この記事は、以下の記事を参考に書かれました。
InfluxDB を10分だけ触ってみた
Grafana on InfluxDB をちょっとだけ触ってみた
以下の内容はInfluxDB v0.5.4 [2014-04-02 release]について記載しています。
InfluxDBのセットアップ
install
- OS X
$ brew update
$ brew install influxdb
$ influxdb start
常時起動するなら
$ ln -sfv /usr/local/opt/influxdb/*.plist ~/Library/LaunchAgents
$ brew services start influxdb
- Debian系
$ wget http://s3.amazonaws.com/influxdb/influxdb_latest_amd64.deb
$ sudo dpkg -i influxdb_latest_amd64.deb
- RedHat系
$ wget http://s3.amazonaws.com/influxdb/influxdb-latest-1.x86_64.rpm
$ sudo rpm -ivh influxdb-latest-1.x86_64.rpm
WebUI
http://localhost:8083/ でWebUIが見れます。
デフォルトはroot/rootで入れます。
Create Database
WebUIからも出来るのですが、rubyのライブラリからやってみます。
$ gem install influxdb
$ pry
require 'influxdb'
=> true
influxdb = InfluxDB::Client.new :username => 'root', :password => 'root'
=> #<InfluxDB::Client:0x007fb424481ec8
@async=false,
@hosts=["localhost"],
@initial_delay=0.01,
@max_delay=30,
@open_timeout=5,
@password="root",
@port=8086,
@read_timeout=300,
@time_precision="s",
@use_ssl=false,
@username="root">
influxdb.create_database('qiitademo')
=> #<Net::HTTPCreated 201 Created readbody=true>
WebUIでも、Databaseが作られていることが確認できました。
Twitter API KeyとAccess tockenの準備
今回は、twitterのデータを流し込みますので、API KeyとAccess tokenが必要になるため、取得しましょう。
https://apps.twitter.com/
Create New Appボタンから適当なアプリを登録して、遷移後の画面でAPI Keysタブを選ぶと、API KeyとAPI Secretがあります。
画面の下のところに、Your accsess tokenというところがあり、Create my access tokenというボタンがあるので、これで自分用のaccess tokenを生成します。
しばらく(1分ぐらい?)してからrefleshすると、同画面の下のところにAccess tokenとAccess token secretが表示されるので、これを使いましょう。
fluentdでのtwitterデータの流し込み
fluentd本体と、利用するpluginのインストール
$ gem install fluentd fluent-plugin-influxdb fluent-plugin-twitter fluent-plugin-flatten-hash
$ fluentd --setup ./fluent
$ vim fluent/fluent.conf
fluentdの設定は以下のようにします。Twitter API KeyとAccess tokenのところは先ほど取得したもので埋めましょう。
fluent.conf
<source>
type twitter
consumer_key ${YOUR_API_key}
consumer_secret ${YOUR_API_Secret}
oauth_token ${YOUR_access_token}
oauth_token_secret ${YOUR_access_token_secret}
tag twitter.raw.sampling
timeline sampling
output_format nest
</source>
<match twitter.raw.**>
type flatten_hash
tag twitter.sampling
separator _
</match>
<match twitter.**>
type influxdb
host localhost
port 8086
dbname qiitademo
user root
password root
time_precision s
flush_interval 1s
</match>
InfluxDBは、ネストしたデータには対応していないため、そのままでは流し込めません。
fluent-plugin-flatten-hashは、ネストしたhashをいい感じにflatにしてくれるものです。
実はfluent-plugin-twitterのoutput_formatとしてflatという指定も出来るのですが、これだと失敗します。
output_formatでflatを指定しても、値がArrayだったりする項目(entities_hashtagsとか)があると、InfluxDBは受け付けてくれません。
というわけで、InfluxDBに格納する時は、flatten-hashを掛けておけば、とりあえずデータは入ってくれます。
起動して投入してみましょう。
$ fluentd -c fluent/fluent.conf
InfluxDB-CLIで使う
先ほどのDatabase作成はRubyのClient Libraryを使ってみましたが、InfluxDBはHTTP APIがあり、RubyのClient Libraryはそのラッパーです。
(その内、Protobuf APIの実装が予定されているみたいです。)
Node製のCLIがあるので、それも使ってみます。
$ npm install influxdb-cli -g
$ influxdb-cli
基本的なクエリ
- 接続と件数確認
db> Connecting to http://localhost:8086/db/db ...
