这篇文章主要为大家展示了“InfluxDB如何使用”,内容简而易懂,条理清晰,希望能够帮助大家解决疑惑,下面让小编带领大家一起研究并学习一下“InfluxDB如何使用”这篇文章吧。
  InfluxDB 是用Go语言编写的一个开源分布式时序、事件和指标数据库,无需外部依赖。 与 Elasticsearch 有些类似。
  功能:
     - 基于时间序列,支持与时间有关的相关函数(如最大,最小,求和等);
     - 可度量性:你可以实时对大量数据进行计算;
     - 基于事件:它支持任意的事件数据基于事件:它支持任意的事件数据。
  主要特点:
     - 无结构(无模式):可以是任意数量的列
     - 可拓展的,支持min, max, sum, count, mean, median 等一系列函数,方便统计支持min, max, sum, count, mean, median 等一系列函数,方便统计
     - 原生的HTTP支持,内置HTTP API原生的HTTP支持,内置HTTP API
     - 强大的类SQL语法强大的类SQL语法
     - 自带管理界面,方便使用自带管理界面,方便使用
  InfluxDB与传统数据库的比较:
  接下来通过一个insert操作,展开对InfluxDB独有概念的介绍,在 InfluxDB 中,我们可以粗略的将要存入的一条数据看作一个虚拟的 key 和其对应的 value(field value),格式如下:
insert cpu_usage,host=server01,region=us-west value=0.64 1434055562000000000`
  虚拟的 key 包括以下几个部分: database, retention policy, measurement, tag sets, field name, timestamp。
database:数据库名,在 在 InfluxDB 中可以创建多个数据库,不同数据库中的数据文件是隔离存放的 。
retention policy : 存储策略,用于设置数据保留的时间,每个数据库刚开始会自动创建一个默认的存储策略 autogen,数据保留时间为永久,之后用户可以自己设置
measurement :类似于关系型数据库中的表。
tag sets : tags 在 InfluxDB 中会按照字典序排序 ,例如: host=server01,region=us-west 和 host=server02,region=us-west 就是两个不同的 tag set 。
tag :标签, 在InfluxDB中,tag是一个非常重要的部分,表名+tag一起作为数据库的索引,是“key-value”的形式 。
ield name: 例如上面数据中的 value 就是 fieldName,InfluxDB 中支持一条数据中插入多个 fieldName 。
timestamp : 每一条数据都需要指定一个时间戳,在 TSM 存储引擎中会特殊对待,以为了优化后续的查询操作 。
  Point 由时间戳(time)、数据(field)、标签(tags)组成。
   Point相当于传统数据库里的一行数据 , 如下表所示:
  Series 相当于是 InfluxDB 中一些数据的集合,在同一个 database 中,retention policy、measurement、tag sets 完全相同的数据同属于一个 series,同一个 series 的数据在物理上会按照时间顺序排列存储在一起。
   Shard 在 InfluxDB 中是一个比较重要的概念,它和 retention policy 相关联。每一个存储策略下会存在许多 shard,每一个 shard 存储一个指定时间段内的数据,并且不重复 ; 例如 : 7点-8点 的数据落入 shard0 中,8点-9点的数据则落入 shard1 中。每一个 shard 都对应一个底层的 tsm 存储引擎,有独立的 cache、wal、tsm file。
   TSM 存储引擎主要由几个部分组成:cache、wal、tsm file、compactor 。
    1)Cache :cache 相当于是 LSM Tree 中的 memtabl。插入数据时,实际上是同时往 cache 与 wal 中写入数据,可以认为 cache 是 wal 文件中的数据在内存中的缓存。当 InfluxDB 启动时,会遍历所有的 wal 文件,重新构造 cache,这样即使系统出现故障,也不会导致数据的丢失。
   cache 中的数据并不是无限增长的,有一个 maxSize 参数用于控制当 cache 中的数据占用多少内存后就会将数据写入 tsm 文件。如果不配置的话,默认上限为 25MB,每当 cache 中的数据达到阀值后,会将当前的 cache 进行一次快照,之后清空当前 cache 中的内容,再创建一个新的 wal 文件用于写入,剩下的 wal 文件最后会被删除,快照中的数据会经过排序写入一个新的 tsm 文件中 。
     2)WAL:wal 文件的内容与内存中的 cache 相同,其作用就是为了持久化数据,当系统崩溃后可以通过 wal 文件恢复还没有写入到 tsm 文件中的数据 。
     3) TSM File : 单个 tsm file 大小最大为 2GB,用于存放数据 。
     4) Compactor:compactor 组件在后台持续运行,每隔 1 秒会检查一次是否有需要压缩合并的数据 。
   主要进行两种操作 :
    - 一种是 cache 中的数据大小达到阀值后,进行快照,之后转存到一个新的 tsm 文件中 。
    - 另外一种就是合并当前的 tsm 文件,将多个小的 tsm 文件合并成一个,使每一个文件尽量达到单个文件的最大大小,减少文件的数量,并且一些数据的删除操作也是在这个时候完成 。
官网地址:https://dl.influxdata.com
