与“转换”相关

join 包

join 包提供了将两个表流连接在一起的函数。

aggregateWindow() 函数

aggregateWindow() 通过将数据分组到固定时间窗口并将聚合或选择器函数应用于每个窗口来对数据进行降采样。

bottom() 函数

bottom() 按指定的列对每个输入表进行排序，并在每个表中保留最底部的 n 条记录。

chandeMomentumOscillator() 函数

chandeMomentumOscillator() 将 Tushar Chande 开发的技术动量指标应用于输入数据。

columns() 函数

columns() 返回每个输入表中的列标签。

count() 函数

count() 返回每个输入表中的记录数。

cov() 函数

cov() 计算两个表流之间的协方差。

covariance() 函数

covariance() 计算两列之间的协方差。

cumulativeSum() 函数

cumulativeSum() 计算表中非空记录的运行总和。

derivative() 函数

derivative() 计算后续非空记录之间每单位时间的更改率。

difference() 函数

difference() 返回后续值之间的差值。

distinct() 函数

distinct() 返回指定列中的所有唯一值。

doubleEMA() 函数

doubleEMA() 返回分组为 n 个点的 _value 列中值的双指数移动平均线 (DEMA)，并为最近的数据赋予更多权重。

drop() 函数

drop() 从表中删除指定的列。

duplicate() 函数

duplicate() 复制表中指定的列。

elapsed() 函数

elapsed() 返回后续记录之间的时间。

experimental.alignTime() 函数

experimental.alignTime() 将输入表中的时间值移动到全部在共同的开始时间开始。

experimental.count() 函数

experimental.count() 返回每个输入表中的记录数。

experimental.distinct() 函数

experimental.distinct() 从 _value 列返回唯一值。

experimental.fill() 函数

experimental.fill() 将 _value 列中的所有空值替换为非空值。

experimental.first() 函数

experimental.first() 返回每个输入表的 _value 列中具有非空值的第一个记录。

experimental.group() 函数

experimental.group() 向现有的 group() 函数引入 extend 模式。

experimental.histogram() 函数

experimental.histogram() 通过计算箱列表的数据频率来近似数据集的累积分布。

experimental.histogramQuantile() 函数

experimental.histogramQuantile() 给定一个直方图，该直方图具有数据集的累积分布，则近似分位数。

experimental.integral() 函数

experimental.integral() 计算后续非空记录的每单位时间曲线下面积。

experimental.join() 函数

experimental.join() 在 **组键和 _time 列** 上连接两个表流。

experimental.kaufmansAMA() 函数

experimental.kaufmansAMA() 使用每个表中的 _value 列计算输入表的 Kaufman 自适应移动平均线 (KAMA)。

experimental.last() 函数

experimental.last() 返回每个输入表的 _value 列中具有非空值的最后一个记录。

experimental.max() 函数

experimental.max() 返回每个输入表的 _value 列中具有最高值的记录。

experimental.mean() 函数

experimental.mean() 计算每个输入表的 _value 列中非空值的平均值或平均数。

experimental.min() 函数

experimental.min() 返回每个输入表的 _value 列中具有最低值的记录。

experimental.mode() 函数

experimental.mode() 计算每个输入表的 _value 列中最常出现的众数或值。

experimental.preview() 函数

experimental.preview() 限制流中的行数和表数。

experimental.quantile() 函数

experimental.quantile() 返回 _value 列中值在指定分位数内或表示指定分位数的非空记录。

experimental.set() 函数

experimental.set() 在所有记录上设置多个静态列值。

experimental.skew() 函数

experimental.skew() 返回每个输入表的 _value 列中非空值的偏度，类型为浮点数。

experimental.spread() 函数

experimental.spread() 返回每个输入表的 _value 列中最小值和最大值之间的差值。

experimental.stddev() 函数

experimental.stddev() 返回每个输入表的 _value 列中非空值的标准差。

experimental.sum() 函数

experimental.sum() 返回每个输入表的 _value 列中非空值的总和。

experimental.unique() 函数

experimental.unique() 返回 _value 列中包含唯一值的所有记录。

experimental.unpivot() 函数

experimental.unpivot() 使用组键中 *不* 包含的所有列（_time 除外）创建 _field 和 _value 列对。_field 列包含原始列标签，_value 列包含原始列值。

