1、DERIVATIVE()函數
作用：返回一個字段在一個series中的變化率。
InfluxDB會計算按照時間進行排序的字段值之間的差異，並將這些結果轉化為單位變化率。其中，單位可以指定，默認為1s。
語法：
SELECT DERIVATIVE(<field_key>, [<unit>]) FROM <measurement_name> [WHERE <stuff>]
其中，unit取值可以為以下幾種：
u --microseconds s --seconds m --minutes h --hours d --days w --weeks
DERIVATIVE()函數還可以在GROUP BY time()的條件下與聚合函數嵌套使用，格式如下：
SELECT DERIVATIVE(AGGREGATION_FUNCTION(<field_key>),[<unit>]) FROM <measurement_name> WHERE <stuff> GROUP BY time(<aggregation_interval>)
下面的例子六個觀測值的water_level在表h2o_feet設置tag為 santa_monica：
name: h2o_feet
--------------
time water_level
2015-08-18T00:00:00Z 2.064
2015-08-18T00:06:00Z 2.116
2015-08-18T00:12:00Z 2.028
2015-08-18T00:18:00Z 2.126
2015-08-18T00:24:00Z 2.041
2015-08-18T00:30:00Z 2.051
例子1
計算每秒鍾的變化率
SELECT DERIVATIVE(water_level) FROM h2o_feet WHERE location = 'santa_monica' LIMIT 5結果
name: h2o_feet
--------------
time derivative
2015-08-18T00:06:00Z 0.00014444444444444457
2015-08-18T00:12:00Z -0.00024444444444444465
2015-08-18T00:18:00Z 0.0002722222222222218
2015-08-18T00:24:00Z -0.000236111111111111
2015-08-18T00:30:00Z 2.777777777777842e-05注意，derivative中的第一個字段值（0.00014）不是0.052（原始數據中前兩個字段值之間的差異：2.116 - 2.604＝0.052）。因為查詢不指定單元的選擇，InfluxDB自動計算每一秒的變化率，而不是每六分鍾的變化率。導數列中第一個值的計算如下所示：(2.116 - 2.064) / (360s / 1s)
分子是按字段值之間的差異。分母是以秒計的相關時間戳之間的差異（2015-08-18t00:06:00z - 2015-08-18t00:00:00z = 360s）除以單位（1s），從2015-08-18t00:00:00z率2015-08-18t00:06:00z返回每秒的變化率。
例子2
計算每六分鍾的變化率。
SELECT DERIVATIVE(water_level,6m) FROM h2o_feet WHERE location = 'santa_monica' LIMIT 5
結果
name: h2o_feet -------------- time derivative 2015-08-18T00:06:00Z 0.052000000000000046 2015-08-18T00:12:00Z -0.08800000000000008 2015-08-18T00:18:00Z 0.09799999999999986 2015-08-18T00:24:00Z -0.08499999999999996 2015-08-18T00:30:00Z 0.010000000000000231
解釋：
數列中第一個值的計算如下所示：(2.116 - 2.064 / (6m / 12m)
分子是按字段值之間的差異。分母是分鍾相關的時間戳之間的差異（2015-08-18t00:06:00z - 2015-08-18t00:00:00z = 6m）除以單位（12m）。這將改變每12分鍾從2015-08-18t00:00:00z率2015-08-18t00:06:00z。
注：指定12m為單位並不意味着InfluxDB計算的數據每12分鍾間隔的變化率。相反，InfluxDB計算每個區間的有效數據每12分鍾變化率。
例子3
計算每12分鍾間隔最大值每秒的變化率
SELECT DERIVATIVE(MAX(water_level)) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' AND time < '2015-08-18T00:36:00Z' GROUP BY time(12m)結果：
name: h2o_feet
--------------
time derivative
2015-08-18T00:12:00Z 0.009999999999999787
