亚洲视频二区_亚洲欧洲日本天天堂在线观看_日韩一区二区在线观看_中文字幕不卡一区

之前介紹了運維監控系統Prometheus，然后就有同鞋問我關于時序數據庫的情況，所以這里總結一下時序數據庫，并以InfluxDB為例，介紹時序數據庫的功能特性和使用方式，希望能對大家有所幫助。

一、時序數據庫概述1.1 什么是時序數據庫

時序數據是一組按照時間維度索引的數據。時序數據在日常生活中隨處可見，比如每個整點的溫度、濕度等天氣數據，每分鐘的股票價格數據等。我們常用曲線圖、柱狀圖等形式去展現時序數據，也就是我們常常聽到的“數據可視化”。

時序數據庫是一種非關系型數據庫，以時間作為數據主鍵，專門用來存儲時序數據。

1.2 時序數據庫的特點

• 高壓縮比：由于數據每分每秒都在變化，海量的時序數據往往體量巨大，占用大量硬件資源，所以需要優化數據壓縮算法提高數據壓縮比。
• 高并發寫入：時序數據庫采用持續高并發寫入數據，無更新的方式，對于時間相同的重復的數據，只保留一份數據。
• 低延時、高并發查詢：通過索引降低查詢延時，通過緩存等技術提高數據并發能力。

 

1.3 時序數據庫的使用場景

• IOT行業：電力、化工等工業物聯網數據監測
• 金融行業：各類金融產品及其衍生品、數字貨幣數據存儲與量化研究
• IT行業：服務器、虛擬機、容器等的狀態數據實時監測
• 互聯網行業：用戶行為軌跡，日志等數據。

 

目前比較流行的時序數據庫有：InfluxDB、Prometheus、OpenTSDB、TDengine等，其中使用最廣泛的當屬InfluxDB，行業內應用最廣泛。還有就是剛進入業內視野的國產時序數據庫TDengine。而Prometheus則是Prometheus監控系統自帶的數據庫。

二、InfluxDB簡介2.1 什么是InfluxDB

InfluxDB 是一個用于存儲和分析時間序列數據的開源數據庫。由 Golang 語言編寫，也是由 Golang 編寫的軟件中比較著名的一個，在很多 Golang 的沙龍或者文章中可能都會把 InfluxDB 當標桿來介紹，這也間接幫助 InfluxDB 提高了知名度。

2.2 InfluxDB的特性

• 內置 HTTP 接口，使用方便
• 數據可以打標記，這樣查詢可以很靈活
• 類 SQL 的查詢語句
• 安裝管理很簡單，并且讀寫數據很高效
• 能夠實時查詢，數據在寫入時被索引后就能夠被立即查出

 

在最新的 DB-ENGINES 給出的時間序列數據庫的排名中，InfluxDB 高居第一位，可以預見，InfluxDB 會越來越得到廣泛的使用。

2.3 InfluxDB幾個基本概念

時序數據庫由于其存儲海量時序數據的特性，因此與傳統數據庫有些許不同，下面先對influxdb中涉及的基本概念作出解釋。

influxdb數據庫由database、measurement、point等三部分構成。分別對應關系數據庫中的數據庫、表、數據行。

 

• database：數據庫，同MySQL等關系型數據庫中的“數據庫Database”
• measurement：數據表，相當于關系型數據庫中的“表Table”
• point：數據點，表示單條數據記錄，相當于關系型數據庫中的“一行數據”

 

概念

MySQL

InfluxDB

數據庫（同）

database

database

表（不同）

table

measurement（測量; 度量）

列（不同）

column

Point，包括：tag(帶索引的，非必須)、field(不帶索引)、timestemp(唯一主鍵)

2.4 Point數據構成

由于database和measurement與傳統數據庫基本相同，這里不做過多解釋，以下針對influxdb中特有的Point進行講解。

Point是InfluxDB中獨有的概念，由時間（time）、數據（field）、標簽（tags）三類字段組成。

（1）time：代表每條數據的時間字段，是measurement中的數據主鍵，因此time字段具有索引屬性。一條point只能有一個time。

（2）field：代表各種數據的字段，例如氣溫、壓力、股價等，field字段沒有索引屬性。一條point可以包括多個field。

（3）tag：代表各類非數據字段，例如設備編碼、地區、姓名等，tag字段有索引屬性。一條point可以包括多個tag。

例如：監控系統系統中，保存某個服務器的cpu和內存等資源使用情況，使用cpu_usage_total 的表名（measurement）保存數據。以下表示某一個point的樣例數據：