db> ✔ ready
db> use qiitademo
db> (empty result)
qiitademo> select count(id) from twitter.sampling
┌───────────────┬────────┐
│ time │ count │
├───────────────┼────────┤
│ 1397563652000 │ 403736 │
└───────────────┴────────┘
Query took 1285 ms
データが格納されているようですね。count(*)やcount(1)は使えませんでした。
- 現在時刻から1分以内、10秒毎の件数取得。
qiitademo> select count(id) from twitter.sampling group by time(10s) where time > now() - 1m
┌───────────────┬───────┐
│ time │ count │
├───────────────┼───────┤
│ 1397628490000 │ 332 │
│ 1397628480000 │ 344 │
│ 1397628470000 │ 320 │
│ 1397628460000 │ 399 │
│ 1397628450000 │ 402 │
│ 1397628440000 │ 331 │
└───────────────┴───────┘
Query took 12 ms
- 現在時刻から1分以内の、30秒毎の投稿言語別カウント
qiitademo> select count(id) as cnt from twitter.sampling group by lang,time(30s) where time > now() - 1m and lang in ('ja','en')
┌───────────────┬─────┬──────┐
│ time │ cnt │ lang │
├───────────────┼─────┼──────┤
│ 1397628870000 │ 15 │ ja │
│ 1397628870000 │ 28 │ en │
│ 1397628840000 │ 324 │ en │
│ 1397628840000 │ 246 │ ja │
│ 1397628810000 │ 308 │ en │
│ 1397628810000 │ 214 │ ja │
└───────────────┴─────┴──────┘
Query took 16 ms
group byのkeyであるlangはselectしなくても付いてきます。selet lang, count(id) ~ とはしなくて良いです。
- 集計関数を使って、流れているTweetの発言者フォロワー数に関する30秒毎の統計値を直近3分ぶん取得
qiitademo> select min(user_followers_count) as min_followers, mean(user_followers_count) as mean_followers, percentile(user_followers_count,90) as 90_percentile_followers, median(user_followers_count) as median_followers, max(user_followers_count) as max_follower from twitter.sampling group by time(30s) where time > now() - 3m
┌───────────────┬───────────────┬────────────────────┬─────────────────────────┬──────────────────┬──────────────┐
│ time │ min_followers │ mean_followers │ 90_percentile_followers │ median_followers │ max_follower │
├───────────────┼───────────────┼────────────────────┼─────────────────────────┼──────────────────┼──────────────┤
│ 1397629140000 │ 0 │ 2026.4184397163137 │ 2692 │ 299 │ 57423 │
│ 1397629110000 │ 0 │ 1364.3434247871326 │ 1806 │ 278 │ 116026 │
│ 1397629080000 │ 0 │ 1835.87394957983 │ 2136 │ 301 │ 375778 │
│ 1397629050000 │ 0 │ 1693.1923076923097 │ 1834 │ 292 │ 401730 │
│ 1397629020000 │ 0 │ 1153.275454545456 │ 1979 │ 311 │ 73554 │
│ 1397628990000 │ 0 │ 1191.8434197886643 │ 1768 │ 263 │ 116811 │
│ 1397628960000 │ 0 │ 2303.9806243272337 │ 2052 │ 293 │ 543958 │
└───────────────┴───────────────┴────────────────────┴─────────────────────────┴──────────────────┴──────────────┘
Query took 33 ms
現在(v0.5.4)、利用できる関数はcount,min,max,mean,mode,median,distinct,percentile,histgram,derivative,sum,stddev,first/lastです。
http://influxdb.org/docs/query_language/functions.html
derivativeは、(v_last - v_first) / (t_last - t_first) の値なので、変化率が計算出来ます。
例えば(1次元の)位置を指定すれば速度が、速度的な列を指定すれば加速度のようなものが計算できますね。
histogramは、値をbucketという単位に分割した場合の、各bucketに入る数が返ります。
例えば、フォロワー数のカウントを100,000人単位をbucketとして分布が見たいという時は、以下のようにします。
qiitademo> select histogram(user_followers_count,100000) as hist from twitter.sampling
┌───────────────┬───────────────────┬────────────┐
│ time │ hist_bucket_start │ hist_count │
├───────────────┼───────────────────┼────────────┤