2015-08-18T00:24:00Z -0.07499999999999973解釋：
為了得到這些結果，第一集InfluxDB計算區間指定組中的time()條款的時間max() water_level數據（12m）。這些結果看是這樣
name: h2o_feet -------------- time max 2015-08-18T00:00:00Z 2.116 2015-08-18T00:12:00Z 2.126 2015-08-18T00:24:00Z 2.051
其次，計算每12m InfluxDB變化率（相同的時間間隔作為集團的time()區間）在派生列得到的結果。導數列中第一個值的計算如下所示：(2.126 - 2.116) / (12m / 12m)分子是按字段值之間的差異。分母是分鍾相關的時間戳之間的差異（2015-08-18t00:12:00z - 2015-08-18t00:00:00z＝12m）除以單位（12m）。這個回報率每12分鍾改變匯總數據從2015-08-18t00:00:00z到2015-08-18t00:12:00z。
例子4
將數據聚合到18分鍾間隔，計算每六分鍾的變化率。
SELECT DERIVATIVE(SUM(water_level),6m) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' AND time < '2015-08-18T00:36:00Z' GROUP BY time(18m)結果：
name: h2o_feet -------------- time derivative 2015-08-18T00:18:00Z 0.0033333333333332624
解釋：
為了得到這些結果，第一集InfluxDB計算區間指定組中的time()條款的時間water_level的sum()數據（18m）。聚合結果如下所示
name: h2o_feet -------------- time sum 2015-08-18T00:00:00Z 6.208 2015-08-18T00:18:00Z 6.218
其次，計算出每單位InfluxDB變化率（6m）在派生列得到的結果。導數列中第一個值的計算如下所示：(6.218 - 6.208) / (18m / 6m)
分子是按字段值之間的差異。分母是分鍾相關的時間戳之間的差異（2015-08-18t00:18:00z - 2015-08-18t00:00:00z = 18m）除以單位（6m）。這個返回的匯總數據2015-08-18t00:00:00z到2015-08-18t00:18:00z的每六分鍾的變化率。
2、DIFFERENCE()函數
作用：返回一個字段中連續的時間值之間的差異。字段類型必須是長整型或float64。
最基本的語法：
SELECT DIFFERENCE(<field_key>) FROM <measurement_name> [WHERE <stuff>]
與GROUP BY time()以及其他嵌套函數一起使用的語法格式：
SELECT DIFFERENCE(<function>(<field_key>)) FROM <measurement_name> WHERE <stuff> GROUP BY time(<time_interval>)
其中，函數可以包含以下幾個：
COUNT(), MEAN(), MEDIAN(),SUM(), FIRST(), LAST(), MIN(), MAX(), 和 PERCENTILE()。
下面的例子集中在2015-08-18t00:00:00z和2015-08-18t00:36:00z之間santa_monica現場water_level：
> SELECT water_level FROM h2o_feet WHERE location='santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z'
name: h2o_feet
--------------
time water_level
2015-08-18T00:00:00Z 2.064
2015-08-18T00:06:00Z 2.116
2015-08-18T00:12:00Z 2.028
2015-08-18T00:18:00Z 2.126
2015-08-18T00:24:00Z 2.041
2015-08-18T00:30:00Z 2.051
2015-08-18T00:36:00Z 2.067
例子1
計算water_level之間值的差異：
SELECT DIFFERENCE(water_level) FROM h2o_feet WHERE location='santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z'
結果：name: h2o_feet
--------------
time difference
2015-08-18T00:06:00Z 0.052000000000000046
2015-08-18T00:12:00Z -0.08800000000000008
2015-08-18T00:18:00Z 0.09799999999999986
2015-08-18T00:24:00Z -0.08499999999999996
