influxdb操作

最新推荐文章于 2024-08-13 08:19:14 发布
最新推荐文章于 2024-08-13 08:19:14 发布
阅读量5.3k 收藏 4
点赞数 1
分类专栏： 搜索

增删改查

安装完之后，如何启动呢？

1

sudo service influxdb start

进入命令行

1

influx

1、InfluxDB数据库操作

  • 显示数据库

1

show databases

  • 新建数据库

1

create database shhnwangjian

  • 删除数据库

1

drop database shhnwangjian

  • 使用指定数据库

1

use shhnwangjian

 

2、InfluxDB数据表操作

在InfluxDB当中，并没有表（table）这个概念，取而代之的是MEASUREMENTS，MEASUREMENTS的功能与传统数据库中的表一致，因此我们也可以将MEASUREMENTS称为InfluxDB中的表。

  • 显示所有表

1

SHOW MEASUREMENTS

  • 新建表

InfluxDB中没有显式的新建表的语句，只能通过insert数据的方式来建立新表。

1

insert disk_free,hostname=server01 value=442221834240i

其中 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

 

或者添加数据时，自己写入时间戳

1

insert disk_free,hostname=server01 value=442221834240i 1435362189575692182

  • 删除表

1

drop measurement disk_free

  • 元数据查询

1

SHOW TAG KEYS FROM "measurement_name"
SHOW TAG VALUES FROM "measurement_name" WITH KEY = "tag_key"
  • 普通数据查询

1

SELECT value FROM "cpu_usage" WHERE host='server01' AND time > now() - 1h


 

特性

1、数据保存策略（Retention Policies）

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Retention Policies

1

show retention policies on "db_name"

  • 创建新的Retention Policies

1

create retention policy "rp_name" on "db_name" duration 3w replication 1 default

rp_name：策略名；

db_name：具体的数据库名；

3w：保存3周，3周之前的数据将被删除，influxdb具有各种事件参数，比如：h（小时），d（天），w（星期）；

replication 1：副本个数，一般为1就可以了；

default：设置为默认策略

  • 修改Retention Policies

1

alter retention policy "rp_name" on "db_name" duration 30d default

  • 删除Retention Policies

1

drop retention policy "rp_name" on "db_name"

 

2、连续查询（Continuous Queries）

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 关键词和 GROUP BY time() 关键词。

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。

  • 新建连续查询

1

2

3

4

5

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

 样例：

1

CREATE CONTINUOUS QUERY wj_30m ON shhnwangjian 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) END

在shhnwangjian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 redis_clients_30m 表中。使用的数据保留策略都是 default。

 

不同database样例：

1

CREATE CONTINUOUS QUERY wj_30m ON shhnwangjian_30 BEGIN SELECT mean(connected_clients), MEDIAN(connected_clients), MAX(connected_clients), MIN(connected_clients) INTO shhnwangjian_30.autogen.redis_clients_30m FROM shhnwangjian.autogen.redis_clients GROUP BY ip,port,time(30m) END

 

  • 显示所有已存在的连续查询

1

SHOW CONTINUOUS QUERIES

  • 删除Continuous Queries

1

DROP CONTINUOUS QUERY <cq_name> ON <database_name>

 

3、用户管理
可以直接在web管理页面做操作，也可以命令行。

1

#显示用户  
show users
#创建用户
create user "username" with password 'password'
#创建管理员权限用户create user "username" with password 'password' with all privileges
#删除用户
drop user "username"

 

 

常用函数

1、count()函数

返回一个（field）字段中的非空值的数量。

语法：

SELECT COUNT(<field_key>) FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]

示例：

>SELECT COUNT(water_level) FROM h2o_feet
name: h2o_feet
--------------
time                           count
1970-01-01T00:00:00Z     15258

说明 water_level这个字段在 h2o_feet表中共有15258条数据。

注意：InfluxDB中的函数如果没有指定时间的话，会默认以 epoch 0 (1970-01-01T00:00:00Z) 作为时间。

可以在where 中加入时间条件，如下：

> SELECT COUNT(water_level) FROM h2o_feet WHERE time >= '2015-08-18T00:00:00Z' AND time < '2015-09-18T17:00:00Z' GROUP BY time(4d)
name: h2o_feet
--------------
time                           count
2015-08-17T00:00:00Z     1440
2015-08-21T00:00:00Z     1920

