嘿，作为刚接触InfluxDB和Grafana的新手，这个统计设备状态占比的需求其实挺常见的，我来一步步给你捋清楚怎么做～

一、先搞定InfluxDB的查询逻辑 #

核心思路是：先计算每个状态持续的总时长，再除以24小时的总秒数（86400秒）得到占比。下面分InfluxDB 1.x（用InfluxQL）和2.x（用Flux）两种情况说明：

1. InfluxDB 1.x（InfluxQL） #

假设你的数据存在名为device_power的测量表（记得替换成你实际的表名），可以用嵌套查询来实现：

SELECT 
  (SUM(elapsed_time) / 86400) * 100 AS percentage,
  -- 把数字状态转成友好名称
  CASE state
    WHEN 0 THEN '关机（off）'
    WHEN 1 THEN '待机（idle）'
    WHEN 2 THEN '运行（on）'
  END AS state_name
FROM (
  -- 计算每个状态持续的秒数：ELAPSED函数会返回当前点和上一个点的时间差（单位1秒）
  SELECT ELAPSED(state, 1s) AS elapsed_time, state
  FROM device_power
  -- 筛选最近24小时的数据
  WHERE time >= now() - 24h
)
-- 按状态分组求和
GROUP BY state

说明：

• 内层查询用ELAPSED()计算相邻两条状态记录的时间差，得到每个状态片段的持续时长
• 外层查询对每个状态的时长求和，除以86400（24*3600）再乘100，得到百分比
• 用CASE WHEN把数字状态转成易读的名称，方便后续Grafana展示

2. InfluxDB 2.x（Flux） #

如果用的是InfluxDB 2.x，需要用Flux查询语言，逻辑类似：

// 替换成你的bucket名称和测量表名
data = from(bucket: "iot_bucket")
  |> range(start: -24h)
  |> filter(fn: (r) => r._measurement == "device_power" and r._field == "state")
  |> sort(columns: ["_time"], desc: false) // 按时间正序排列
  |> elapsed(unit: 1s, columnName: "duration") // 计算相邻点的时间差（秒）
  |> filter(fn: (r) => exists r.duration) // 去掉最后一条没有下一个时间点的记录
  |> group(columns: ["_value"]) // 按状态值分组
  |> sum(column: "duration") // 求和每个状态的总时长
  |> map(fn: (r) => ({
      r with
      // 计算百分比，转成友好名称
      state_name: if r._value == 0 then "关机（off）" else if r._value ==1 then "待机（idle）" else "运行（on）",
      percentage: (float(v: r.duration) / 86400.0) * 100.0
    }))

说明：

• elapsed()函数生成每个状态片段的持续时间，filter(fn: (r) => exists r.duration)是为了移除最后一条没有后续时间点的记录（避免空值）
• map()里同时完成百分比计算和状态名称转换

二、在Grafana中可视化占比 #

拿到查询结果后，推荐用**饼图（Pie Chart）或者条形图（Bar Chart）**来展示占比，步骤如下：

1. 新建面板，选择你的InfluxDB数据源（1.x或2.x）
2. 把上面的查询语句粘贴到查询编辑器中
3. 配置面板展示：
   • 如果用饼图：在「Panel options」里，把「Legend」设置为state_name（InfluxQL）或state_name（Flux），「Value」选择percentage
   • 如果用条形图：把X轴设为state_name，Y轴设为percentage，可以更直观对比各状态占比
4. 可选优化：在Grafana的查询别名里直接设置状态名称，或者调整面板样式（比如给不同状态设置对应颜色）

小提醒：避坑要点 #

• 如果设备存在断连情况（比如中间没有状态数据），ELAPSED()可能会算出超大的时间差，这时候可以加个过滤条件，比如在内层查询里加WHERE elapsed_time < 3600（忽略超过1小时的异常时长）
• 如果设备运行不足24小时，想基于实际运行时间计算占比，可以把固定的86400换成查询到的总时长（比如用SUM(elapsed_time)的总和作为分母）

内容的提问来源于stack exchange，提问作者resolver101