#1.本地下载 wget https://dl.influxdata.com/influxdb/releases/influxdb-1.1.0.x86_64.rpm yum localinstall influxdb-1.1.0.x86_64.rpm #2.在线yum 安装 #2.1配置yum源 cat <<EOF | sudo tee /etc/yum.repos.d/influxdb.repo [influxdb] name = InfluxDB Repository - RHEL \$releasever baseurl = https://repos.influxdata.com/rhel/\$releasever/\$basearch/stable enabled = 1 gpgcheck = 1 gpgkey = https://repos.influxdata.com/influxdb.key EOF #2.2 安装 yum install go sudo yum install influxdb
#启动服务 systemctl start influxdb.service #查看服务是否正常 systemctl status influxdb #查看服务对应进程 ps aux | grep influx
Ps:
(1)8086端口:HTTP API的端口
(2)8088:备份和恢复时使用,默认是8088
  由于是使用yum 安装的所以安装后,Influx的目录会分布在 /usr/bin 、 /var/lib/influxdb/ 、 /etc/influxdb/ 下,下面我们一一介绍:
(1)/usr/bin 该目录下是存放相应命令操作的目录:
influxd influxdb服务器 influx influxdb命令行客户端 influx_inspect 查看工具 influx_stress 压力测试工具 influx_tsm 数据库转换工具(将数据库从b1或bz1格式转换为tsm1格式)
(2)/var/lib/influxdb/ 存放数据的目录
data 存放最终存储的数据,文件以.tsm结尾 meta 存放数据库元数据 wal 存放预写日志文件
(3)/etc/influxdb/influxdb.conf 存放配置文件的目录
  influxdb.conf 就是 influxdb的配置文件。
Ps:在阅读配置参数的时,最好是对该数据库各个概念以及原理有一些了解,再去细看配置参数。
#编辑配置文件 vim /etc/influxdb/influxdb.conf #以下=后面的都是默认值 reporting-disabled = false -- 该选项用于上报influxdb的使用信息给InfluxData公司 bind-address = "127.0.0.1:8088" -- 备份恢复时使用,默认值为8088 [meta]下 dir = "/var/lib/influxdb/meta" -- meta数据存放目录 retention-autocreate = true -- 用于控制默认存储策略 logging-enabled = true -- 是否开启meta日志 [data]下 dir = "/var/lib/influxdb/data" -- 最终数据(TSM文件)存储目录 wal-dir = "/var/lib/influxdb/wal" -- 预写日志存储目录 query-log-enabled = true -- 是否开启tsm引擎查询日志 cache-max-memory-size = "1g" -- 用于限定shard最大值,大于该值时会拒绝写入 cache-snapshot-memory-size = "25m" -- 用于设置快照大小,大于该值时数据会刷新到tsm文件 cache-snapshot-write-cold-duration = "10m" -- tsm1引擎 snapshot写盘延迟 compact-full-write-cold-duration = "4h" -- tsm文件在压缩前可以存储的最大时间 max-series-per-database = 1000000 -- 限制数据库的级数,该值为0时取消限制 trace-logging-enabled = false -- 是否开启trace日志 [coordinator] 下 write-timeout = "10s" -- 写操作超时时间 max-concurrent-queries = 0 -- 最大并发查询数,0无限制 query-timeout = "0s" -- 查询操作超时时间,0无限制 log-queries-after = "0s" -- 慢查询超时时间,0无限制 max-select-point = 0 -- SELECT语句可以处理的最大点数(points)0无限制 max-select-series = 0 -- SELECT语句可以处理的最大级数(series),0无限制 max-select-buckets = 0 -- SELECT语句可以处理的最大"GROUP BY time()"的时间周期,0无限制 [retention]下 ,旧数据的保留策略 enabled = true -- 是否开启该模块 check-interval = "30m" -- 检查时间间隔 [http] 下,influxdb的http接口配置 enabled = true -- 是否开启该模块 bind-address = ":8086" --绑定地址 auth-enabled = false -- 是否开启认证 log-enabled = true -- 是否开启日志 max-row-limit = 0 -- 配置查询返回最大行数 max-connection-limit = 0 -- 配置最大连接数,0无限制
以上是常见操作配置,具体细节请参考:
https://www.cnblogs.com/MikeZhang/p/InfluxDBInstall20170206.html
Ps:以下操作可能与关系型数据库操作不同,如果对Influx不了解,请先阅读Influx介绍之后,在继续往下阅读。
#进入Influx数据库 [root@iZbp19ujl2isnn8zc1hqirZ ~]# influx > show databases #显示所有数据库 > create database tes #创建数据库 > drop database test #删除数据库 > use test #进入数据库 > insert disk_free,hostname=server01 value=442221834240i #创建&& 插入数据 > select * from disk_free #查询数据 > show measurement #显示库中的所有表 > drop measurement disk_free #删除表
我们发现以上猛如虎的操作中,进入没有类似create table的命令,这是为什么呢?