这样结果中会包含时间结果。

2、DISTINCT()函数

返回一个字段（field）的唯一值。

语法：

SELECT DISTINCT(<field_key>) FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]

使用示例

> SELECT DISTINCT("level description") FROM h2o_feet
name: h2o_feet
--------------
time                           distinct
1970-01-01T00:00:00Z     between 6 and 9 feet
1970-01-01T00:00:00Z     below 3 feet
1970-01-01T00:00:00Z     between 3 and 6 feet
1970-01-01T00:00:00Z     at or greater than 9 feet

这个例子显示level description这个字段共有四个值，然后将其显示了出来，时间为默认时间。

3、MEAN() 函数

返回一个字段（field）中的值的算术平均值（平均值）。字段类型必须是长整型或float64。

语法格式：

SELECT MEAN(<field_key>) FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]

使用示例

> SELECT MEAN(water_level) FROM h2o_feet
name: h2o_feet
--------------
time                           mean
1970-01-01T00:00:00Z     4.286791371454075

说明water_level字段的平均值为4.286791371454075

时间为默认时间，当然，你也可以加入where条件。

4、MEDIAN()函数

从单个字段（field）中的排序值返回中间值（中位数）。字段值的类型必须是长整型或float64格式。

语法：

SELECT MEDIAN(<field_key>) FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]

使用示例

> SELECT MEDIAN(water_level) from h2o_feet
name: h2o_feet
--------------
time                           median
1970-01-01T00:00:00Z     4.124

说明表中 water_level字段的中位数是 4.124

5、SPREAD()函数

返回字段的最小值和最大值之间的差值。数据的类型必须是长整型或float64。

语法：

SELECT SPREAD(<field_key>) FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]

使用示例

> SELECT SPREAD(water_level) FROM h2o_feet
name: h2o_feet
--------------
time                            spread
1970-01-01T00:00:00Z      10.574

6、SUM()函数

返回一个字段中的所有值的和。字段的类型必须是长整型或float64。

语法：

SELECT SUM(<field_key>) FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]

使用示例：

> SELECT SUM(water_level) FROM h2o_feet
name: h2o_feet
--------------
time                           sum
1970-01-01T00:00:00Z     67777.66900000002

此语句计算出了 h2o_feet表中 所有 water_level 字段的和。

7、TOP()函数

作用：返回一个字段中最大的N个值，字段类型必须是长整型或float64类型。

语法：

SELECT TOP( <field_key>[,<tag_key(s)>],<N> )[,<tag_key(s)>|<field_key(s)>] [INTO_clause] FROM_clause [WHERE_clause] [GROUP_BY_clause] [ORDER_BY_clause] [LIMIT_clause] [OFFSET_clause] [SLIMIT_clause] [SOFFSET_clause]

使用示例

> SELECT TOP("water_level",3) FROM "h2o_feet"

name: h2o_feet
time                   top
----                   ---
2015-08-29T07:18:00Z   9.957
2015-08-29T07:24:00Z   9.964
2015-08-29T07:30:00Z   9.954

这个例子返回表中 water_level字段中最大的三个值。

8、BOTTOM()函数

作用：返回一个字段中最小的N个值。字段类型必须是长整型或float64类型。

语法：

SELECT BOTTOM(<field_key>[,<tag_keys>],<N>)[,<tag_keys>] FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]

使用示例

> SELECT BOTTOM(water_level,3) FROM h2o_feet
name: h2o_feet
--------------
time                           bottom
2015-08-29T14:30:00Z     -0.61
2015-08-29T14:36:00Z     -0.591
2015-08-30T15:18:00Z     -0.594

这个例子返回表中 water_level字段中最小的三个值。

也可将关联tag放在一起查询，但如果tag值少于N的值，则返回的值的个数只会取tag中字段值少的那个。

如下所示：

> SELECT BOTTOM(water_level,location,3) FROM h2o_feet
name: h2o_feet
--------------
time                           bottom     location
2015-08-29T10:36:00Z     -0.243     santa_monica
2015-08-29T14:30:00Z     -0.61      coyote_creek

