InfluxQL 内部参考文档

了解 InfluxQL 的实现，以理解结果是如何处理的以及如何创建高效的查询

• 查询生命周期
• 理解迭代器
• 游标
• 辅助字段
• 内置迭代器
• 调用迭代器

查询生命周期

1. InfluxQL 查询字符串被标记化，然后解析为抽象语法树 (AST)。这是查询本身的代码表示形式。

2. AST 被传递给 QueryExecutor，它将查询定向到适当的处理程序。例如，与元数据相关的查询由元服务执行，而 SELECT 语句由分片本身执行。

3. 然后，查询引擎确定与 SELECT 语句的时间范围匹配的分片。从这些分片中，为语句中的每个字段创建迭代器。

4. 迭代器被传递给发射器，发射器耗尽它们并连接结果点。发射器的任务是将简单的时间/值点转换为返回给客户端的更复杂的结果对象。

理解迭代器

迭代器提供了一个简单的接口，用于循环遍历一组点。例如，这是一个 Float 点的迭代器

type FloatIterator interface {
    Next() *FloatPoint
}

这些迭代器是通过 IteratorCreator 接口创建的

type IteratorCreator interface {
    CreateIterator(opt *IteratorOptions) (Iterator, error)
}

IteratorOptions 提供了关于字段选择、时间范围和维度的参数，迭代器创建器可以在规划迭代器时使用这些参数。IteratorCreator 接口在多个级别上使用，例如 Shards、Shard 和 Engine。这允许在适用时执行优化，例如返回预先计算的 COUNT()。

迭代器不仅用于从存储读取原始数据。迭代器可以组合，以便它们围绕输入迭代器提供额外的功能。例如，DistinctIterator 可以计算输入迭代器的每个时间窗口的不同值。或者 FillIterator 可以生成输入迭代器中缺少的额外点。

这种组合也非常适合聚合。例如，像这样的语句

SELECT MEAN(value) FROM cpu GROUP BY time(10m)

在这种情况下，MEAN(value) 是一个 MeanIterator，它包装了来自底层分片的迭代器。但是，如果我们添加一个额外的迭代器来确定平均值的导数，则可以这样做

SELECT DERIVATIVE(MEAN(value), 20m) FROM cpu GROUP BY time(10m)

游标

游标 通过元组 (时间，值) 在单个序列（measurement，标签集和字段）中标识分片中的数据。游标遍历存储为日志结构合并树的数据，并处理跨级别的去重，已删除数据的墓碑以及合并缓存（预写日志）。游标按时间升序或降序排序 (时间，值) 元组。

例如，一个查询评估 1,000 个序列的 1 个字段，跨越 3 个分片，将构建至少 3,000 个游标（每个分片 1,000 个）。

辅助字段

由于 InfluxQL 允许用户使用选择器函数，例如 FIRST()，LAST()，MIN() 和 MAX()，因此引擎必须提供一种方法，以便在返回所选点的同时返回相关数据。

让我们看一下以下查询

SELECT FIRST(value), host FROM cpu GROUP BY time(1h)

我们每小时选择第一个出现的 value，但我们也想检索与该点关联的 host。由于 Point 类型仅为效率指定单个类型化的 Value，因此我们将 host 推送到点的辅助字段中。这些辅助字段附加到点，直到将其传递给发射器，在发射器中，字段被分离到它们自己的迭代器。

内置迭代器

有许多辅助迭代器可以让我们构建查询

• 合并迭代器 - 此迭代器将一个或多个迭代器组合成相同类型的单个新迭代器。此迭代器保证在开始下一个窗口之前输出窗口内的所有点，但不提供窗口内的排序保证。这允许快速访问不需要更强排序保证的聚合查询。

• 排序合并迭代器 - 此迭代器还将一个或多个迭代器组合成相同类型的新迭代器。但是，此迭代器保证每个点的时间顺序。这使其比 MergeIterator 慢，但是对于返回原始数据点的非聚合查询，此排序保证是必需的。

• 限制迭代器 - 此迭代器限制每个名称/标签组的点数。这是 LIMIT 和 OFFSET 语法的实现。

• 填充迭代器 - 如果输入迭代器中缺少点，则此迭代器注入额外的点。它可以提供 null 点，具有先前值的点或具有特定值的点。

• 缓冲迭代器 - 此迭代器提供了将点“取消读取”回缓冲区的功能，以便下次可以再次读取它。这广泛用于为窗口化提供前瞻性。

• Reduce 迭代器 - 此迭代器为窗口中的每个点调用一个 reduce 函数。当窗口完成时，将输出该窗口的所有点。这用于简单的聚合函数，例如 COUNT()。

• Reduce Slice 迭代器 - 此迭代器首先收集窗口的所有点，然后一次将它们全部传递给 reduce 函数。结果从迭代器返回。这用于聚合函数，例如 DERIVATIVE()。

• 转换迭代器 - 此迭代器为来自输入迭代器的每个点调用一个转换函数。这用于执行二进制表达式。

• 去重迭代器 - 此迭代器仅输出唯一点。它资源密集型，因此仅用于小型查询，例如元查询语句。

调用迭代器

InfluxQL 中的函数调用在两个级别上实现。某些调用可以在多个层中包装以提高效率。例如，COUNT() 可以在分片级别执行，然后可以使用另一个 CountIterator 包装多个 CountIterator 以计算所有分片的计数。这些迭代器可以使用 NewCallIterator() 创建。

某些迭代器更复杂或需要在更高级别上实现。例如，DERIVATIVE() 函数需要先检索窗口的所有点，然后再执行计算。此迭代器由引擎本身创建，并且永远不会被较低级别请求创建。