 

其中time為time字段，記錄數據產生的時間；cpu_usage和memory_usage分別代表CPU使用率和內存使用率，因此他們是field字段，真正的監控數據；cpu 和host代表CPU的名字和服務器IP，所以，他們是tag字段，用于查詢和檢索。

在使用和設計InfluxDB數據結構時，需要注意以下幾點：

 

• 1. tag 只能為字符串類型，可以加索引；
• 2. field 類型無限制，不能加索引；
• 3. InfluxDB不支持 join；
• 4. InfluxDB支持連續查詢操作（匯總統計數據）：CONTINUOUS QUERY；

 

三、InfluxDB安裝

InfluxDB安裝非常簡單，根據操作系統執行對應的安裝命令即可。這里以window為例，演示如何安裝InfluxDB。

3.1 下載

InfluxDB：https://dl.influxdata.com/influxdb/releases/influxdb-1.7.4_windows_amd64.zip

chronograf ：https://dl.influxdata.com/chronograf/releases/chronograf-1.7.8_windows_amd64.zip

chronograf為InfluxDB的Web后臺管理端，InfluxDB提供了控制臺命令端，如果使用不習慣，可以使用chronograf。

3.2 解壓安裝包

軟件下載成功后，解壓，我們可以看到influxDB的數據庫文件非常簡單。如下圖所示：

 

3.3 修改配置文件

InfluxDB 的數據存儲主要有三個目錄。默認情況下是 meta, wal 以及 data 三個目錄，程序啟動后會自動生成。

 

• meta 用于存儲數據庫的一些元數據，meta 目錄下有一個 meta.db 文件。
• wal 目錄存放預寫日志文件，以 .wal 結尾。
• data 目錄存放實際存儲的數據文件，以 .tsm 結尾。

 

接下來修改influxdb.conf 配置文件，修改以下部分的路徑。

 

另外，InfluxDB服務默認端口為8086，如果需要更改端口號，則增加以下配置。

 

3.4 啟動InfluxDB服務

配置文件修改完成后，接下來啟動InfluxDB服務。直接運行Influxd.exe使用默認配置運行即可。如果需要使用自定義的配置文件，則指定conf文件進行啟動，啟動命令如下：

#先cmd 進入influxDB目錄influxd.exe -config influxdb.conf

看到如下輸出，說明InfluxDB啟動成功。

 

四、InfluxDB使用

InfluxQL是一種類似于SQL的查詢語言，用于與InfluxDB進行交互。如果你使用過關系數據庫及SQL，那么你可以很快速的掌握InfluxQL。但是，InfluxQL又不完全是SQL，缺乏SQL中的一些高級的語法，例如UNION，JOIN，HAVING等。

那么InfluxDB的到底如何操作呢？接下來介紹InfluxQL語言的使用方法。

4.1 連接InfluxDB服務

進入到InfluxDB目錄后，在cmd中輸入influx命令即可，命令如下：

# 使用Command命令行進入influxdbinflux -port 8086

如果使用的是默認配置，可以不需要加端口，直接influx即可。

 

4.2 操作InfluxDB

InfluxQL與SQL命令語法類似。接下來我們看一看InfluxQL 是怎么使用的？

4.2.1創建數據庫# 創建數據庫CREATE DATABASE weiz_tes# 顯示所有數據庫SHOW DATABASES# 刪除數據庫DROP DATABASE weiz_test# 使用數據庫USE weiz_test

4.2.2 表操作

1.創建表

InfluxDB沒有專門的創建表的命令，當插入一條數據point至某A表時，此A表會自動創建，并且表的格式、字段名、字段類型也由此條插入命令決定。

2.修改表

InfluxDB沒有修改表的命令，但當插入一條新數據point至表A時，如果此point中的字段多于原A表的字段，會自動修改A表與此條插入數據的格式字段等一致。

注意：此種情況僅限于新插入的數據字段與表A字段的交集即表A的情況，如果新插入數據字段與表A完全不同則會插入失敗。

3.查詢表

# 顯示該數據庫中的表SHOW MEASUREMENTS

4.刪除表：

DROP MEASUREMENT "measurementName"

5.插入數據

insert host_cpu_usage_total,host_name=host1,cpu_core=core1 cpu_usage=0.26,cpu_idle=0.76

上面，我們新增一條數據，measurement為host_cpu_usage_total, tag為host_name,cpu_core, field為cpu_usage,cpu_idle。

我們簡單小結一下插入的語句寫法：

 