语句取最小的三个值，然而结果只返回了2个值，因为 location 这个tag只有 两个取值。

9、FIRST()函数

作用：返回一个字段中最老的取值。

语法：

SELECT FIRST(<field_key>)[,<tag_key(s)>] FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]

示例：

> SELECT FIRST(water_level) FROM h2o_feet WHERE location = 'santa_monica'
name: h2o_feet
--------------
time                           first
2015-08-18T00:00:00Z     2.064

这个语句返回了 在 location为santa_monica条件下，最旧的那个water_level字段的取值和时间。

10、LAST()函数

作用：返回一个字段中最新的取值。

语法：

SELECT LAST(<field_key>)[,<tag_key(s)>] FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]

示例：

> SELECT LAST(water_level),location FROM h2o_feet WHERE time >= '2015-08-18T00:42:00Z' and time <= '2015-08-18T00:54:00Z'
name: h2o_feet
--------------
time                           last      location
2015-08-18T00:54:00Z     6.982     coyote_creek

11、MAX()函数

作用：返回一个字段中的最大值。该字段类型必须是长整型，float64，或布尔类型。

语法：

SELECT MAX(<field_key>)[,<tag_key(s)>] FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]

示例：

> SELECT MAX(water_level),location FROM h2o_feet
name: h2o_feet
--------------
time                           max       location
2015-08-29T07:24:00Z     9.964     coyote_creek

12、MIN()函数

作用：返回一个字段中的最小值。该字段类型必须是长整型，float64，或布尔类型。

语法：

SELECT MIN(<field_key>)[,<tag_key(s)>] FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]

示例：

> SELECT MIN(water_level),location FROM h2o_feet
name: h2o_feet
--------------
time                          min       location
2015-08-29T14:30:00Z    -0.61     coyote_creek

13、PERCENTILE()函数

作用：返回排序值排位为N的百分值。字段的类型必须是长整型或float64。

百分值是介于100到0之间的整数或浮点数，包括100。

语法：

SELECT PERCENTILE(<field_key>, <N>)[,<tag_key(s)>] FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]

示例：

> SELECT PERCENTILE(water_level,5),location FROM h2o_feet
name: h2o_feet
--------------
time                      percentile     location
2015-08-28T12:06:00Z      1.122             santa_monica

 

14、DERIVATIVE()函数

作用：返回一个字段在一个series中的变化率。

InfluxDB会计算按照时间进行排序的字段值之间的差异，并将这些结果转化为单位变化率。其中，单位可以指定，默认为1s。

语法：

SELECT DERIVATIVE(<field_key>, [<unit>]) FROM <measurement_name> [WHERE <stuff>]

其中，unit取值可以为以下几种：

u --microseconds
s --seconds
m --minutes
h --hours
d --days
w --weeks

DERIVATIVE()函数还可以在GROUP BY time()的条件下与聚合函数嵌套使用，格式如下：

SELECT DERIVATIVE(AGGREGATION_FUNCTION(<field_key>),[<unit>]) FROM <measurement_name> WHERE <stuff> GROUP BY time(<aggregation_interval>)

示例：

假设location = santa_monica 条件下数据有以下几条：

name: h2o_feet
--------------
time                           water_level
2015-08-18T00:00:00Z     2.064
2015-08-18T00:06:00Z     2.116
2015-08-18T00:12:00Z     2.028
2015-08-18T00:18:00Z     2.126
2015-08-18T00:24:00Z     2.041
2015-08-18T00:30:00Z     2.051

计算每一秒的变化率：

> SELECT DERIVATIVE(water_level) FROM h2o_feet WHERE location = 'santa_monica' LIMIT 5
name: h2o_feet
--------------
time                           derivative
2015-08-18T00:06:00Z     0.00014444444444444457
2015-08-18T00:12:00Z     -0.00024444444444444465
2015-08-18T00:18:00Z     0.0002722222222222218
2015-08-18T00:24:00Z     -0.000236111111111111
2015-08-18T00:30:00Z     2.777777777777842e-05

第一行数据的计算公式为(2.116 - 2.064) / (360s / 1s)

