InfluxDB中如何正确计算事件自身平均耗时排除间隔

问题根因 #

你之前的尝试语句报错核心原因是对InfluxDB行协议的结构理解有误：你写入的数据中*id是tag*（measurement后、字段前的键值对，属于标签列），而非field（时间戳前的字段列），你在filter中额外加入r["_field"] == "id"的筛选条件，会导致数据流中混入不存在的字段值，同分组下同时存在string类型的event字段值与其他类型数据，触发elapsed函数的类型冲突报错。
另外最初的无分组elapsed计算，会把上一个事件end到下一个事件start的跨事件间隔也算入时间差，自然无法得到正确的单事件时长。

正确Flux查询语句 #

from(bucket: "buck1") 
  |> range(start: -1w)
  |> filter(fn: (r) => r["_measurement"] == "mes1")
  |> filter(fn: (r) => r["_field"] == "event")
  // 直接按tag id分组，每个组对应一个独立事件
  |> group(columns: ["id"])
  // 按时间升序排序，避免start/end顺序颠倒产生负时长
  |> sort(columns: ["_time"], desc: false)
  // 计算组内相邻记录的秒级时间差
  |> elapsed(columnName: "elapsed", timeColumn: "_time", unit: 1s)
  // 过滤掉每个组首条start记录产生的空elapsed值，仅保留有效事件时长
  |> filter(fn: (r) => exists r["elapsed"])
  // 取消分组全局聚合，计算平均时长
  |> group()
  |> mean(column: "elapsed")

计算逻辑说明 #

• 按事件id分组后，每个分组内仅包含对应事件的start、end两条记录，组内elapsed计算得到的时间差就是单个事件的实际持续时长，不会混入跨事件的间隔。
• 如果你的数据存在缺失start/end的脏记录，可以在过滤空值时追加条件|> filter(fn: (r) => r["_value"] == "end")，仅保留事件结束点对应的时长值，避免异常数据干扰计算。
• 针对你给出的示例数据，该语句计算结果为149.75秒，和预期结果完全一致。

内容的提问来源于stack exchange，提问作者gaout5