1. 基本格式：.insert + measurement + "," + tag=value,tag=value +空格+ field=value,field=value ；
2. tag與tag之間用逗號分隔；field與field之間用逗號分隔；
3. tag與field之間用空格分隔；
4. tag都是string類型，不需要引號將value包裹；
5. field如果是string類型，需要加引號；

 

6.查詢數據

select * from host_cpu_usage_total

查詢語句使用select 關鍵字，格式與mysql 基本一致。

 

4.2.3 用戶管理

InfluxDB 默認管理員賬號：admin，密碼為空。我們可以新增用戶和權限。命令如下：

#顯示用戶show users#創建用戶create user "username" with password 'password'#創建管理員權限用戶create user "username" with password 'password' with all privileges#刪除用戶drop user "username"

以上是對InfluxDB數據庫操作的基本總結，其他復雜的用法可以參考官網教程。官網教程地址：https://docs.influxdata.com/influxdb/v1.7/。

五、SpringBoot整合InfluxDB

前面介紹了InfluxDB的基本安裝和使用。接下來我們介紹SpringBoot項目如何整合InfluxDB，實現數據的增刪改查。這里使用的Spring Boot版本為2.4.1。接下來看看如何實現的。

5.1 添加依賴

首先創建springboot項目spring-boot-starter-influxdb，并添加相關依賴，具體依賴如下：

org.springframework.bootspring-boot-starterorg.springframework.bootspring-boot-starter-testtestorg.influxdbinfluxdb-JAVA2.14

5.2 修改Application.properties 配置

接下來修改application.properties 配置文件，增加InfluxDB的相關配置，具體如下：

#influxdb 配置spring.influx.url=http://localhost:8086spring.influx.user=adminspring.influx.password=spring.influx.database=weiz_test

上面配置的是InfluxDB數據庫連接配置，默認url為：http://localhost:8086 ，數據庫為之前創建的weiz_test數據庫。用戶名為admin，密碼默認為空。

5.3 讀取配置文件

創建InfluxDBConfig類，負責讀取Influx的數據庫連接配置。具體代碼如下：

@Configurationpublic class InfluxDBConfig {@Value("${spring.influx.user}")public String userName;@Value("${spring.influx.password}")public String password;@Value("${spring.influx.url}")public String url;//數據庫@Value("${spring.influx.database}")public String database;