  原来是因为: InfluxDB中没有显示的创建表的语句,只能通过insert数据的房还是来建立新表 。
insert disk_free,hostname=server01 value=442221834240i -- 剖析以上命令的含义 disk_free 就是表名,hostname 是索引(tag),value=xx 是记录值(field),记录值可以有多个,系统自带追加时间戳。 -- 也可以手动添加时间戳 insert disk_free,hostname=server01 value=442221834240i 1435362189575692182
  介绍: InfluxDB 是没有提供直接删除数据记录的方法,但是提供数据保存策略,主要用于指定数据保留时间,超过指定时间,就删除这部分数据。
#查看当前数据库中的Retention Policies >show retention policies on test name duration shardGroupDuration replicaN default ---- -------- ------------------ -------- ------- autogen 0s 168h0m0s 1 false
解释:
  - name:名称,此示例名称为 default。
  - duration:持续时间,0代表无限制。
  - shardGroupDuration:shardGroup的存储时间,shardGroup是InfluxDB的一个基本储存结构,应该大于这个时间的数据在查询效率上应该有所降低。
  - replicaN:全称是replication,副本个数。
  - default:是否是默认策略。
#创建新的Retention Policies > create retention policy "rp_name" on "test" duration 3w replication 1 default #修改Retention Policies > alter retention policy "rp_name" on "test" duration 30d default > show retention policies on test name duration shardGroupDuration replicaN default ---- -------- ------------------ -------- ------- autogen 0s 168h0m0s 1 false rp_name 720h0m0s 24h0m0s 1 true #删除Retention Policies drop retention policy "rp_name" on "test"
创建语句剖析:
create retention policy "rp_name" on "test" duration 3w replication 1 default
  - rp_name:保存策略名称
  - test:所针对的数据库
  - 3w : 保存3周,3周之前的数据将被删除,influxdb 具备各种事件参数,持续时间必须至少为1小时;比如:h(小时)、d(天)、w(星期) 。
  - replication : 副本个数,一般为1即可。
  介绍: InfluxDB 的连续查询是在数据库中自动定时启动的一组语句,语句中必须包含 select 关键字 和 group by time() 关键字。 InfluxDB 会将查询结果放在指定的数据表中。
  目的:使用连续查询是最优的降低采样率的方式,连续查询和存储策略搭配使用将会大大降低 InfluxDB 的系统占用量。而且使用连续查询后,数据会存放到指定的数据表中,这样就为以后统计不同精度的数据提供了方便。
  创建语句:
CREATE CONTINUOUS QUERY <cq_name> ON <database_name> [RESAMPLE [EVERY <interval>] [FOR <interval>]] BEGIN SELECT <function>(<stuff>)[,<function>(<stuff>)] INTO <different_measurement> FROM <current_measurement> [WHERE <stuff>] GROUP BY time(<interval>)[,<stuff>] END
  举例:
CREATE CONTINUOUS QUERY wj_30m ON test BEGIN SELECT mean(connected_clients), MEDIAN(connected_clients), MAX(connected_clients), MIN(connected_clients) INTO redis_clients_30m FROM redis_clients GROUP BY ip,port,time(30m) --解释: 在test数据库中新建了一个名为 wj_30m 的连续查询,每三十分钟取一个 connected_clients 字段的平均值、中位值、最大值、最小值从redis_clients表中并且插入到redis_clients_30m表中,使用的数据保留策略都是default。
  连续查询的其他操作:
#查看库中的连续查询 > show continuous queries name: _internal name query ---- ----- name: test name query ---- ----- #删除Continuous Queries > drop continuous query <cq_name> on <database_name>
  用户管理:
#以xxx用户登录 $influx -username useer -password abcd #显示所有用户 > show users user admin ---- ----- zy true #创建普通用户 > CREATE USER "username" WITH PASSWORD 'password' #创建管理员用户 > CREATE USER "admin" WITH PASSWORD 'admin' WITH ALL PRIVILEGES #为用户设置密码 > SET PASSWORD FOR <username> = '<password>' #删除用户 > DROP USER "username"
  权限设置:
#为一个已有用户授权管理员权限 > GRANT ALL PRIVILEGES TO <username> #取消用户权限 > REVOKE ALL PRIVILEGES FROM <username> #展示用户在不同数据库上的权限 > SHOW GRANTS FOR <user_name>
   关于Influxdb支持两种方式:类SQL查询和Http接口查询:
