在 InfluxDB 2.0 中，你可以通过 aggregateWindow() 函数和 pivot() 函数来实现对数据的聚合和重组。下面是一个查询示例，演示了如何使用这两个函数来计算每个时间窗口内不同设备的平均温度值：
from(bucket: "my-bucket")
|> range(start: -1h)
|> filter(fn: (r) => r._measurement == "temperature")
|> pivot(rowKey:["_time"], columnKey: ["_field"], valueColumn: "_value")
|> aggregateWindow(every: 5m, fn: mean, createEmpty: false)
在上面的查询中，我们首先过滤出 _measurement 等于 temperature 的记录，并使用 pivot() 函数将 _field 字段的值作为新列名（即不同设备的名称），并使用 _value 字段的值填充这些列。
然后，我们再使用 aggregateWindow() 函数对每个时间窗口内的数据进行聚合操作，使用 mean 聚合函数计算所有设备的平均温度值，并生成一个新字段 _value_mean 来存储结果。
需要注意的是，在使用 pivot() 函数时，你需要明确指定要用哪个字段作为新列名，并且在之后的聚合操作中也需要引用正确的字段名称。
![/data # iw --debug dev wlan0 connect -w "lucky-5g" auth open key 0:1234567890
Usage: iw [options] dev connect [-w] [] [] [auth open|shared] [key 0:abcde d:1:6162636465] [mfp:req/opt/no]
Join the network with ...](https://linuxcpp.0voice.com/zb_users/upload/2023/05/202305162239148267954.png)
![驱动代码
void kalRxTaskletSchedule(struct GLUE_INFO *pr)
{
static unsigned int num = 0;
tasklet_hi_schedule(&pr->rRxTask[(num++)%NR_CPUS]);
// tasklet_hi_schedule(&pr->rRxTask);
DBGLOG(HAL, ERROR,](https://linuxcpp.0voice.com/zb_users/upload/2023/05/202305162226144313964.png)