计算每六分钟的变化率

> SELECT DERIVATIVE(water_level,6m) FROM h2o_feet WHERE location = 'santa_monica' LIMIT 5
name: h2o_feet
--------------
time                           derivative
2015-08-18T00:06:00Z     0.052000000000000046
2015-08-18T00:12:00Z     -0.08800000000000008
2015-08-18T00:18:00Z     0.09799999999999986
2015-08-18T00:24:00Z     -0.08499999999999996
2015-08-18T00:30:00Z     0.010000000000000231

第一行数据的计算过程如下：(2.116 - 2.064) / (6m / 6m)

计算每12分钟的变化率：

> SELECT DERIVATIVE(water_level,12m) FROM h2o_feet WHERE location = 'santa_monica' LIMIT 5
name: h2o_feet
--------------
time                           derivative
2015-08-18T00:06:00Z     0.10400000000000009
2015-08-18T00:12:00Z     -0.17600000000000016
2015-08-18T00:18:00Z     0.19599999999999973
2015-08-18T00:24:00Z     -0.16999999999999993
2015-08-18T00:30:00Z     0.020000000000000462

第一行数据计算过程为：(2.116 - 2.064 / (6m / 12m)

计算每12分钟最大值的变化率

> SELECT DERIVATIVE(MAX(water_level)) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' AND time < '2015-08-18T00:36:00Z' GROUP BY time(12m)
name: h2o_feet
--------------
time                           derivative
2015-08-18T00:12:00Z     0.009999999999999787
2015-08-18T00:24:00Z     -0.07499999999999973

这个函数功能非常多，也非常复杂，更多对于此功能的详细解释请看官网：https://docs.influxdata.com/influxdb/v0.13/query_language/functions/#derivative

15、DIFFERENCE()函数

作用：返回一个字段中连续的时间值之间的差异。字段类型必须是长整型或float64。

最基本的语法：

SELECT DIFFERENCE(<field_key>) FROM <measurement_name> [WHERE <stuff>]

与GROUP BY time()以及其他嵌套函数一起使用的语法格式：

SELECT DIFFERENCE(<function>(<field_key>)) FROM <measurement_name> WHERE <stuff> GROUP BY time(<time_interval>)

其中，函数可以包含以下几个：

COUNT(), MEAN(), MEDIAN(),SUM(), FIRST(), LAST(), MIN(), MAX(), 和 PERCENTILE()。

使用示例

例子中使用的源数据如下所示：

> SELECT water_level FROM h2o_feet WHERE location='santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z'
name: h2o_feet
--------------
time                            water_level
2015-08-18T00:00:00Z      2.064
2015-08-18T00:06:00Z      2.116
2015-08-18T00:12:00Z      2.028
2015-08-18T00:18:00Z      2.126
2015-08-18T00:24:00Z      2.041
2015-08-18T00:30:00Z      2.051
2015-08-18T00:36:00Z      2.067

计算water_level间的差异：

> SELECT DIFFERENCE(water_level) FROM h2o_feet WHERE location='santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z'
name: h2o_feet
--------------
time                            difference
2015-08-18T00:06:00Z      0.052000000000000046
2015-08-18T00:12:00Z      -0.08800000000000008
2015-08-18T00:18:00Z      0.09799999999999986
2015-08-18T00:24:00Z      -0.08499999999999996
2015-08-18T00:30:00Z      0.010000000000000231
2015-08-18T00:36:00Z      0.016000000000000014

数据类型都为float类型。

16、ELAPSED()函数

作用：返回一个字段在连续的时间间隔间的差异，间隔单位可选，默认为1纳秒。

单位可选项如下图：

image

语法：

SELECT ELAPSED(<field_key>, <unit>) FROM <measurement_name> [WHERE <stuff>]

示例：

计算h2o_feet字段在纳秒间隔下的差异。

> SELECT ELAPSED(water_level) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:24:00Z'
name: h2o_feet
--------------
time                            elapsed
2015-08-18T00:06:00Z      360000000000
2015-08-18T00:12:00Z      360000000000
2015-08-18T00:18:00Z      360000000000
2015-08-18T00:24:00Z      360000000000

在一分钟间隔下的差异率：

> SELECT ELAPSED(water_level,1m) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:24:00Z'
name: h2o_feet
--------------
time                            elapsed
2015-08-18T00:06:00Z      6
2015-08-18T00:12:00Z      6
2015-08-18T00:18:00Z      6
2015-08-18T00:24:00Z      6