2015-08-18T00:30:00Z 0.010000000000000231
2015-08-18T00:36:00Z 0.016000000000000014解釋：
差異列中的第一個值是2.116 - 2.064，差值列中的第二個值為2.028 - 2.116。
請注意，小數點的額外位置是浮點數不准確的結果。因為數據類型都為float類型。
例子2
選擇每12分鍾間隔最小的water_level值計算這些值之間的差異：
SELECT DIFFERENCE(MIN(water_level)) FROM h2o_feet WHERE location='santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z' GROUP BY time(12m)
結果：
name: h2o_feet
--------------
time difference
2015-08-18T00:12:00Z -0.03600000000000003
2015-08-18T00:24:00Z 0.0129999999999999
2015-08-18T00:36:00Z 0.026000000000000245解釋：
在不同列中得到值，InfluxDB首先選擇min()值每隔12分鍾：
> SELECT MIN(water_level) FROM h2o_feet WHERE location='santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z' GROUP BY time(12m)
name: h2o_feet
--------------
time min
2015-08-18T00:00:00Z 2.064
2015-08-18T00:12:00Z 2.028
2015-08-18T00:24:00Z 2.041
2015-08-18T00:36:00Z 2.067
然后使用這些值計算時間順序值之間的差值；差值列中的第一個值是2.028 - 2.064。3、ELAPSED()函數
作用：返回一個字段在連續的時間間隔間的差異，間隔單位可選，默認為1納秒。
單位可選項如下圖：
語法：
SELECT ELAPSED(<field_key>, <unit>) FROM <measurement_name> [WHERE <stuff>]
例子1：
計算差值（納秒）的領域h2o_feet之間的時間戳：
SELECT ELAPSED(water_level) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:24:00Z'
結果
name: h2o_feet -------------- time elapsed 2015-08-18T00:06:00Z 360000000000 2015-08-18T00:12:00Z 360000000000 2015-08-18T00:18:00Z 360000000000 2015-08-18T00:24:00Z 360000000000
例子2
在計算領域h2o_feet之間的時間間隔一分鍾數：
SELECT ELAPSED(water_level,1m) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:24:00Z'
結果
name: h2o_feet
--------------
time elapsed
2015-08-18T00:06:00Z 6
2015-08-18T00:12:00Z 6
2015-08-18T00:18:00Z 6
2015-08-18T00:24:00Z 6注意：如果設置的時間間隔比字段數據間的時間間隔更大時，則函數會返回0，如下所示：
> SELECT ELAPSED(water_level,1h) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:24:00Z'
name: h2o_feet
--------------
time elapsed
2015-08-18T00:06:00Z 0
2015-08-18T00:12:00Z 0
2015-08-18T00:18:00Z 0
2015-08-18T00:24:00Z 04、MOVING_AVERAGE()函數
作用：返回一個連續字段值的移動平均值，字段類型必須是長整形或者float64類型。
語法：
基本語法
SELECT MOVING_AVERAGE(<field_key>,<window>) FROM <measurement_name> [WHERE <stuff>]
與其他函數和GROUP BY time()語句一起使用時的語法
SELECT MOVING_AVERAGE(<function>(<field_key>),<window>) FROM <measurement_name> WHERE <stuff> GROUP BY time(<time_interval>)
此函數可以和以下函數一起使用：
COUNT(), MEAN(),MEDIAN(), SUM(), FIRST(), LAST(), MIN(), MAX(), and PERCENTILE().