│ 1397563652000 │ 0 │ 439461 │
│ 1397563652000 │ 200000 │ 190 │
│ 1397563652000 │ 400000 │ 61 │
│ 1397563652000 │ 800000 │ 9 │
│ 1397563652000 │ 4300000 │ 1 │
│ 1397563652000 │ 2200000 │ 2 │
│ 1397563652000 │ 7100000 │ 1 │
│ 1397563652000 │ 2600000 │ 1 │
│ 1397563652000 │ 3700000 │ 2 │
│ 1397563652000 │ 6200000 │ 2 │
│ 1397563652000 │ 4200000 │ 1 │
│ 1397563652000 │ 1200000 │ 8 │
│ 1397563652000 │ 2900000 │ 2 │
│ 1397563652000 │ 1800000 │ 2 │
│ 1397563652000 │ 1100000 │ 6 │
│ 1397563652000 │ 1900000 │ 2 │
│ 1397563652000 │ 3000000 │ 1 │
│ 1397563652000 │ 4800000 │ 1 │
│ 1397563652000 │ 3400000 │ 14 │
│ 1397563652000 │ 600000 │ 22 │
│ 1397563652000 │ 900000 │ 12 │
│ 1397563652000 │ 1700000 │ 2 │
│ 1397563652000 │ 3200000 │ 1 │
│ 1397563652000 │ 1600000 │ 8 │
│ 1397563652000 │ 2500000 │ 3 │
│ 1397563652000 │ 700000 │ 22 │
│ 1397563652000 │ 1500000 │ 1 │
│ 1397563652000 │ 2100000 │ 2 │
│ 1397563652000 │ 4000000 │ 1 │
│ 1397563652000 │ 1000000 │ 3 │
│ 1397563652000 │ 1300000 │ 1 │
│ 1397563652000 │ 5400000 │ 1 │
│ 1397563652000 │ 2000000 │ 2 │
│ 1397563652000 │ 1400000 │ 5 │
│ 1397563652000 │ 100000 │ 669 │
│ 1397563652000 │ 500000 │ 33 │
│ 1397563652000 │ 300000 │ 83 │
│ 1397563652000 │ 2400000 │ 1 │
│ 1397563652000 │ 3100000 │ 2 │
└───────────────┴───────────────────┴────────────┘
Query took 1369 ms
InfexDBでは、いわゆるRDBのtableにあたるものはseriesという名前で呼ばれます。
クエリの中で、from句のseries名に正規表現が使えます。
- database中の全てのseriesの中から、macを含む発言の件数カウント。
qiitademo> select count(id) from /.*/ where text=~ /.*mac.*/ and time > now() - 1h
┌───────────────┬───────┐
│ time │ count │
├───────────────┼───────┤
│ 1397626063000 │ 276 │
└───────────────┴───────┘
Query took 2467 ms
Continuous Queries
トリガ+集計表みたいな感じのものです。
クエリで利用する元のtable/seriesの過去データが削除されても独立しているため、元データの改廃は短期間、集計後の改廃は長期間、という使い方も出来そうです。
selectクエリの最後に"into series名"を付けるだけで設定出来ます。
continuous query登録
- 登録
qiitademo> select count(id) from twitter.sampling group by time(1m) into twitter.sampling.id.count.1m
- 登録確認
qiitademo> list continuous queries
┌─────────┬─────────────────┬────┬────────────────────────────────────────────────────────────────────────────────────────────┐
│ time │ sequence_number │ id │ query │
├─────────┼─────────────────┼────┼────────────────────────────────────────────────────────────────────────────────────────────┤
│ 1397630 │ 1 │ 1 │ select count(id) from twitter.sampling group by time(1m) into twitter.sampling.id.count.1m │
└─────────┴─────────────────┴────┴────────────────────────────────────────────────────────────────────────────────────────────┘
初回クエリ完了後、twitter.sampling.id.count.1mというseriesが出来ています。その後は自動で更新されます。(過去分の計算を行うのは初回のみ)。
qiitademo> select * from twitter.sampling.id.count.1m where time > now() - 10m
┌───────────────┬─────────────────┬───────┐
│ time │ sequence_number │ count │
├───────────────┼─────────────────┼───────┤
│ 1397630640000 │ 1 │ 2004 │
│ 1397630580000 │ 1 │ 1953 │
│ 1397630520000 │ 1 │ 2077 │
│ 1397630460000 │ 1 │ 2030 │
│ 1397630400000 │ 1 │ 2068 │
│ 1397630340000 │ 1 │ 2059 │
│ 1397630280000 │ 1 │ 2094 │
│ 1397630220000 │ 1 │ 2118 │
│ 1397630160000 │ 1 │ 1962 │
└───────────────┴─────────────────┴───────┘
GUIでも見てみましょう。