注意：如果设置的时间间隔比字段数据间的时间间隔更大时，则函数会返回0，如下所示：

> SELECT ELAPSED(water_level,1h) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:24:00Z'
name: h2o_feet
--------------
time                            elapsed
2015-08-18T00:06:00Z      0
2015-08-18T00:12:00Z      0
2015-08-18T00:18:00Z      0
2015-08-18T00:24:00Z      0

17、MOVING_AVERAGE()函数

作用：返回一个连续字段值的移动平均值，字段类型必须是长整形或者float64类型。

语法：

基本语法

SELECT MOVING_AVERAGE(<field_key>,<window>) FROM <measurement_name> [WHERE <stuff>]

与其他函数和GROUP BY time()语句一起使用时的语法

SELECT MOVING_AVERAGE(<function>(<field_key>),<window>) FROM <measurement_name> WHERE <stuff> GROUP BY time(<time_interval>)

此函数可以和以下函数一起使用：

COUNT(), MEAN(),MEDIAN(), SUM(), FIRST(), LAST(), MIN(), MAX(), and PERCENTILE().

示例：

> SELECT water_level FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z'
name: h2o_feet
--------------
time                            water_level
2015-08-18T00:00:00Z      2.064
2015-08-18T00:06:00Z      2.116
2015-08-18T00:12:00Z      2.028
2015-08-18T00:18:00Z      2.126
2015-08-18T00:24:00Z      2.041
2015-08-18T00:30:00Z      2.051
2015-08-18T00:36:00Z      2.067

18、NON_NEGATIVE_DERIVATIVE()函数

作用：返回在一个series中的一个字段中值的变化的非负速率。

语法：

SELECT NON_NEGATIVE_DERIVATIVE(<field_key>, [<unit>]) FROM <measurement_name> [WHERE <stuff>]

其中unit取值可以为以下几个：

image

与聚合类函数放在一起使用时的语法如下所示：

SELECT NON_NEGATIVE_DERIVATIVE(AGGREGATION_FUNCTION(<field_key>),[<unit>]) FROM <measurement_name> WHERE <stuff> GROUP BY time(<aggregation_interval>)

此函数示例请参阅：DERIVATIVE()函数

19、STDDEV()函数

作用：返回一个字段中的值的标准偏差。值的类型必须是长整型或float64类型。

语法：

SELECT STDDEV(<field_key>) FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]

示例：

> SELECT STDDEV(water_level) FROM h2o_feet
name: h2o_feet
--------------
time                           stddev
1970-01-01T00:00:00Z     2.279144584196145

示例2：

> SELECT STDDEV(water_level) FROM h2o_feet WHERE time >= '2015-08-18T00:00:00Z' and time < '2015-09-18T12:06:00Z' GROUP BY time(1w), location
name: h2o_feet
tags: location = coyote_creek
time                           stddev
----                           ------
2015-08-13T00:00:00Z     2.2437263080193985
2015-08-20T00:00:00Z     2.121276150144719
2015-08-27T00:00:00Z     3.0416122170786215
2015-09-03T00:00:00Z     2.5348065025435207
2015-09-10T00:00:00Z     2.584003954882673
2015-09-17T00:00:00Z     2.2587514836274414

