本节给出了InfluxQL的函数清单。
1、InfluxQL函数清单
| 分类 | 函数 | 功能 |
| Aggregations | COUNT() | 计数 |
| Aggregations | DISTINCT() | 数据去重 |
| Aggregations | INTEGRAL() | 数值曲线包含的面积 |
| Aggregations | MEAN() | 平均数 |
| Aggregations | MEDIAN() | 中位数 |
| Aggregations | MODE() | 频次最高的数据 |
| Aggregations | SPREAD() | 最大值于最小值时间的差 |
| Aggregations | STDDEV() | 标准差 |
| Aggregations | SUM() | 求和 |
| Selectors | BOTTOM() | 返回最小的数据集 |
| Selectors | FIRST() | 返回最旧的数据 |
| Selectors | LAST() | 返回最新的数据 |
| Selectors | MAX() | 最大值 |
| Selectors | MIN() | 最小值 |
| Selectors | PERCENTILE() | 百分位数数据 |
| Selectors | SAMPLE() | 随机抽样 |
| Selectors | TOP() | 返回最大的数据集 |
| Transformations | ABS() | 绝对值 |
| Transformations | ACOS() | 反余弦 |
| Transformations | ASIN() | 反正弦 |
| Transformations | ATAN() | 反正切，一和四象限 |
| Transformations | ATAN2() | 反正切，四个象限 |
| Transformations | CEIL() | 向上取整 |
| Transformations | COS() | 余弦 |
| Transformations | CUMULATIVE_SUM() | 序列从第一个值的连续求和 |
| Transformations | DERIVATIVE() | 相邻序列值之间的差除以时间差 |
| Transformations | DIFFERENCE() | 相邻序列值之间的差 |
| Transformations | ELAPSED() | 时间戳差异 |
| Transformations | EXP() | 指数 |
| Transformations | FLOOR() | 向下取整 |
| Transformations | HISTOGRAM() | Flux提供的功能，将序列数值近似的转换为指定的直方图分布 |
| Transformations | LN() | 自然对数 |
| Transformations | LOG() | 对数 |
| Transformations | LOG2() | 2为底的对数 |
| Transformations | LOG10() | 10为底的对数 |
| Transformations | MOVING_AVERAGE() | 滚进计算序列平均值 |
| Transformations | NON_NEGATIVE_DERIVATIVE() | 相邻序列值之间的差除以时间差，仅包括非负值 |
| Transformations | NON_NEGATIVE_DIFFERENCE() | 相邻序列值之间的差，仅包括非负值 |
| Transformations | POW() | 幂 |
| Transformations | ROUND() | 四舍五入 |
| Transformations | SIN() | 正弦 |
| Transformations | SQRT() | 平方根 |
| Transformations | TAN() | 正切 |
| Predictors | HOLT_WINTERS() | 预测 |
| Technical Analysis | CHANDE_MOMENTUM_OSCILLATOR() | 钱德动量振荡器(CMO)：通过计算所有最近的较高数据点和所有最近的较低数据点的总和之间的差值，然后将结果除以给定时间段内所有数据移动的总和来创建的。结果乘以100，得到-100到+100的范围。 |
| Technical Analysis | EXPONENTIAL_MOVING_AVERAGE() | 指数移动平均线：类似于简单移动平均线，但给最新数据更多的权重。这种移动平均线比简单的移动平均线对最近的数据变化反应更快。 |
| Technical Analysis | DOUBLE_EXPONENTIAL_MOVING_AVERAGE() | 双指数移动平均线：将均线的值翻倍，同时为了使其与实际数据保持一致，并消除滞后，会从之前翻倍的均线中减去“均线的均线”值。 |
| Technical Analysis | KAUFMANS_EFFICIENCY_RATIO() | 考夫曼的效率比：是通过将一段时间内的数据变化除以为实现该变化而发生的数据移动的绝对总和来计算的。最终的比率在0到1之间，较高的值代表更有效或更有趋势的市场。 |
| Technical Analysis | KAUFMANS_ADAPTIVE_MOVING_AVERAGE() | 考夫曼自适应移动平均线：旨在考虑样本噪声或波动性，当数据波动相对较小且噪声较低时，KAMA将密切跟踪数据点；当数据波动变大时，KAMA将进行调整，并从更远的距离跟踪数据。该趋势跟踪指示器可用于识别总体趋势、时间转折点和过滤数据移动。 |
| Technical Analysis | TRIPLE_EXPONENTIAL_MOVING_AVERAGE() | 三重指数移动平均线：是用来过滤传统移动平均线的波动性，实际上是单指数移动平均线、双指数移动平均线和三倍指数移动平均线的组合。 |
| Technical Analysis | TRIPLE_EXPONENTIAL_DERIVATIVE() | 三重指数衍生指标：是一个用来识别超卖和超买市场的振荡器，也可以用作动量指标。TRIX计算一段时间内输入数据的对数的三重指数移动平均值。从前一个值中减去前一个值。这可防止指示器考虑比规定周期短的周期。 |
| Technical Analysis | RELATIVE_STRENGTH_INDEX() | 相对强度指数：一个动量指标，用于比较特定时间段内最近的上升和下降幅度，以测量数据移动的速度和变化。 |
2、time函数时间单位
| 单位 | 含义 |
| ns | nanoseconds |
| u or µ | microseconds |
| ms | milliseconds |
| s | seconds |
| m | minutes |
| h | hours |
| d | days |
| w | weeks |