日本語と英語のtweetについて、follower数の統計値のseriesをcontinuous queryで作ってみます。
$ pry
require 'influxdb'
influxdb = InfluxDB::Client.new 'qiitademo', :username => 'root', :password => 'root'
# lang別のfollower数統計値をtwitter.${lang}_followerというseriesに流し込むContinuous Query
q =<<"EOS"
select
count(id) as count,
mean(user_followers_count) as mean_followers,
percentile(user_followers_count,90) as 90_percentile_followers,
median(user_followers_count) as median_followers,
max(user_followers_count) as max_follower
from
twitter.sampling
group by
time(1m)
where
lang = '${lang}'
into
twitter.${lang}_follower.1m
EOS
# Continuous Query登録
['ja','en'].each{|lang| influxdb.query q.gsub('${lang}',lang) }
それぞれ、登録されたことを確認します。
qiitademo> list continuous queries
┌─────────┬─────────────────┬────┬────────────────────────────────────────────────────────────────────────────────────────────┐
│ time │ sequence_number │ id │ query │
├─────────┼─────────────────┼────┼────────────────────────────────────────────────────────────────────────────────────────────┤
│ 1397635 │ 1 │ 1 │ select count(id) from twitter.sampling group by time(1m) into twitter.sampling.id.count.1m │
│ 1397635 │ 1 │ 2 │ select │
│ │ │ │ count(id) as count, │
│ │ │ │ mean(user_followers_count) as mean_followers, │
│ │ │ │ percentile(user_followers_count,90) as 90_percentile_followers, │
│ │ │ │ median(user_followers_count) as median_followers, │
│ │ │ │ max(user_followers_count) as max_follower │
│ │ │ │ from │
│ │ │ │ twitter.sampling │
│ │ │ │ group by │
│ │ │ │ time(1m) │
│ │ │ │ where │
│ │ │ │ lang = 'ja' │
│ │ │ │ into │
│ │ │ │ twitter.ja_follower.1m │
│ │ │ │ │
│ 1397635 │ 1 │ 3 │ select │
│ │ │ │ count(id) as count, │
│ │ │ │ mean(user_followers_count) as mean_followers, │
│ │ │ │ percentile(user_followers_count,90) as 90_percentile_followers, │
│ │ │ │ median(user_followers_count) as median_followers, │
│ │ │ │ max(user_followers_count) as max_follower │
│ │ │ │ from │
│ │ │ │ twitter.sampling │
│ │ │ │ group by │
│ │ │ │ time(1m) │
│ │ │ │ where │
│ │ │ │ lang = 'en' │
│ │ │ │ into │
│ │ │ │ twitter.en_follower.1m │
│ │ │ │ │
└─────────┴─────────────────┴────┴────────────────────────────────────────────────────────────────────────────────────────────┘
Query took 2 ms
qiitademo> select * from /twitter.*_follower.1m/ where time > now() - 5m
┌───────────────┬─────────────────┬─────────────────────────┬───────┬──────────────┬────────────────────┬──────────────────┐
│ time │ sequence_number │ 90_percentile_followers │ count │ max_follower │ mean_followers │ median_followers │
├───────────────┼─────────────────┼─────────────────────────┼───────┼──────────────┼────────────────────┼──────────────────┤
│ 1397635920000 │ 1 │ 3383 │ 494 │ 1503869 │ 5445.459514170034 │ 364 │
│ 1397635860000 │ 1 │ 2562 │ 547 │ 177519 │ 1696.5338208409507 │ 339 │
│ 1397635800000 │ 1 │ 2689 │ 554 │ 112735 │ 1550.3537906137199 │ 328 │
│ 1397635740000 │ 1 │ 3184 │ 534 │ 403232 │ 3222.5112359550567 │ 386 │
└───────────────┴─────────────────┴─────────────────────────┴───────┴──────────────┴────────────────────┴──────────────────┘
Query took 3 ms