name: h2o_feet
tags: location = santa_monica
time                           stddev
----                           ------
2015-08-13T00:00:00Z     1.11156344587553
2015-08-20T00:00:00Z     1.0909849279082366
2015-08-27T00:00:00Z     1.9870116180096962
2015-09-03T00:00:00Z     1.3516778450902067
2015-09-10T00:00:00Z     1.4960573811500588
2015-09-17T00:00:00Z     1.075701669442093
MyObject-C
关注
专栏目录
influxdb常见操作
xueruixuan的专栏
03-25 4813
1、influxdb策略配置 1.1、查看数据库的数据保存策略 show retention policies on "prometheus" 1.2、添加策略 create retention policy "rp_name" on "prometheus" duration 1w replication 1 default; 2.3、修改策略 参考链接：Influxdb的retention policy_FreyFan的博客-CSDN博客 注意：最好是在创建库的时候就设置好数据...
influxDB操作工具.rar
08-17
而“influxDB操作工具”则为用户提供了更直观、便捷的方式来管理InfluxDB数据库，比如InfluxDBStudio-0.1.0，它是一个可视化的操作界面，能够极大地提高工作效率。 首先，InfluxDB的核心特性包括其内置的时序数据...
influxdb 入门避坑
qq_33286757的博客
12-28 662
以下是使用的window influxdb cli 客户端，管网下载cli直接解压，influx.exe 不能直接双击打开，需要使用管理员开打power shell，进入该目录下后使用命令行打开。1.网上查出来的命令不一定适用，也需要注意版本的差异；最好在自己的webUI系统中去查看自己需要的命令。例如：我在网站上找的命令换行符使用的是“\”，但是我实际操作需要是“ ` ”，才能执行成功。influxdb2.0以上的版本变化较大，需要注意版本问题。3.3 查看组织列表。
InfluxDB-Python 客户端库指南
最新发布
gitblog_00900的博客
08-13 571
InfluxDB-Python 客户端库指南 influxdb-pythonPython client for InfluxDB项目地址:https://gitcode.com/gh_mirrors/in/influxdb-python 项目介绍 InfluxDB-Python 是一个专为与 InfluxDB 时间序列数据库交互设计的客户端库。该库支持 Python 2.7 及 3.5 以上的版...
InfluxDB基本操作
学而时习之，不亦说乎？温故而知新，可以为师矣！
11-30 1494
聚合函数只能对 field 字段进行操作，不能对 tag 字段操作，否则查询出来的列表是空的。不过可以使用子查询的方式解决这个问题。InfluxDB 不允许根据时间去删除数据，只能使用 按照策略去自动删除。如果在插入数据时，插入的数据的时间和 tags 与原有数据一致，则更新当前数据。InfluxDB 想要实现 in 的效果，可以使用正则表达式的方式。注意：表不能显示创建，插入数据时自动插入表中数据。
InfluxDB详解
热门推荐
顺其自然~专栏
04-13 7万+
InfluxDB（时序数据库）（influx，流入，涌入），常用的一种使用场景：监控数据统计。每毫秒记录一下电脑内存的使用情况，然后就可以根据统计的数据，利用图形化界面（InfluxDB V1一般配合Grafana）制作内存使用情况的折线图；可以理解为按时间记录一些数据（常用的监控数据、埋点统计数据等），然后制作图表做统计； 1、什么是InfluxDB InfluxDB是一个由InfluxDa...
时序数据库influxDb实际基本操作
weixin_44831330的博客
07-18 3585
具体请看[时序数据库InfluxDB介绍](https://blog.csdn.net/m0_46577050/article/details/123221935)
influxDB 入门教程及使用过程中遇到的问题
lxw1844912514的博客
08-22 8397
关于influxDB，修改过端口号无法连接的问题
InfluxDB操作命令.txt
05-28
InfluxDB是一个用于存储和分析时间序列数据的开源数据库。 主要特性有： 内置HTTP接口，使用方便 数据可以打标记，查让查询可以很灵活 类SQL的查询语句 安装管理很简单，并且读写数据很高效 能够实时查询，数据在...
QT操作influxdb
03-30
QT操作InfluxDB主要涉及到的是使用QT作为前端开发工具，与InfluxDB这款时序数据库进行交互的技术。InfluxDB是一款高性能、专为时间序列数据设计的开源数据库，广泛应用于监控、物联网(IoT)、大数据分析等领域。而QT...
InfluxDB概念和基本操作
01-27
