Tout simplement (si on se trouve sur le serveur qui héberge la base de données et en supposant que le client influx est dans le PATH)

influx -precision rfc3339 -database 'influxdb' -username '<USER>' -password
influx -precision ns -database 'influxdb' -username '<USER>' -password

Avant correction :

Après correction : On commence par se connecter à la base de données qui va bien…

On affiche la structure de la MEASUREMENT

> SHOW SERIES FROM Temperature_temper
key
---
Temperature_temper,host=drouard.eu
 
> SHOW TAG KEYS FROM Temperature_temper
name: Temperature_temper
tagKey
------
host
 
> SHOW FIELD KEYS FROM Temperature_temper
name: Temperature_temper
fieldKey fieldType
-------- ---------
value    float

☛ Structure toute simple, contenant 1 SERIE avec :

• 1 tagKey host
• 1 fieldKey value de type Float

Commençons par évaluer l'ampleur de la tâche à réaliser (et voir si il ne serait pas plus efficace de créer un script…)

> SELECT COUNT("value") FROM Temperature_temper WHERE value > 100;
name: Temperature_temper
time                 count
----                 -----
1970-01-01T00:00:00Z 1

Bon ok, 1 point de mesure à corriger, c'est pas si pire…

Liste des points de température à corriger

> PRECISION rfc3339
> SELECT * FROM Temperature_temper WHERE value > 100 LIMIT 10;
name: Temperature_temper
time                 host       value
----                 ----       -----
2017-12-07T11:00:04Z drouard.eu 568.5
 
> PRECISION ns
> SELECT * FROM Temperature_temper WHERE value > 100 LIMIT 10;
name: Temperature_temper
time                host       value
----                ----       -----
1512644404000000000 drouard.eu 568.5

Passons à la correction !
En fonction de la nature, criticité de la métrique, 2 possibilités pour corriger l'erreur :

• Méthode 1 ☛ Supprimer la valeur erronée :
  • Il est possible de corriger l'apparence de la courbe à la volée dans Grafana avec la clause GROUP BY fill(0/null/none/etc.)… c'est fourbe, mais esthétique… inconvénient, ça masquerait les erreurs de collectes trop récurrentes
• Méthode 2 ☛ Maquiller la valeur erronée (Ce n'est qu'une extension de la méthode 1) :
  • Cette stratégie consiste sournoisement à faire une moyenne (par ex.) entre les 2 valeurs entourant le pic puis à inscrire cette valeur à la place de la valeur du pic

On commence par identifier le laps de temps incriminé via une petite requête (±1 période de collecte) :

> PRECISION rfc3339
> SELECT * FROM Temperature_temper WHERE time >= '2017-12-07T10:54:04Z' AND time <= '2017-12-07T11:06:04Z'
name: Temperature_temper
time                 host       value
----                 ----       -----
2017-12-07T10:55:01Z drouard.eu 19.29
2017-12-07T11:00:04Z drouard.eu 568.5
2017-12-07T11:05:01Z drouard.eu 19.31

On supprime la valeur erronée

DELETE FROM Temperature_temper WHERE "host" = 'drouard.eu' AND time = '2017-12-07T11:00:04Z'

On vérifie que la mesure à bien été supprimée

> SELECT * FROM Temperature_temper WHERE time >= '2017-12-07T10:54:04Z' AND time <= '2017-12-07T11:06:04Z'
name: Temperature_temper
time                 host       value
----                 ----       -----
2017-12-07T10:55:01Z drouard.eu 19.29
2017-12-07T11:05:01Z drouard.eu 19.31

La méthode 1 consiste à en rester là et éventuellement maquiller légèrement la courbe dans Grafana…

Maintenant, on va aller un peu plus loin avec la méthode 2.