-- 类SQL查询(询最新的三条数据) SELECT * FROM weather ORDER BY time DESC LIMIT 3 #Http接口查询 $curl -G 'http://localhost:8086/query?pretty=true' --data-urlencode "db=test" --data-urlencode "q=SELECT * FROM weather ORDER BY time DESC LIMIT 3"
这里小编以maven项目的结构,测试关于InfluxDB数据库的增删改查。
<!-- InfluxDB 需要的jar包 --> <dependency> <groupId>org.influxdb</groupId> <artifactId>influxdb-java</artifactId> <version>2.5</version> </dependency>
InfluxDBUtils:
import org.influxdb.InfluxDB; import org.influxdb.InfluxDBFactory; import org.influxdb.dto.Point; import org.influxdb.dto.Query; import org.influxdb.dto.QueryResult; import java.util.Map; /** * * Created with IntelliJ IDEA. * * User: ZZY * * Date: 2019/11/15 * * Time: 10:10 * * Description: */ public class InfluxDBConnect { private String username;//用户名 private String password;//密码 private String openurl;//连接地址 private String database;//数据库 private InfluxDB influxDB; public InfluxDBConnect(String username, String password, String openurl, String database){ this.username = username; this.password = password; this.openurl = openurl; this.database = database; } /**连接时序数据库;获得InfluxDB**/ public InfluxDB getConnect(){ if(influxDB==null){ influxDB=InfluxDBFactory.connect(openurl,username,password); influxDB.createDatabase(database); } return influxDB; } /** * 设置数据保存策略 * defalut 策略名 /database 数据库名/ 30d 数据保存时限30天/ 1 副本个数为1/ 结尾DEFAULT 表示 设为默认的策略 */ public void setRetentionPolicy(){ String command=String.format("CREATE RETENTION POLICY \"%s\" ON \"%s\" DURATION %s REPLICATION %s DEFAULT", "defalut", database, "30d", 1); this.query(command); } /** * 查询 * @param command 查询语句 * @return */ public QueryResult query(String command){ return influxDB.query(new Query(command,database)); } /** * 插入 * @param measurement 表 * @param tags 标签 * @param fields 字段 */ public void insert(String measurement, Map<String, String> tags, Map<String, Object> fields){ Point.Builder builder =Point.measurement(measurement); builder.tag(tags); builder.fields(fields); influxDB.write(database,"",builder.build()); } /** * 删除 * @param command 删除语句 * @return 返回错误信息 */ public String deleteMeasurementData(String command){ QueryResult query = influxDB.query(new Query(command, database)); return query.getError(); } /** * 创建数据库 * @param dbName */ public void createDB(String dbName){ influxDB.createDatabase(dbName); } /** * 删除数据库 * @param dbName */ public void deleteDB(String dbName){ influxDB.deleteDatabase(dbName); } }
pojo:
import java.io.Serializable; /** * * Created with IntelliJ IDEA. * * User: ZZY * * Date: 2019/11/15 * * Time: 10:07 * * Description: */ public class CodeInfo implements Serializable { private static final long serialVersionUID = 1L; private Long id; private String name; private String code; private String descr; private String descrE; private String createdBy; private Long createdAt; private String time; private String tagCode; private String tagName; public static long getSerialVersionUID() { return serialVersionUID; } } //set and get method ...
