在InfluxDB 2.x中用Flux计算Glances导出的网络传输速率

Glances写入InfluxDB的rx、tx字段是累计字节数，不是实时传输速率——直接取均值得到的是累计值的平均，完全不符合每秒速率的需求。你需要计算相邻数据点的差值除以时间间隔，才能得到真实的传输速率。

下面是修正后的Flux查询，每一步都做了注释说明：

from(bucket: "glances_fibdonas")
  |> range(start: v.timeRangeStart, stop: v.timeRangeStop)
  |> filter(fn: (r) => r["_measurement"] == "network")
  |> filter(fn: (r) => r["_field"] == "rx" or r["_field"] == "tx")
  |> filter(fn: (r) => r["hostname"] == "FibdoNAS")
  |> filter(fn: (r) => r["interface_name"] == "eth0")
  // 按时间排序，确保差值计算的顺序正确（避免数据乱序导致错误）
  |> sort(columns: ["_time"])
  // 计算相邻数据点的rx/tx差值，得到两次采样之间传输的总字节数
  |> difference(columns: ["_value"])
  // 计算相邻数据点的时间间隔，结果存到interval字段，单位为秒
  |> elapsed(unit: 1s, columnName: "interval")
  // 计算每秒字节数；如果需要比特/秒，就把公式改成 (r._value / r.interval) * 8
  |> map(fn: (r) => ({
      r with
      _value: r._value / r.interval,
      _field: "${r._field}_bps" // 重命名字段，方便区分原始累计值和速率值
  }))
  // 过滤掉可能出现的负值（比如系统重启后累计值重置导致的差值为负）
  |> filter(fn: (r) => r._value >= 0)
  // 按窗口聚合均值，保持你原有的可视化逻辑
  |> aggregateWindow(every: v.windowPeriod, fn: mean, createEmpty: false)
  |> yield(name: "rate")

关键步骤说明： #

1. sort()：必须确保数据按时间升序排列，否则差值计算会完全错乱。
2. difference()：拿到两次采样之间的总传输字节数（比如这次rx是2056872，上次是0，差值就是2056872）。
3. elapsed()：拿到两次采样的时间间隔（比如20.31秒），结果存到interval字段里。
4. map()：用总字节数除以时间间隔，得到每秒传输的字节数；如果需要比特/秒，乘以8即可。
5. 负值过滤：如果系统重启，网卡累计值会重置为0，这时候差值会变成负数，需要过滤掉避免影响可视化。

内容的提问来源于stack exchange，提问作者Fibdorius