Flux查询结果是NDJSON流，需逐行解析：先识别"type": "table"提取列定义，再按"type": "record"匹配列索引取值；_time用time.RFC3339Nano解析，_value等字段须判空防panic。
Flux查询结果是JSON流，不能直接用json.Unmarshal
InfluxDB 2.x 的HTTP API返回的Flux查询结果不是单个JSON对象，而是以application/json为MIME类型、但实际为多行JSON（NDJSON）格式的响应体——每行是一个独立的record或table结构。直接拿整个响应体丢给json.Unmarshal会报invalid character '\n' in string literal或unexpected end of JSON input。
常见错误现象：用http.Get拿到*http.Response.Body后，直接ioutil.ReadAll再json.Unmarshal，结果只解析出第一行、panic、或静默失败。
- 必须逐行读取响应流，对每一行单独
json.Unmarshal - 推荐用
bufio.Scanner（而非bytes.Split），它自动处理换行符边界，避免因\r\n或超长行导致解析错位 - 注意InfluxDB可能在结果开头插入注释行（以
//开头），需跳过
解析核心结构：先识别table再处理record
Flux返回的每行JSON是三种类型之一：table、column、record。其中table定义schema（列名、数据类型），record才是真实数据行；column已基本弃用，新版Flux默认不发。
关键点在于：同一个table下的所有record共享列定义，但不同table可能有不同列（比如union多个measurement）。所以不能一上来就解析record，得先缓存当前table的columns字段。
- 定义两个结构体：
FluxTable含Columns []FluxColumn，FluxRecord含Values []interface{} - 遇到
"type": "table"时，提取columns数组并建立列名→索引映射（如map[string]int{"_time": 0, "_value": 1}） - 遇到
"type": "record"时，按Values顺序匹配列映射，把Values[i]赋给对应字段名（例如record.Values[1]就是_value） -
_time字段值是RFC3339字符串，需用time.Parse(time.RFC3339, s)转time.Time；_value可能是float64、string、bool，取决于原始数据类型
Go客户端库influxdata/influxdb-client-go能省掉手动解析吗？
能，但要注意版本和用法。v2.8+的官方Go client（github.com/influxdata/influxdb-client-go/v2）提供了QueryAPI.Query方法，内部已封装NDJSON流解析逻辑，返回flux.Table迭代器。
不过它不是“开箱即用”的struct映射——你仍需调用Next()遍历table，再用Table.Record()逐条取record，最后手动从record.ValueByKey("_value")等方法取值。
- 优点：自动处理
table/record状态机、时区、空值（nil）、类型转换（record.ValueByKey("x").Float()） - 缺点：无法直接绑定到自定义struct（比如
type Metric struct { Time time.Time; Value float64 }），必须写胶水代码 - 若用老版本client（v1.x），
Query返回的是原始io.ReadCloser，仍要自己解析NDJSON - 注意：client默认启用GZIP压缩，确保服务端支持；若手动HTTP请求，记得加
Accept-Encoding: gzip并解压
时间字段和空值处理最容易踩坑
_time字段看似简单，但InfluxDB返回的RFC3339字符串可能带纳秒精度（如"2024-05-20T10:30:45.123456789Z"），而Go标准库time.RFC3339只支持到秒级，直接Parse会失败。
空值（null）在Flux中表示为JSON null，但Go的interface{}反序列化后是nil，如果后续直接转float64会panic。而且不同字段空值语义不同：_value为null代表无数据，tag为null可能代表该tag未设置。
- 时间解析必须用
time.RFC3339Nano，或先正则截断纳秒部分再用RFC3339 - 取值前务必检查
record.Values[i] == nil，尤其_value字段，建议封装SafeFloat64(v interface{}) (float64, bool)辅助函数 - 如果查询带
group或aggregateWindow，同一table内record的_start/_stop字段也可能出现，它们也是RFC3339Nano格式
真正麻烦的不是解析本身，而是Flux结果结构动态性太强——列名、数量、类型都取决于查询语句，硬编码字段索引或结构体很容易在改查询后崩掉。要么用map[string]interface{}兜底，要么用client库的类型安全方法层层校验。
golang免费学习笔记（深入）：立即使用
在学习笔记中，你将探索golang的核心概念和高级技巧！