experimental.window() 函数

experimental.window() 根据时间对记录进行分组。

exponentialMovingAverage() 函数

exponentialMovingAverage() 计算 _value 列中 n 个值的指数移动平均线，并为最近的数据赋予更多权重。

fill() 函数

fill() 将输入表中的所有空值替换为非空值。

filter() 函数

filter() 根据谓词函数 (fn) 中定义的条件过滤数据。

first() 函数

first() 从每个输入表返回第一个非空记录。

group() 函数

group() 通过修改输入表的组键来重新分组输入数据。

highestAverage() 函数

highestAverage() 计算每个输入表的平均值，并返回最高的 n 个平均值。

highestCurrent() 函数

highestCurrent() 从每个输入表中选择最后一个记录，并返回最高的 n 个记录。

highestMax() 函数

highestMax() 从每个输入表中选择指定 column 中具有最高值的记录，并返回最高的 n 个记录。

histogram() 函数

histogram() 通过计算箱列表的数据频率来近似数据集的累积分布。

histogramQuantile() 函数

histogramQuantile() 给定一个直方图，该直方图近似数据集的累积分布，则近似分位数。

holtWinters() 函数

holtWinters() 将 Holt-Winters 预测方法应用于输入表。

hourSelection() 函数

hourSelection() 按指定小时范围的时间值过滤行。

increase() 函数

increase() 返回后续值之间非负差值的累积总和。

integral() 函数

integral() 计算后续非空记录的每单位时间曲线下面积。

interpolate.linear() 函数

interpolate.linear() 使用线性插值插入规则间隔的行，以确定插入行的值。

join.full() 函数

join.full() 对两个表流执行完全外连接。

join.inner() 函数

join.inner() 对两个表流执行内连接。

join.left() 函数

join.left() 对两个表流执行左外连接。

join.right() 函数

join.right() 对两个表流执行右外连接。

join.tables() 函数

join.tables() 使用指定的方法、谓词和一个函数将两个输入流连接在一起，该函数用于连接来自每个输入流的两个对应记录。

join.time() 函数

join.time() 仅基于 _time 列连接两个表流。

join() 函数

join() 基于具有相等值的列将两个表流合并为单个输出流。比较列值时，空值不被视为相等。结果模式是输入模式的并集。结果组键是输入组键的并集。

kaufmansAMA() 函数

kaufmansAMA() 使用输入表中的值计算考夫曼自适应移动平均线 (KAMA)。

kaufmansER() 函数

kaufmansER() 计算每个输入表的 _value 列中值的考夫曼效率比率 (KER)。

keep() 函数

keep() 返回仅包含指定列的表流。

keys() 函数

keys() 返回每个输入表的组键中的列。

keyValues() 函数

keyValues() 返回一个表流，其中包含每个输入表的组键和两列：_key 和 _value，它们对应于每个输入表的唯一列标签和值对。

last() 函数

last() 返回每个输入表中具有非空值的最后一行。

limit() 函数

limit() 返回每个输入表中从指定 offset 之后的前 n 行。

lowestAverage() 函数

lowestAverage() 计算每个输入表的平均值，并返回最低的 n 个平均值。

lowestCurrent() 函数

lowestCurrent() 从每个输入表中选择最后一条记录，并返回最低的 n 条记录。

lowestMin() 函数

lowestMin() 从每个输入表中选择指定 column 中值最低的记录，并返回底部 n 条记录。

map() 函数

map() 迭代输入行并将函数应用于输入行。

max() 函数

max() 返回每个输入表中指定列中具有最大值的行。

mean() 函数

mean() 返回每个输入表中指定列中非空值的平均值。

median() 函数

median() 返回输入表的中间 _value，或输入表中所有非空记录中值落在 0.5 分位数（第 50 百分位数）内的值。

min() 函数

min() 返回每个输入表中指定列中具有最小值的行。

movingAverage() 函数

movingAverage() 使用当前值和 _values 列中前 n - 1 个值计算非空值的平均值。

pagerduty.endpoint() 函数

pagerduty.endpoint() 返回一个函数，该函数向 PagerDuty 发送包含输出数据的消息。

pearsonr() 函数

pearsonr() 返回两个表流的协方差，并将其归一化为皮尔逊 R 系数。

pivot() 函数

pivot() 收集垂直存储（按列）的唯一值，并将它们水平对齐（按行）成逻辑集。

