连续查询做什么
连续查询（CQ）是 InfluxDB 1.x 内置的自动降采样机制：按固定时间窗口对原始数据做聚合，把结果写入另一个测量或另一个保留策略。它由数据库自身按窗口调度，不依赖外部脚本，是实现「高精度短期保留 + 低精度长期保留」的标准做法，通常与多个保留策略配合使用。
基本信息
| 适用版本 | InfluxDB 1.x（2.x 的任务机制取代了该能力） |
|---|---|
| 语法 | CREATE CONTINUOUS QUERY "cq" ON "db" BEGIN SELECT … INTO … FROM … GROUP BY time(…), * END |
| 重算窗口 | RESAMPLE EVERY <间隔> FOR <时长> 可控制执行频率与回算范围 |
| 查看 | SHOW CONTINUOUS QUERIES |
| 删除 | DROP CONTINUOUS QUERY "cq" ON "db" |
| 调度方式 | 由数据库按时间窗口自动运行，无需外部定时任务 |
典型使用场景
- 分层保留：原始数据保留数天，聚合结果保留数月至数年
- 固定报表口径：把小时级或天级均值固化成稳定的查询目标
- 降低查询压力：大范围趋势查询直接读聚合表，不再扫描原始数据
- 配合降精度策略：不同精度写入不同保留策略，过期清理互不影响
- 口径集中维护：聚合逻辑写在 CQ 里，避免各系统各自实现一遍
创建与查看
创建与查看
CREATE CONTINUOUS QUERY "cq_cpu_hourly" ON "metrics"
BEGIN
SELECT mean("usage") AS usage
INTO "metrics"."rp_2y"."cpu_hourly" -- 目标必须是不同测量或不同保留策略
FROM "cpu"
GROUP BY time(1h), * -- GROUP BY time 是 CQ 的核心，* 保留全部标签维度
END
SHOW CONTINUOUS QUERIES;
-- 启用前的历史数据不会自动进入聚合表，需要手工回补一次
-- SELECT mean("usage") INTO "metrics"."rp_2y"."cpu_hourly" FROM "cpu"
-- WHERE time < now() - 1h GROUP BY time(1h), *关键要素读法
| 要素 | 含义 | 注意点 |
|---|---|---|
| GROUP BY time(1h) | 聚合窗口 | 必须存在，否则 CQ 无法按窗口运行 |
| GROUP BY …, * | 保留全部标签维度 | 漏掉 * 会把多维数据压成一维 |
| INTO 目标 | 写入位置 | 与源同名同策略会自读自写，必须指明不同的策略或测量 |
| RESAMPLE | 执行频率与回算范围 | 回算过短会漏掉迟到数据，过长会重复计算 |
| 创建时间 | 只影响之后的新数据 | 历史数据必须显式回补 |
CQ 与保留策略是配套使用的：短期策略存原始精度、长期策略存聚合结果，只建一个长期策略而不配搬运任务，长期策略里不会有任何数据。
启用 CQ 前先做一次历史回补并核对聚合结果：否则报表会出现「新数据有、旧数据缺」的断层，且不会有任何报错提示。