Influxdb中Select查詢請求結果涉及到的一些資料結構

女主宣言

資料結構

Series其實就是measurement和tags的組合，tags是tag key和tag value的map.這個Tags的id是如何產生的呢，其實就是對tag key和tag value編碼到

具體實現定義在query/point.go中的encodeTags。

Row表示查詢結果集中的每一行, 其中的Values表示是返回的Fields的集合

bufFloatIterator相當於c裡面的連結串列元素，itr指向下一個元素的指標，buf表示當前元素，即FloatPoint型別的連結串列的迭代器。

FloatPoint

FloatPoint定義在query/point.gen.go中， 表示一條field為float型別的資料

Next實現

當前Iterator的值不為空，就返回當前的buf, 當前的值為空，就返回itr.itr.Next(),即指向的下一個元素

unread: iterator回退操作

floatMergeIterator組合了多個floatIterator

因為要作merge, 這裡需要對其管理的所有Interator元素作排序，這裡用到了golang的container/heap作堆排。

因為要用golang的container/heap來管理，需要實現下面規定的介面，

floatMergeIterator定義中的floatMergeHeap即實現了上面的介面,我們主要來看一下比較函式的實現，比較的其實就是FloatPoint。

比較的優先順序先是FloatPoint的measurement名，然後是tagset id, 最後是time,將這個比較函式我們就可以知道.

結構

Next函式的實現

一張長圖

結合上面的Less函式可知，針對所有的FloatPoint, 排序的最小單位是Window(由measurement name, tagset id, time window組成)，屬性同一Window的FloatPoint不再排序。如果是按升級規則遍歷，則遍歷的結果是按Window從小到大排，但同一Window內部的多條Point,時間不一定是從小到大的。

同樣它也藉助了golang/container中的heap， 與floatMergeIterator相比它實現了全體Point的排序遍歷,我們來看一下是如何實現的;

pop函式:

對所有Iterator包含的所在FloatPoint，都從排序，沒有Window的概念.

floatIteratorScanner將floatIterator的值掃描到map裡。

ScanAt

在floatIterator中找滿足條件的Point, 條件是ts, name, tags均相等,實現比較簡單

在一個單獨的goroutine裡面迴圈呼叫floatIterator.Next獲取FloatPoint,然後寫入到chan中：

使用的時候，呼叫Next, 從上面的Chan中讀資料:

限制在每個window中讀取的Point個數

next

執行在select中的Group by time fill(...), 在當前的interval的window中，如果沒有查詢到值，則使用相應的添充規則生成相應的值

具體可參見：

定義：

10  floatInterruptIterator

每遍歷N條資料後，檢測下遍歷是否需要中斷

定義:

Next

對每個interval內的資料作reduce操作

定義:

reduce()

返回處理後的points, 函式較長，但邏輯比較簡單