pushbullet.endpoint() 函数

pushbullet.endpoint() 为 Pushbullet API 创建端点，并发送类型为 note 的通知。

quantile() 函数

quantile() 从每个输入表中返回值落在指定分位数内的行，或者返回值代表指定分位数的行。

range() 函数

range() 根据时间范围过滤行。

reduce() 函数

reduce() 使用 reducer 函数 (fn) 聚合每个输入表中的行。

relativeStrengthIndex() 函数

relativeStrengthIndex() 衡量输入表中值的相对速度和变化。

rename() 函数

rename() 重命名表中的列。

sample() 函数

sample() 从每个输入表中选择行的子集。

set() 函数

set() 为输入表中的每一行分配一个静态列值。

skew() 函数

skew() 返回每个输入表中非空记录的偏度，类型为浮点数。

slack.endpoint() 函数

slack.endpoint() 返回一个函数，该函数可用于为每个输入行向 Slack 发送消息。

sort() 函数

sort() 基于指定列中的值对每个输入表中的行进行排序。

spread() 函数

spread() 返回指定列中最小值和最大值之间的差值。

stateCount() 函数

stateCount() 返回给定状态下连续行的数量。

stateDuration() 函数

stateDuration() 返回给定状态的累积持续时间。

stateTracking() 函数

stateTracking() 返回与定义状态的谓词函数匹配的连续行的累积计数和持续时间。

stddev() 函数

stddev() 返回指定列中非空值的标准差。

sum() 函数

sum() 返回指定列中非空值的总和。

tail() 函数

tail() 将每个输出表限制为最后 n 行。

timedMovingAverage() 函数

timedMovingAverage() 返回指定频率下定义的时间范围内值的平均值。

timeShift() 函数

timeShift() 向时间列添加固定持续时间。

timeWeightedAvg() 函数

timeWeightedAvg() 返回每个输入表的 _value 列中非空值的时间加权平均值，类型为浮点数。

toBool() 函数

toBool() 将 _value 列中的所有值转换为布尔类型。

toFloat() 函数

toFloat() 将 _value 列中的所有值转换为浮点类型。

toInt() 函数

toInt() 将 _value 列中的所有值转换为整数类型。

top() 函数

top() 按指定列对每个输入表进行排序，并在每个表中保留前 n 条记录。

toString() 函数

toString() 将 _value 列中的所有值转换为字符串类型。

toTime() 函数

toTime() 将 _value 列中的所有值转换为时间类型。

toUInt() 函数

toUInt() 将 _value 列中的所有值转换为无符号整数类型。

tripleEMA() 函数

tripleEMA() 返回 _value 列中值的三重指数移动平均线 (TEMA)。

tripleExponentialDerivative() 函数

tripleExponentialDerivative() 使用 n 个点返回三重指数导数 (TRIX) 值。

truncateTimeColumn() 函数

truncateTimeColumn() 将 _time 中的所有输入时间值截断为指定的单位。

union() 函数

union() 将两个或多个输入流合并为单个输出流。

unique() 函数

unique() 返回在指定列中包含唯一值的所有记录。

window() 函数

window() 使用规则的时间间隔对记录进行分组。

aggregate.rate() 函数

aggregate.rate() 计算每个输入表的每个时间窗口的平均增长率。

geo.asTracks() 函数

geo.asTracks() 将行分组为轨迹（连续的、相关的数据点）。

geo.filterRows() 函数

geo.filterRows() 通过指定的地理区域过滤数据，并可选择严格过滤。

geo.gridFilter() 函数

geo.gridFilter() 通过指定的地理区域过滤数据。

geo.groupByArea() 函数

geo.groupByArea() 按地理区域对行进行分组。

geo.ST_LineString() 函数

geo.ST_LineString() 将一系列地理点转换为线串。

geo.strictFilter() 函数

geo.strictFilter() 通过指定区域的纬度和经度过滤数据。

geo.toRows() 函数

geo.toRows() 基于时间将字段透视为列。

geo.totalDistance() 函数

geo.totalDistance() 计算每个输入表中后续点覆盖的总距离。

polyline.rdp() 函数

polyline.rdp() 将 Ramer Douglas Peucker (RDP) 算法应用于输入数据，以将由线段组成的曲线下采样为视觉上无法区分但点较少的曲线。

