按每天5分钟时段（共288个时段）计算均值、中位数等统计值，需在原有查询基础上添加时段分组与聚合逻辑，具体查询如下：

from(bucket: "Energie")
  |> range(start: -7d)
  |> filter(fn: (r) => r["_measurement"] == "mqtt_consumer")
  |> filter(fn: (r) => r["topic"] == "energie/haushalt_hm/IEC_POWER")
  // 按5分钟窗口聚合原始数据，得到每个区间的平均能耗
  |> aggregateWindow(every: 5m, fn: mean, createEmpty: false)
  // 生成时段标识：易读的HH:mm格式 + 数值型分钟数（用于排序）
  |> map(fn: (r) => ({
      r with
      interval: time.format(t: time.truncate(t: r._time, every: 5m), format: "%H:%M"),
      interval_min: uint(v: hour(t: r._time)) * 60 + uint(v: minute(t: r._time))
    })
  )
  // 按时段分组，计算该时段的均值、中位数
  |> group(columns: ["interval", "interval_min"])
  |> aggregateWindow(every: inf, fn: mean, column: "_value", alias: "mean_power")
  |> aggregateWindow(every: inf, fn: median, column: "_value", alias: "median_power")
  // 按时段顺序排序，保证图表展示逻辑正确
  |> sort(columns: ["interval_min"])
  |> keep(columns: ["interval", "interval_min", "mean_power", "median_power"])

查询逻辑说明 #

1. 基础数据处理：保留原有过滤与5分钟窗口聚合，确保每个数据点是对应时段的平均能耗；
2. 时段标识生成：通过map生成两类时段标签，interval用于可视化时的易读展示，interval_min用于避免字符串排序的逻辑错误；
3. 分组聚合：按时段分组后，用every: inf对全周期同时段数据做聚合，得到该时段的均值、中位数；
4. 排序与字段筛选：按数值型时段排序，仅保留可视化所需字段。

可视化配置（以InfluxDB UI为例） #

1. 图表类型选择：优先选择折线图（展示趋势）或柱状图（对比时段差异）；
2. 轴配置：
   • X轴：选择interval作为展示字段，设置排序依据为interval_min，确保时段从00:00到23:55依次排列；
   • Y轴：添加mean_power和median_power两个字段，可通过不同颜色区分，直观对比均值与中位数的差异；
3. 扩展极值展示：若需查看每个时段的能耗波动范围，可在查询中添加极值聚合：

   |> aggregateWindow(every: inf, fn: max, column: "_value", alias: "max_power")
   |> aggregateWindow(every: inf, fn: min, column: "_value", alias: "min_power")
   

   可视化时可添加极值线条，或用区域图展示min_power到max_power的波动区间。

注意事项 #

• 数据完整性：若存在时段数据缺失，可将aggregateWindow中的createEmpty: false改为true，确保每个时段都有数据点（缺失值会填充null，聚合时自动忽略）；
• 样本周期：可调整range(start: -7d)为更长周期（如-30d），获取更具代表性的统计结果；
• 日期类型区分：若需对比工作日与周末的能耗差异，可在map步骤添加weekday字段，分组时纳入该字段即可实现分类分析。

内容的提问来源于stack exchange，提问作者Twonky