┌───────────────┬─────────────────┬─────────────────────────┬───────┬──────────────┬────────────────────┬──────────────────┐
│ time │ sequence_number │ 90_percentile_followers │ count │ max_follower │ mean_followers │ median_followers │
├───────────────┼─────────────────┼─────────────────────────┼───────┼──────────────┼────────────────────┼──────────────────┤
│ 1397635920000 │ 1 │ 1828 │ 507 │ 40532 │ 877.2899408284014 │ 213 │
│ 1397635860000 │ 1 │ 1861 │ 526 │ 22805 │ 832.7699619771848 │ 242 │
│ 1397635800000 │ 1 │ 2296 │ 598 │ 23097 │ 1101.3461538461527 │ 227 │
│ 1397635740000 │ 1 │ 2028 │ 605 │ 77559 │ 1075.0809917355382 │ 237 │
└───────────────┴─────────────────┴─────────────────────────┴───────┴──────────────┴────────────────────┴──────────────────┘
Query took 3 ms
mergeとjoin
mergeは、それぞれのpoint(レコード)は基本的にそのままで、単純に一つのseriesとしてまとめたものです。
(time,sequence_number,_orig_series)で一意になります。
joinは、同pointである(=timestampとsequence_numberが同一)のものをjoinして、一つのpointとして合わせたものです。
# merge
qiitademo> select * from twitter.ja_follower.1m merge twitter.en_follower.1m limit 4
┌───────────────┬─────────────────┬─────────────────────────┬───────┬──────────────┬────────────────────┬──────────────────┬────────────────────────┐
│ time │ sequence_number │ 90_percentile_followers │ count │ max_follower │ mean_followers │ median_followers │ _orig_series │
├───────────────┼─────────────────┼─────────────────────────┼───────┼──────────────┼────────────────────┼──────────────────┼────────────────────────┤
│ 1397635920000 │ 1 │ 3383 │ 494 │ 1503869 │ 5445.459514170034 │ 364 │ twitter.en_follower.1m │
│ 1397635920000 │ 1 │ 1828 │ 507 │ 40532 │ 877.2899408284014 │ 213 │ twitter.ja_follower.1m │
│ 1397635860000 │ 1 │ 2562 │ 547 │ 177519 │ 1696.5338208409507 │ 339 │ twitter.en_follower.1m │
│ 1397635860000 │ 1 │ 1861 │ 526 │ 22805 │ 832.7699619771848 │ 242 │ twitter.ja_follower.1m │
└───────────────┴─────────────────┴─────────────────────────┴───────┴──────────────┴────────────────────┴──────────────────┴────────────────────────┘
Query took 15 ms
# join
qiitademo> select * from twitter.ja_follower.1m as ja inner join twitter.en_follower.1m as en limit 4
┌───────────────┬────────────────────────────┬──────────┬─────────────────┬────────────────────┬─────────────────────┬────────────────────────────┬──────────┬─────────────────┬────────────────────┬─────────────────────┐
│ time │ ja.90_percentile_followers │ ja.count │ ja.max_follower │ ja.mean_followers │ ja.median_followers │ en.90_percentile_followers │ en.count │ en.max_follower │ en.mean_followers │ en.median_followers │
├───────────────┼────────────────────────────┼──────────┼─────────────────┼────────────────────┼─────────────────────┼────────────────────────────┼──────────┼─────────────────┼────────────────────┼─────────────────────┤
│ 1397635980000 │ 2090 │ 552 │ 157989 │ 1181.9818840579715 │ 236 │ 2475 │ 452 │ 288973 │ 2367.842920353979 │ 323 │
│ 1397635920000 │ 1828 │ 507 │ 40532 │ 877.2899408284014 │ 213 │ 3383 │ 494 │ 1503869 │ 5445.459514170034 │ 364 │
│ 1397635860000 │ 1861 │ 526 │ 22805 │ 832.7699619771848 │ 242 │ 2562 │ 547 │ 177519 │ 1696.5338208409507 │ 339 │
