使用Flux Query在InfluxDB中按窗口统计字段计数

针对你的需求，以下是实现按时间窗口（小时/天/周）统计各应用类型记录数的Flux查询，基于你的测试数据修改：

import "array"

data = array.from(rows: [
  {application: "ap1", time: "2022-10-01T10:10:06.757Z", message: "error..."},
  {application: "ap2", time: "2022-10-03T15:11:05.757Z", message: "error..."},
  {application: "ap1", time: "2022-10-02T12:11:08.757Z", message: "error..."},
  {application: "ap1", time: "2022-10-04T13:13:05.757Z", message: "error..."},
  {application: "ap3", time: "2022-10-05T10:11:16.757Z", message: "error..."},
  {application: "ap3", time: "2022-10-06T15:22:05.757Z", message: "error..."},
])

data
  // 按应用类型分组，确保各应用独立统计
  |> group(columns: ["application"])
  // 设置时间窗口：1d=天，1h=小时，1w=周，按需替换
  |> window(every: 1d)
  // 统计每个窗口内的记录数量
  |> count(column: "message")
  // 调整结果格式：将窗口起始时间作为时间字段，取消窗口分组
  |> duplicate(column: "_start", as: "time")
  |> window(every: inf)

关键步骤说明 #

• 分组：先用group(columns: ["application"])按应用类型拆分数据，保证后续统计是针对单个应用的。
• 时间窗口：window(every: 1d)定义聚合的时间粒度，替换参数即可切换：
  • 小时级：window(every: 1h)
  • 周级：window(every: 1w)
• 计数聚合：count(column: "message")统计每个窗口内的记录数，只要是数据中存在的非空字段都可以作为计数依据（比如这里的message）。
• 结果格式化：最后两步把窗口的起始时间转为结果的time字段，并取消窗口分组，让输出的每条记录对应「应用类型+时间窗口+计数」的结构，更符合直观展示需求。

内容的提问来源于stack exchange，提问作者obautista