基于InfluxDB的Grafana查询：统计连续100%丢包次数至值变更

需求回顾 #

从当前时间回溯，统计第一个非100%丢包记录之前连续出现的100%丢包次数；若所有记录均为100%丢包，则统计全部次数。

方案一：InfluxDB 1.x（InfluxQL） #

假设你的测量表名为packet_loss，丢包率字段为loss_percent，使用以下嵌套查询实现：

SELECT COALESCE(
  -- 统计第一个非100%丢包之后的连续100%次数
  (SELECT COUNT(*) AS count
   FROM (
     SELECT 
       time,
       CASE WHEN loss_percent = 100 THEN 1 ELSE 0 END AS is_full_loss
     FROM packet_loss
     WHERE time >= now() - 1d -- 覆盖每日48次检测的时间范围
     ORDER BY time DESC
   )
   WHERE time > (
     -- 获取最近一次非100%丢包的时间点
     SELECT time
     FROM (
       SELECT 
         time,
         CASE WHEN loss_percent = 100 THEN 1 ELSE 0 END AS is_full_loss
       FROM packet_loss
       WHERE time >= now() - 1d
       ORDER BY time DESC
     )
     WHERE is_full_loss = 0
     LIMIT 1
   )),
  -- 全为100%丢包时，统计总数
  (SELECT COUNT(*) FROM packet_loss WHERE time >= now() - 1d AND loss_percent = 100)
) AS continuous_full_loss_count

逻辑说明 #

1. 内层子查询：倒序获取最近1天的丢包数据，标记每条数据是否为100%丢包
2. 中间子查询定位最近一次非100%丢包的时间点
3. 外层统计该时间点之后（更靠近当前时间）的100%丢包数量
4. COALESCE处理全100%丢包的边界情况

方案二：InfluxDB 2.x（Flux） #

Flux语法更简洁，适合2.x版本：

from(bucket: "你的存储桶名称")
  |> range(start: -1d)
  |> filter(fn: (r) => r._measurement == "packet_loss" and r._field == "loss_percent")
  |> sort(columns: ["_time"], desc: true)
  |> map(fn: (r) => ({ r with is_full_loss: if r._value == 100 then 1 else 0 }))
  |> cumulativeSum(fn: (r) => if r.is_full_loss == 0 then 0 else r.is_full_loss)
  |> filter(fn: (r) => r.is_full_loss == 1)
  |> count(column: "_value")
  |> fill(value: 0)

逻辑说明 #

1. 筛选最近1天的丢包数据并倒序排列
2. 标记每条数据是否为100%丢包
3. 用cumulativeSum实现连续计数：遇到非100%丢包时重置累加值为0，仅保留连续100%的分组
4. 筛选连续100%的记录并统计数量，无匹配时填充0

Grafana配置建议 #

1. 选择单数值面板展示统计结果
2. 根据实际检测频率调整时间范围（比如若检测周期超过1天，将-1d改为对应时长）
3. 若使用InfluxDB 2.x，需在Grafana数据源中启用Flux查询模式

内容的提问来源于stack exchange，提问作者Ivyand