1、数据格式在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(fieldvalue)。格式如下：虚拟的key包括以下几个部分：database,retentionpolicy,measurement,tagsets,fieldname,...
从零开始学习InfluxDB：安装和使用入门教程
洛阳泰山的博客
04-05 5750
InfluxDB是一种流行的开源时间序列数据库，它专门用于存储和查询时间相关的数据。本篇文章将为你提供InfluxDB的安装和入门使用教程。
InfluxDB教程
SayBlog
01-27 4607
InfluxDB 是一个由InfluxData开发的开源时序性数据库。它由Go语言组成，着力于高性能地查询与存储时序型数据。InfluxDB被广泛应用于存储系统的监控数据，loT行业的实时数据等场景。 Influxdb 三大特性： 基于时间序列 可度量性 基于事件 时序性数据库： opentsdb 基于HBase InfluxDB TimeScaleDB 基于PostgreSQL KairosDB 基于Cassandra 通用数据库： kudu CreateDB 基于 ElasticSearch
influxdb 基本操作
weixin_30810239的博客
07-14 118
一、InfluxDB操作方式 InfluxDB提供三种操作方式： 1）客户端命令行方式 2）HTTP API接口 3）各语言API库 二、InfluxDB数据库操作 如同MYSQL一样，InfluxDB提供多数据库支持，对数据库的操作也与MYSQL相同。 1、查看数据库： > show databases; name: databases name ---- ...
InfluxDB 基本操作
yao_wen_yu的博客
06-24 2678
1、InfluxDB 操作方式 InfluxDB 提供了三种操作方式： 客户端命令行方式 HTTP API接口 各语言API库 2、InfluxDB 数据库操作 显示数据库 show databases 新建数据库 create database test 删除数据库 drop database test 使用某个数据库 use test 3、InfluxDB 数据表操作 在InfluxDB当中，并没有表（table）这个概念，取而代之的是MEASUREMENTS，MEASUREMEN
influxdb基本操作
Csdn129341的博客
02-28 107
数据库与表的操作 #创建数据库 create database "db_name" #显示所有的数据库 show databases #删除数据库 drop database "db_name" #使用数据库 use db_name #显示该数据库中所有的表 show measurements #创建表，直接在插入数据的时候指定表名 insert test,host=...
InfluxDB基础操作
hxt的博客
12-13 5656
一、InfluxDB简介 时序数据库 InfluxDB® 版是一款专门处理高写入和查询负载的时序数据库，用于存储大规模的时序数据并进行实时分析，包括来自DevOps监控、应用指标和IoT传感器上的数据 主要特点： 专为时间序列数据量身订造高性能数据存储。TSM引擎提供数据高速读写和压缩等功能 简单高效的HTTP API写入和查询接口 针对时序数据，量身订造类似SQL的查询语言，轻松查询聚合数据 允许对tag建索引，实现快速有效的查询 数据保留策略（Retention policies）能够有效地使旧数据自
Influxdb基本操作（详细）
weixin_43287508的博客
05-05 1万+
InfluxDB数据库的简介 InfluxDB是一个用于存储和分析时间序列数据的开源数据库，是一个基于 golang 编写，用于记录 metrics、events，进行数据分析。 主要特性有： 内置HTTP接口，使用方便 数据可以打标记，查让查询可以很灵活 类SQL的查询语句 安装管理很简单，并且读写数据很高效 能够实时查询，数据在写入时被索引后就能够被立即查出 在最新的DB-ENGINES...
qt操作 influxdb
02-07
Qt是一个跨平台的应用程序开发框架，可用于构建各种类型的应用程序，包括数据库操作。InfluxDB是一个开源的时间序列数据库，特别适用于存储和处理时间相关的数据。 在Qt中操作InfluxDB需要使用相应的库来连接和交互。可以使用Qt提供的网络模块来与InfluxDB建立连接，并使用HTTP请求来执行操作。可以使用QNetworkRequest类来构建HTTP请求，包括设置请求头、请求方法、URL等参数。然后使用QNetworkAccessManager类来发送请求并接收响应。 对于InfluxDB的各种操作（如查询、写入、删除等），可以根据InfluxDB提供的API文档来构建对应的HTTP请求。例如，要查询数据，可以构建一个GET请求，指定查询语句和目标数据库。要写入数据，可以构建一个POST请求，指定写入的数据和目标数据库。要删除数据，可以构建一个DELETE请求，指定删除条件和目标数据库。 使用Qt操作InfluxDB时，还需要处理响应数据。可以使用QNetworkReply类的相关方法来获取响应的状态码、头部信息和响应体。然后根据具体的需求进行解析和处理。 总之，使用Qt操作InfluxDB涉及到建立连接、构建HTTP请求、发送请求、处理响应等步骤。通过合理使用Qt提供的网络模块和相关类，可以方便地实现与InfluxDB的交互和数据操作。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值