之前的项目，将部分数据迁移到了InfluxDB v2 数据库。但是，在查询数据的时候发生了一件很诡异的事情，就是使用不同的时间间隔，返回的数据却完全不一样。
感谢 ymz316 帮我找到了 bug，还是数据处理逻辑的问题。我把 ai 给唬住了，他没分析代码，我也没分析代码。另外一个问题就是上报数据的时间间隔太长了，在时间为 1m 的时候表现出了诡异的行为，根本原因在于 1m 中采样的时候，后面四分钟都没数据（上报频率正好也是 5 分钟）于是采样到了 06 分钟的数据。就成了 01 06 11 的样子，这 tmd 把数据上报频率也给忽略了。
查询代码如下：
def query_data_with_5min_sampling(device_id, start_time, end_time, interval='05m'):
"""
查询指定设备在时间范围内的数据，支持不同的采样间隔
:param device_id: 设备ID
:param start_time: 开始时间
:param end_time: 结束时间
:param interval: 采样间隔，支持 '10s', '30s', '01m', '05m', '10m', '30m', '01h'，默认为 '05m'
:return: 采样后的数据列表
"""
if interval is None or interval == '':
interval = '05m'
if 'm' not in interval and 's' not in interval:
interval = f"0{interval}m" if int(interval) < 10 else f"{interval}m"
# 验证时间范围，如果大于一天，强制使用5分钟采样
if end_time - start_time > timedelta(days=1):
interval = '05m'
# 如果小于等于一天且没有指定间隔，使用1分钟采样
elif interval == '5m' and end_time - start_time <= timedelta(days=1):
interval = '01m'
query = f"""
from(bucket: "ts")
|> range(start: {datetime_to_tz_time_string(datetime_to_utc_time(start_time))},
stop: {datetime_to_tz_time_string(datetime_to_utc_time(end_time))})
|> filter(fn: (r) => r._measurement == "TSSourceData")
|> filter(fn: (r) => r.device_id_string == "{device_id}")
|> filter(fn: (r) => r._field =~ /^(temperature|humidity|health_level)$/)
|> aggregateWindow(
every: {interval},
fn: mean,
createEmpty: false
)
|> pivot(rowKey:["_time"], columnKey: ["_field"], valueColumn: "_value")
"""
tables = client.query_api().query(org="power", query=query)
lines = []
for table in tables:
for record in table.records:
lines.append(record.values)
return lines
数据支持： ’10s’, ’30s’, ’01m’, ’05m’, ’10m’, ’30m’, ’01h’，默认为 ’05m’
然而，当使用 5 分钟为间隔查询的时候，返回的第一条数据时间竟然是 01 分，不是整点，查询代码：
nt = current_time = get_rounded_time_before_time(8)
# # print(nt)
lines = query_data_with_5min_sampling('mddt6825050023_1', nt, datetime.now(), interval='5m')
# print(lines)
for data_point in lines:
# print(data_point)
utc_time = data_point.get('_time')
tz = pytz.timezone('Asia/Shanghai')
local_time = utc_time.astimezone(tz)
print(local_time.strftime('%Y-%m-%d %H:%M:%S'))
执行结果：
2025-05-27 01:01:00 2025-05-27 01:06:00 2025-05-27 01:11:00 2025-05-27 01:16:00 2025-05-27 01:21:00 2025-05-27 01:26:00 2025-05-27 01:31:00 2025-05-27 01:36:00 2025-05-27 01:41:00
然而，当时间改成 15 分钟或者其他时间，就完全是按照整点以及时间间隔来的：
lines = query_data_with_5min_sampling('mddt6825050023_1', nt, datetime.now(), interval='15m')
执行结果：
2025-05-27 01:15:00 2025-05-27 01:30:00 2025-05-27 01:45:00 2025-05-27 02:00:00 2025-05-27 02:15:00 2025-05-27 02:30:00 2025-05-27 02:45:00 2025-05-27 03:00:00 2025-05-27 03:15:00 2025-05-27 03:30:00 2025-05-27 03:45:00 2025-05-27 04:00:00 2025-05-27 04:15:00 2025-05-27 04:30:00 2025-05-27 04:45:00 2025-05-27 05:00:00 2025-05-27 05:15:00 2025-05-27 05:30:00 2025-05-27 05:45:00 2025-05-27 06:00:00 2025-05-27 06:15:00
我勒个豆，这么神奇吗？对于这种错误其实猜测可能是返回数据的对齐粒度问题，但是在尝试了使用 offset 等各种参数之后，对于 5 分钟的数据还是返回了 01。直接崩溃，让 cursor 来回改，最后代码改的面目全非了依然没达到效果。只能回滚代码。
这时候鬼使神差想到，这个参数既然是个字符串，那么传个 05m 呢？
lines = query_data_with_5min_sampling('mddt6825050023_1', nt, datetime.now(), interval='05m')
执行结果：
2025-05-27 01:05:00 2025-05-27 01:10:00 2025-05-27 01:15:00 2025-05-27 01:20:00 2025-05-27 01:25:00 2025-05-27 01:30:00 2025-05-27 01:35:00 2025-05-27 01:40:00 2025-05-27 01:45:00 2025-05-27 01:50:00 2025-05-27 01:55:00 2025-05-27 02:00:00 2025-05-27 02:05:00 2025-05-27 02:10:00 2025-05-27 02:15:00 2025-05-27 02:20:00
竟然神奇的治愈了，这尼玛不得不说竟然这么神奇。所以最开始的代码其实是修复之后的代码，对于没有 0 开头的分钟进行填充。
问了下 cursor，给出了下面的答复：
这特性，真是服了，问题是 cursor，为什么不是你发现了告诉我？而是我发现了告诉你呢？
果然是高级 quirk！