On va devoir injecter une nouvelle valeur avec comme paramètres :

• value = Moyenne des valeurs encadrant
  • Dans cet ex : (19.29 + 19.31) / 2 = 19.30
• timestamp = Timestamp au format epoch, précision à la nanoseconde
  • Dans cet ex : timestamp = 1512644404000000000

date -d 2017-12-07T11:00:04Z +%s%N

Syntaxe générique d'insertion de donnée dans InfluxDB (Docs de référence sur https://docs.influxdata.com : Writing and exploring data et Line Protocol) :

<measurement>[,<tag_key>=<tag_value>[,<tag_key>=<tag_value>]] <field_key>=<field_value>[,<field_key>=<field_value>] [<timestamp>]

Ensuite, on peut forger la requête d'insertion soit :

• En mode CLI via le client influx

INSERT Temperature_temper,host=drouard.eu value=19.30 1512644404000000000

• En mode HTTP API (C'est à la mode… et et c'est pratique aussi) via curl

curl -i -XPOST -u USERNAME:PASSWORD "http://localhost:8086/write?db=db_drouard&precision=ns" --data-binary 'Temperature_temper,host=drouard.eu value=19.30 1512644404000000000'

Enfin, on vérifie la correction

> SELECT * FROM Temperature_temper WHERE time >= '2017-12-07T10:54:04Z' AND time <= '2017-12-07T11:06:04Z'
name: Temperature_temper
time                host       value
----                ----       -----
1512644101000000000 drouard.eu 19.29
1512644404000000000 drouard.eu 19.3
1512644701000000000 drouard.eu 19.31

name: Temperature_temper
time                host       host_1     perfdata    value
----                ----       ------     --------    -----
1512659404000000000 drouard.eu                        20.06
1512659702000000000 drouard.eu                        20.06
1512660004000000000 drouard.eu                        20.06
...
1541081404000000000            drouard.eu Temperature 20.12
1541081703000000000            drouard.eu Temperature 20.12
1541082004000000000            drouard.eu Temperature 20.12
...

On commence par exporter les données

influx -database 'influxdb' -username '<USER>' -password '' -execute "SELECT * FROM Temperature_temper" > /tmp/export_Temperature_temper.txt

Ensuite je supprime les entêtes (les 3 premières lignes)

sed -i '1,3d' /tmp/export_Temperature_temper.txt

Je supprime les données contenu dans le TAG perfdata (cela reviendra à supprimer la colonne par la suite)

sed -i 's/ Temperature//g' /tmp/export_Temperature_temper.txt

Ensuite, je formate avec awk le fichier à injecter dans la base InfluxDB, pour rappel, la syntaxe générique d'insertion de donnée dans InfluxDB (Docs de référence sur https://docs.influxdata.com : Writing and exploring data et Line Protocol) :

<measurement>[,<tag_key>=<tag_value>[,<tag_key>=<tag_value>]] <field_key>=<field_value>[,<field_key>=<field_value>] [<timestamp>]

awk '{print "nagios_temper,host="$2" value="$3" "$1}' /tmp/export_Temperature_temper.txt | head -5

Si le format est correct, je génère le fichier d'import (c'est ici que l'on définit le nouveau MEASUREMENT)

awk '{print "nagios_temper,host="$2" value="$3" "$1}' /tmp/export_Temperature_temper.txt > /tmp/import_Temperature_temper.txt

Et je l'importe avec curl dans la base de données InfluxDB

curl -i -XPOST -u USERNAME:PASSWORD "http://localhost:8086/write?db=db_drouard&precision=ns" --data-binary @/tmp/import_Temperature_temper.txt

L'import est complet si curl nous retourne le code HTTP 204

HTTP/1.1 100 Continue

HTTP/1.1 204 No Content
Content-Type: application/json
Request-Id: 7099242b-dde8-11e8-9845-000000000000
X-Influxdb-Build: OSS
X-Influxdb-Version: 1.x.x
X-Request-Id: 7099242b-dde8-11e8-9845-000000000000
Date: Thu, 01 Nov 2018 15:11:45 GMT

On utilise la commande SELECT * INTO … (La subtilité étant le paramètre GROUP BY * qui permet de garder les TAG du MEASUREMENT)

SELECT * INTO openweathermapNEW FROM openweathermap GROUP BY *

On reprend la copie d'un MEASUREMENT mais on définit les FIELD a copier dans le SELECT et les TAG dans le GROUP BY.

SELECT time,main_humidity,main_temp INTO openweathermapNEW FROM openweathermap GROUP BY host

On surprime l'ancien MEASUREMENT

DROP MEASUREMENT openweathermap

Et on recopie intégralement le nouveau MEASUREMENT avec l'ancien nom

SELECT * INTO openweathermap FROM openweathermapNEW GROUP BY *