5.4 數據庫操作類

創建數據庫操作類InfluxDBService，負責數據庫的初始化，增刪改查等操作的具體實現，示例代碼如下：

@Servicepublic class InfluxDBService {@Autowiredprivate InfluxDBConfig influxDBConfig;@PostConstructpublic void initInfluxDb() {this.retentionPolicy = retentionPolicy == null || "".equals(retentionPolicy) ? "autogen" : retentionPolicy;this.influxDB = influxDbBuild();//保留策略private String retentionPolicy;private InfluxDB influxDB;* 設置數據保存策略 defalut 策略名 /database 數據庫名/ 30d 數據保存時限30天/ 1 副本個數為1/ 結尾DEFAULT* 表示 設為默認的策略public void createRetentionPolicy() {String command = String.format("CREATE RETENTION POLICY "%s" ON "%s" DURATION %s REPLICATION %s DEFAULT","defalut", influxDBConfig.database, "30d", 1);this.query(command);* 連接時序數據庫；獲得InfluxDBprivate InfluxDB influxDbBuild() {if (influxDB == null) {influxDB = InfluxDBFactory.connect(influxDBConfig.url, influxDBConfig.userName, influxDBConfig.password);influxDB.setDatabase(influxDBConfig.database);return influxDB;* 插入* @param measurement 表* @param tags 標簽* @param fields 字段public void insert(String measurement, Map tags, Map fields) {influxDbBuild();Point.Builder builder = Point.measurement(measurement);builder.time(System.currentTimeMillis(), TimeUnit.MILLISECONDS);builder.tag(tags);builder.fields(fields);influxDB.write(influxDBConfig.database, "", builder.build());* @desc 插入,帶時間time* @date 2021/3/27*@param measurement*@param time*@param tags*@param fields* @return voidpublic void insert(String measurement, long time, Map tags, Map fields) {influxDbBuild();Point.Builder builder = Point.measurement(measurement);builder.time(time, TimeUnit.MILLISECONDS);builder.tag(tags);builder.fields(fields);influxDB.write(influxDBConfig.database, "", builder.build());* @desc influxDB開啟UDP功能,默認端口:8089,默認數據庫:udp,沒提供代碼傳數據庫功能接口* @date 2021/3/13*@param measurement*@param time*@param tags*@param fields* @return voidpublic void insertUDP(String measurement, long time, Map tags, Map fields) {influxDbBuild();Point.Builder builder = Point.measurement(measurement);builder.time(time, TimeUnit.MILLISECONDS);builder.tag(tags);builder.fields(fields);int udpPort = 8089;influxDB.write(udpPort, builder.build());* 查詢* @param command 查詢語句* @returnpublic QueryResult query(String command) {influxDbBuild();return influxDB.query(new Query(command, influxDBConfig.database));* @desc 查詢結果處理* @date 2021/5/12*@param queryResultpublic List> queryResultProcess(QueryResult queryResult) {List> mapList = new ArrayList<>();List resultList = queryResult.getResults();//把查詢出的結果集轉換成對應的實體對象，聚合成listfor(QueryResult.Result query : resultList){List seriesList = query.getSeries();if(seriesList != null && seriesList.size() != 0) {for(QueryResult.Series series : seriesList){List columns = series.getColumns();String[] keys = columns.toArray(new String[columns.size()]);List> values = series.getValues();if(values != null && values.size() != 0) {for(List value : values){Map map = new HashMap(keys.length);for (int i = 0; i < keys.length; i++) {map.put(keys[i], value.get(i));mapList.add(map);return mapList;* @desc InfluxDB 查詢 count總條數* @date 2021/4/8public long countResultProcess(QueryResult queryResult) {long count = 0;List> list = queryResultProcess(queryResult);if(list != null && list.size() != 0) {Map map = list.get(0);double num = (Double)map.get("count");count = new Double(num).longValue();return count;* 查詢* @param dbName 創建數據庫* @returnpublic void createDB(String dbName) {influxDbBuild();influxDB.createDatabase(dbName);* 批量寫入測點* @param batchPointspublic void batchInsert(BatchPoints batchPoints) {influxDbBuild();influxDB.write(batchPoints);* 批量寫入數據* @param database 數據庫* @param retentionPolicy 保存策略* @param consistency 一致性* @param records 要保存的數據（調用BatchPoints.lineProtocol()可得到一條record）public void batchInsert(final String database, final String retentionPolicy,final InfluxDB.ConsistencyLevel consistency, final List records) {influxDbBuild();influxDB.write(database, retentionPolicy, consistency, records);* @desc 批量寫入數據* @date 2021/3/19*@param consistency*@param recordspublic void batchInsert(final InfluxDB.ConsistencyLevel consistency, final List records) {influxDbBuild();influxDB.write(influxDBConfig.database, "", consistency, records);

 

5.5 測試驗證

接下來，我們寫幾個單元測試，驗證數據的增刪改查等操作是否成功。單元測試代碼如下：

@SpringBootTestclass Example01ApplicationTests {@Autowiredprivate InfluxDBService influxDBService;@Testvoid contextLoads() {@Testpublic void testSave(){String measurement = "host_cpu_usage_total";Map tags = new HashMap<>();tags.put("host_name","host2");tags.put("cpu_core","core0");Map fields = new HashMap<>();fields.put("cpu_usage",0.22);fields.put("cpu_idle",0.56);influxDBService.insert(measurement, tags, fields);@Testpublic void testGetdata(){String command = "select * from host_cpu_usage_total";QueryResult queryResult = influxDBService.query(command);List> result = influxDBService.queryResultProcess(queryResult);for (Map map: result) {System.out.println("time:"+ map.get("time")+" host_name:" + map.get("host_name")+" cpu_core:" + map.get("cpu_core")+" cpu_usage:" + map.get("host_name")+" cpu_idle:" + map.get("host_name"));

運行上面的新增和查詢等單元測試，單擊Run Test或在方法上右擊，選擇Run 'testSave' ，查看單元測試結果，運行結果如下圖所示。

 

接下來調用數據驗證數據查詢，運行'testGetData'測試方法，運行結果如下圖所示：

 

保存和查詢等功能的單元測試運行成功，說明InfluxDB的增加和查詢操作執行成功。

最后

以上，我們就把時序數據庫InfluxDB介紹完了，并通過示例介紹了如何在SpringBoot項目中整合InfluxDB。示例代碼也會同步上傳：https://gitee.com/weizhong1988/spring-boot-starter 。如有疑問，請在下方留言！

InfluxDB在系統監控、物聯網等方面的應用越來越多，希望大家能夠熟練掌握。