测试:
import org.influxdb.InfluxDB; import org.influxdb.dto.QueryResult; import java.util.*; /** * * Created with IntelliJ IDEA. * * User: ZZY * * Date: 2019/11/15 * * Time: 11:45 * * Description: 测试influxDB的增删改查 */ public class Client { public static void main(String[] args) { String username = "admin";//用户名 String password = "admin";//密码 String openurl = "http://192.168.254.100:8086";//连接地址 String database = "test";//数据库 InfluxDBConnect influxDBConnect = new InfluxDBConnect(username, password, openurl, database); influxDBConnect.getConnect(); //insertInfluxDB(influxDBConnect); testQuery(influxDBConnect); } //向Measurement中插入数据 public static void insertInfluxDB(InfluxDBConnect influxDB) { Map<String, String> tags = new HashMap<String, String>(); Map<String, Object> fields = new HashMap<String, Object>(); List<CodeInfo> list = new ArrayList<CodeInfo>(); CodeInfo info1 = new CodeInfo(); info1.setId(1L); info1.setName("BANKS"); info1.setCode("ABC"); info1.setDescr("中国农业银行"); info1.setDescrE("ABC"); info1.setCreatedBy("system"); info1.setCreatedAt(new Date().getTime()); CodeInfo info2 = new CodeInfo(); info2.setId(2L); info2.setName("BANKS"); info2.setCode("CCB"); info2.setDescr("中国建设银行"); info2.setDescrE("CCB"); info2.setCreatedBy("system"); info2.setCreatedAt(new Date().getTime()); list.add(info1); list.add(info2); String measurement = "sys_code"; for (CodeInfo info : list) { tags.put("TAG_CODE", info.getCode()); tags.put("TAG_NAME", info.getName()); fields.put("ID", info.getId()); fields.put("NAME", info.getName()); fields.put("CODE", info.getCode()); fields.put("DESCR", info.getDescr()); fields.put("DESCR_E", info.getDescrE()); fields.put("CREATED_BY", info.getCreatedBy()); fields.put("CREATED_AT", info.getCreatedAt()); influxDB.insert(measurement, tags, fields); } } //查询Measurement中的数据 public static void testQuery(InfluxDBConnect influxDB) { String command = "select * from sys_code"; QueryResult results = influxDB.query(command); if (results == null) { return; } for(QueryResult.Result result:results.getResults()){ List<QueryResult.Series> series = result.getSeries(); for(QueryResult.Series serie :series){ System.out.println("serie:"+serie.getName()); //表名 Map<String, String> tags =serie.getTags(); if(tags !=null){ System.out.println("tags:-------------------------"); tags.forEach((key, value)->{ System.out.println(key + ":" + value); }); } System.out.println("values:-----------------------"); List<List<Object>> values = serie.getValues(); //列出每个serie中所有的列--value 列为全大写 List<String> columns =serie.getColumns(); //列出每个serie中所有的列 for(List<Object> list : values){ for(int i=0; i< list.size(); i++){ String propertyName = setColumns(columns.get(i));//字段名 Object value =list.get(i); System.out.println(value.toString()); } } System.out.println("columns:"); for(String column:columns){ System.out.println(column); } } } } //删除Measurement中的数据 public static void deletMeasurementData(InfluxDBConnect influxDB){ String command = "delete from sys_code where TAG_CODE='ABC'"; String err =influxDB.deleteMeasurementData(command); System.out.println(err); } private static String setColumns(String column){ System.out.println(column); String[] cols = column.split("_"); StringBuffer sb = new StringBuffer(); for(int i=0; i< cols.length; i++){ String col = cols[i].toLowerCase(); if(i != 0){ String start = col.substring(0, 1).toUpperCase(); String end = col.substring(1).toLowerCase(); col = start + end; } sb.append(col); } System.out.println(sb.toString()); return sb.toString(); } }
(1)普通导出
$influx_inspect export -datadir "/var/lib/influxdb/data" -waldir "/var/lib/influxdb/wal" -out "test_sys" -database "test" -start 2019-07-21T08:00:01Z #命令解释 influx_inspect export -datadir "/data/influxdb/data" # 勿动,influxdb 默认的数据存储位置 -waldir "/data/influxdb/wal" # 勿动,influxdb 默认的数据交换位置 -out "telemetry_vcdu_time" # 导出数据文件的文件名 -database telemetry_vcdu_time # 指定要导出数据的数据库 -start 2019-07-21T08:00:01Z # 指定要导出的数据的起始时间
此时在当前目录下会出现一个名为test_sys的文件,查看文件内容:
(2)导出成CSV格式文件
$influx -database 'test' -execute 'select * from sys_code' -format='csv' > sys_code.csv
此时在当前目录下就多出一个sys_code.csv的文件,查看文件内容:
$influx -import -path=telemetry_sat_time -precision=ns #命令解释 influx -import # 无参,勿动 -path=telemetry_sat_time # 指定导入数据的文件 -precision=ns # 指定导入数据的时间精度
以上是“InfluxDB如何使用”这篇文章的所有内容,感谢各位的阅读!相信大家都有了一定的了解,希望分享的内容对大家有所帮助,如果还想学习更多知识,欢迎关注亿速云行业资讯频道!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。