如
下面的例子water_level在表 h2o_feet，location 為santa_monica，時間段2015 - 08 - 18 - t00:00:00z和2015 - 08 - 18 - t00:36:00z:
> SELECT water_level FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z'
name: h2o_feet
--------------
time water_level
2015-08-18T00:00:00Z 2.064
2015-08-18T00:06:00Z 2.116
2015-08-18T00:12:00Z 2.028
2015-08-18T00:18:00Z 2.126
2015-08-18T00:24:00Z 2.041
2015-08-18T00:30:00Z 2.051
2015-08-18T00:36:00Z 2.067
例子1：
計算移動平均在每2字段值:
SELECT MOVING_AVERAGE(water_level,2) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z'
結果：name: h2o_feet
--------------
time moving_average
2015-08-18T00:06:00Z 2.09
2015-08-18T00:12:00Z 2.072
2015-08-18T00:18:00Z 2.077
2015-08-18T00:24:00Z 2.0835
2015-08-18T00:30:00Z 2.0460000000000003
2015-08-18T00:36:00Z 2.059
解釋
移動平均線列中的第一個值的平均值是2.064和2.116,第二個移動平均線列中的值是2.116和2.028的平均水平。
例子2
- 每隔12分鍾選擇最低值water_level和計算移動平均每2字段值:
SELECT MOVING_AVERAGE(MIN(water_level),2) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z' GROUP BY time(12m)結果：
name: h2o_feet
--------------
time moving_average
2015-08-18T00:12:00Z 2.0460000000000003
2015-08-18T00:24:00Z 2.0345000000000004
2015-08-18T00:36:00Z 2.0540000000000003解釋：
這些結果,InfluxDB首先選擇MIN() water_level每12分鍾間隔:
name: h2o_feet
--------------
time min
2015-08-18T00:00:00Z 2.064
2015-08-18T00:12:00Z 2.028
2015-08-18T00:24:00Z 2.041
2015-08-18T00:36:00Z 2.067然后使用這些值來計算移動平均在每2字段值,移動平均線列中的第一個結果的平均值2.064和2.028,第二個結果是2.028和2.041的平均水平。
5、NON_NEGATIVE_DERIVATIVE()函數
作用：返回在一個series中的一個字段中值的變化的非負速率。
InfluxDB計算連續字段值之間的差異和轉換的結果為每單位變化率。
單位參數是可選的，如果沒有指定，則默認為1秒（1s）。
語法：
SELECT NON_NEGATIVE_DERIVATIVE(<field_key>, [<unit>]) FROM <measurement_name> [WHERE <stuff>]
其中unit取值可以為以下幾個：
non_negative_derivative()也可以與嵌套函數a GROUP BY time()一起使用。
查詢包含這些選項，InfluxDB首先進行聚合，選擇，或轉型通過時間間隔函數group by time()。
然后計算時間字段值之間的差異，並將這些結果轉換為每單位的變化率。
單元參數是可選的，如果沒有指定，默認為相同的時間間隔作為集團的time()區間。
與聚合類函數放在一起使用時的語法如下所示：
SELECT NON_NEGATIVE_DERIVATIVE(AGGREGATION_FUNCTION(<field_key>),[<unit>]) FROM <measurement_name> WHERE <stuff> GROUP BY time(<aggregation_interval>)可以參考derivative()的查詢例子。derivative()和non_negative_derivative所有的查詢結果是相同的除了non_negative_derivative()只返回正數。
6、STDDEV()函數
作用：返回一個字段中的值的標准偏差。值的類型必須是長整型或float64類型
語法：
SELECT STDDEV(<field_key>) FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]
例子1
計算表h20_feet 中字段water_level的標准偏差
SELECT STDDEV(water_level) FROM h2o_feet
結果：
name: h2o_feet
--------------
time stddev
1970-01-01T00:00:00Z 2.279144584196145例子2
計算water_level在一個星期時間間隔和location 標簽，2015年9月18日的午夜2015年8月18日中午之間標准偏差。
SELECT STDDEV(water_level) FROM h2o_feet WHERE time >= '2015-08-18T00:00:00Z' and time < '2015-09-18T12:06:00Z' GROUP BY time(1w), location
結果：name: h2o_feet
tags: location = coyote_creek
time stddev
---- ------
2015-08-13T00:00:00Z 2.2437263080193985
2015-08-20T00:00:00Z 2.121276150144719
2015-08-27T00:00:00Z 3.0416122170786215
2015-09-03T00:00:00Z 2.5348065025435207
2015-09-10T00:00:00Z 2.584003954882673
2015-09-17T00:00:00Z 2.2587514836274414
name: h2o_feet
tags: location = santa_monica
time stddev
---- ------
2015-08-13T00:00:00Z 1.11156344587553
2015-08-20T00:00:00Z 1.0909849279082366
2015-08-27T00:00:00Z 1.9870116180096962
2015-09-03T00:00:00Z 1.3516778450902067
2015-09-10T00:00:00Z 1.4960573811500588
2015-09-17T00:00:00Z 1.075701669442093