│ 1397635800000 │ 2296 │ 598 │ 23097 │ 1101.3461538461527 │ 227 │ 2689 │ 554 │ 112735 │ 1550.3537906137199 │ 328 │
└───────────────┴────────────────────────────┴──────────┴─────────────────┴────────────────────┴─────────────────────┴────────────────────────────┴──────────┴─────────────────┴────────────────────┴─────────────────────┘
Query took 16 ms
尚、公式documentでは、まとめてmergeする例文として
select * from merge /stats.*/
という例が載っていますが、これはInfluxDB v0.5.4においてはsyntax errorとなります。
qiitademo> ✘ Error: Error at 1601400431:1684627267. syntax error, unexpected MERGE, expecting TABLE_NAME or SIMPLE_NAME or REGEX_STRING or INSENSITIVE_REGEX_STRING
また、continuous queryで作ったseriesを使って、更にcontinuous queryを設定しても、動作しませんでした。
qiitademo> select * from twitter.ja_follower.1m as ja inner join twitter.en_follower.1m as en into twitter.follower.lang.1m
qiitademo> select * from twitter.follower.lang.1m limit 10
qiitademo>
他には、
- havingが出来ません。
- 集計関数適用後の演算が出来ません。sum(a+b)はできますが、sum(a)+sum(b)が出来ません。
- joinすると項目間の計算が出来ません。例えば、
# OK
qiitademo> select ja.count , en.count from twitter.ja_follower.1m as ja inner join twitter.en_follower.1m
┌───────────────┬──────────┬──────────┐
│ time │ ja.count │ en.count │
├───────────────┼──────────┼──────────┤
│ 1397636460000 │ 511 │ 533 │
│ 1397636400000 │ 509 │ 551 │
│ 1397636340000 │ 536 │ 493 │
│ 1397636280000 │ 548 │ 505 │
└───────────────┴──────────┴──────────┘
Query took 7 ms
# NG
qiitademo> select ja.count + en.count from twitter.ja_follower.1m as ja inner join twitter.en_follower.1m as en limit 4
qiitademo>
- custom functionの実装はまだ手付かずのようです。(RedisみたいにLuaで定義できたりすると良いのでは、という提案が出ているだけの段階。)
- scheduled deleteがまだサポートされていないので、自前で改廃しなきゃいけません。
というあたりが実用としてはまだキビシイところでしょうか。
Grafanaで可視化
インストール
$ git clone git@github.com:torkelo/grafana.git
$ cd grafana/src
$ cp config.sample.js config.js
$ vim config.js
define(['settings'],
function (Settings) {
"use strict";
return new Settings({
elasticsearch: "http://"+window.location.hostname+":9200",
datasources: {
influx: {
default: true,
type: 'influxdb',
url: 'http://localhost:8086/db/qiitademo',
username: 'root',
password: 'root',
}
},
default_route: '/dashboard/file/default.json',
timezoneOffset: null,
grafana_index: "grafana-dash",
panel_names: [ 'text', 'graphite' ]
});
});
シンプルに起動
$ python -m SimpleHTTPServer 9000
グラフ設定
"Graphite test"をクリックしてEditしてグラフを作っていきます。
グラフに使える構文は決まっていて、
select [[func]]([[column]]) from [[series]] where [[timeFilter]] group by time([[interval]]) order asc
となっていて、それぞれの箇所を埋めるだけしか出来ないので、先にcontinuous queryで表示すべき項目は分けて作っておく必要がありますね。
今回は、continuous queryで作った1分単位の集計値のseriesをグラフとして使います。
intervalとcontinuous queryのgroup byで指定した時刻は一致(1分単位)しているため、各intervalにはそれぞれ1件しかpointがありません。
そのため、値をそのまま出して欲しいのですが、functionはmeanでもmedianでも指定しておけばそれで良いです。
DashboardのsaveにはElasticsearchが必要です。
雑感
InfluxDBも、Grafanaも、まだまだ発展途上感が強くて、実用としては辛いところがありますが、コンセプトは面白いので、これからの成熟が楽しみです。
リアルタイムな集計処理をするなら、Norikraが、柔軟なクエリが書けたり、UDF/UDAFがあったり、hash/Array型も使えたり、興味深いです。
集計処理のエンジンとしてはNorikraを使いつつ、ダウンサンプリングされたデータ保持にInfluxDB、みたいな使い方もあり得るのかも知れません。
追記
記事中に、joinして項目同士の演算が出来ないとの記載がありますが、v0.5.7 [2014-04-15 release]において、修正されているようです。
https://github.com/influxdb/influxdb/blob/master/CHANGELOG.md