Flask接收JSON遥测数据应先检查request.is_json再调用get_json()，未匹配时用request.values.to_dict()兜底；嵌套字段需手动提取，避免依赖自动绑定。
Flask 路由怎么接收 JSON 遥测数据才不丢字段
直接用 request.get_json() 有时会返回 None，尤其当前端没设 Content-Type: application/json 或用了 FormData 发送。必须显式检查请求头和解析结果。
- 加
force=True强制解析（仅限可信来源）：request.get_json(force=True) - 更稳妥的做法是先判断：
if request.is_json:再调用get_json()，否则用request.values.to_dict()兜底 - 遥测数据常含嵌套结构（如
{"sensor_id": "A01", "metrics": {"temp": 23.4, "hum": 65}}），Flask 默认不递归展开，需手动提取字段，别依赖自动绑定
InfluxDB 2.x 写入时 timestamp 怎么对齐才不乱序
InfluxDB 对时间戳精度和顺序敏感，写入时若时间戳重复或倒退，可能导致数据被丢弃或排序异常——尤其在高频采集（>10Hz）或设备本地时钟未同步场景下。
- 服务端统一用
time.time_ns()生成纳秒级时间戳，避免依赖客户端时间 - 写入前用
Point().time()显式设置时间，不要省略；若用 batch 写入，确保每条 Point 的时间戳严格递增 - InfluxDB 2.x 默认保留策略（retention policy）可能自动删老数据，检查
influx bucket list确认 retention duration 是否足够长（如72h不够存一周数据）
Flask + InfluxDB 查询时如何避免 timeout 和内存爆掉
时序查询常因时间范围过大、字段过多或未加 limit 导致 HTTP 超时或 Python 进程 OOM。InfluxDB 的 Flux 查询默认不限制结果集大小，Flask 默认也没有流式响应机制。
- Flux 查询里必须加
|> limit(n: 1000)，且用|> range(start: -1h)替代宽泛的start: 2020-01-01 - 用
query_api.query_stream()替代query_api.query()，逐行 yield 结果，避免一次性加载全部 record 到内存 - Flask 返回前做类型转换：Flux 返回的
Record对象不能直接 jsonify，需转成 dict 并把record.get_time()转为 ISO 格式字符串
为什么 influxdb-client-python 的 write_api() 默认不是线程安全的
Flask 多 worker（如 gunicorn 启动 4 个进程）下，若在模块顶层创建单例 write_api，多个请求会并发调用同一实例，引发连接复用冲突或缓冲区竞争，表现是部分数据写入失败但无报错。
- 不要全局初始化
write_api，改在请求内按需获取：client.write_api(write_options=WriteOptions(batch_size=1000)) - 若追求性能，可用 Flask 应用上下文绑定连接池，但必须确保每个请求获得独立
write_api实例，而非共享 - 写入失败时，
write_api不抛异常而是静默重试（默认重试 3 次），需主动检查write_api._retry_count或捕获InfluxDBError日志
实际部署时最容易被忽略的是时区处理：InfluxDB 存储的是 UTC 时间戳，但 Flask 接收的客户端时间往往带本地时区。不做显式转换，查出来的曲线就会整体偏移。别信“系统时间一致就没事”——容器、宿主机、数据库服务之间时区配置可能各不相同。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