prometheus.histogramQuantile() 函数

prometheus.histogramQuantile() 在一组 Prometheus 直方图值上计算分位数。

query.filterFields() 函数

query.filterFields() 按字段过滤输入数据。

query.filterMeasurement() 函数

query.filterMeasurement() 按测量名称过滤输入数据。

query.fromRange() 函数

query.fromRange() 返回指定时间范围内来自指定 bucket 的所有数据。

table.fill() 函数

table.fill() 向表流中的空表添加单行。

alerta.endpoint() 函数

alerta.endpoint() 使用来自输入行的数据向 Alerta 发送警报。

bigpanda.endpoint() 函数

bigpanda.endpoint() 使用来自输入行的数据向 BigPanda 发送警报。

discord.endpoint() 函数

discord.endpoint() 使用 Discord webhook 和表行中的数据向 Discord 频道发送单条消息。

events.duration() 函数

events.duration() 计算事件的持续时间。

monitor.check() 函数

monitor.check() 检查输入数据，并根据谓词函数为每一行分配一个级别（ok、info、warn 或 crit）。

monitor.deadman() 函数

monitor.deadman() 检测组何时停止报告数据。它接收表流，并报告自时间 t 以来是否已观察到组。

monitor.stateChanges() 函数

monitor.stateChanges() 检测具有 _level 列的数据流中的状态更改，并输出从 fromLevel 更改为 toLevel 的记录。

monitor.stateChangesOnly() 函数

monitor.stateChangesOnly() 接收包含 _level 列的表流，并返回按 _level 分组的表流，其中每条记录代表一个状态更改。

naiveBayesClassifier.naiveBayes() 函数

naiveBayesClassifier.naiveBayes() 执行朴素贝叶斯分类。

opsgenie.endpoint() 函数

opsgenie.endpoint() 使用来自表行的数据向 Opsgenie 发送警报消息。

sample.alignToNow() 函数

sample.alignToNow() 移动输入数据中的时间值，以将按时间顺序排列的最后一个点与现在对齐。

schema.fieldsAsCols() 函数

schema.fieldsAsCols() 是 pivot() 的特殊应用，它在 _field 和 _time 列上透视输入数据，以对齐每个输入表中具有相同时间戳的字段。

sensu.endpoint() 函数

sensu.endpoint() 使用来自表行的数据向 Sensu Events API 发送事件。

teams.endpoint() 函数

teams.endpoint() 使用来自表行的数据向 Microsoft Teams 频道发送消息。

telegram.endpoint() 函数

telegram.endpoint() 使用来自表行的数据向 Telegram 频道发送消息。

tickscript.alert() 函数

tickscript.alert() 识别不同严重程度级别的事件，并将它们写入 InfluxDB _monitoring 系统 bucket 中的 statuses measurement。

tickscript.compute() 函数

tickscript.compute() 是 tickscript.select() 的别名，它更改列的名称，并可选择应用聚合或选择器函数。

tickscript.deadman() 函数

tickscript.deadman() 检测低数据吞吐量，并将具有严重状态的点写入 InfluxDB _monitoring 系统 bucket。

tickscript.groupBy() 函数

tickscript.groupBy() 按 _measurement 列和其他指定列对结果进行分组。

tickscript.join() 函数

tickscript.join() 基于具有相等值的指定列将两个输入流合并为单个输出流，并附加新的 measurement 名称。

tickscript.select() 函数

tickscript.select() 更改列的名称，并可选择将聚合或选择器函数应用于列中的值。

tickscript.selectWindow() 函数

tickscript.selectWindow() 更改列的名称，按时间对行进行窗口化，然后将聚合或选择器函数应用于每个时间窗口的指定列。

v1.fieldsAsCols() 函数

v1.fieldsAsCols() 是 pivot() 的特殊应用，它在 _field 和 _time 列上透视输入数据，以对齐每个输入表中具有相同时间戳的字段。

victorops.endpoint() 函数

victorops.endpoint() 使用来自输入行的数据向 VictorOps 发送事件。

webexteams.endpoint() 函数

webexteams.endpoint() 返回一个函数，该函数向 Webex 房间发送包含来自输入行数据的消息。

zenoss.endpoint() 函数

zenoss.endpoint() 使用来自输入行的数据向 Zenoss 发送事件。