influxdb+grafana实战总结

官网地址：https://docs.influxdata.com/influxdb/v1.5/introduction/installation/

一、influxdb简介

InfluxDB是一个开源分布式的时序、事件和指标数据库。使用 Go 语言编写，无需外部依赖。其设计目标是实现分布式和水平伸缩扩展。 它有三大特性：

1.Time Series（时间序列）：你可以使用与时间有关的相关函数（如最大，最小，求和等）

2.Metrics（度量）：你可以实时对大量数据进行计算

3.Eevents（事件）：它支持任意的事件数据

二、influxdb核心概念

database相当于mysql中的database

measurement相当于mysql中的表

point相当于mysql中的行

tag相当于mysql中的索引，只支持字符串类型

field相当于mysql中的列，支持多种类型

retention policy保存策略，这是influxdb特有的属性，rp指定数据在influxdb中的保存时间，时间已过，influxdb会自动清除数据。

continuous queries 特色功能之一，相当于定时任务

注意：influxdb不支持修改语句，虽然有删除语句，但是不建议使用。

 

三、influxdb基本语法介绍

create database "db_name" #创建数据库 

show databases  #显示所有的数据库 

drop database "db_name"  #删除数据库 

use db_name  #使用数据库 

show measurements  #显示该数据库中所有的表 

insert test,host=127.0.0.1,monitor_name=test count=1  #创建表，直接在插入数据的时候指定表名 

drop measurement "measurement_name"  #删除表 

Select * from access_list  #查询access_list表

注意：influxdb显示time是时间戳，需要时间戳格式化，influxdb 默认支持UTC时间格式。

#将时间格式转为yyyy-MM-ddTHH:mm:ss.nnnnnnnZ 请输入 influx -precision rfc3339  命令

 

四、influxDB聚合类函数

1）count()函数

返回一个（field）字段中的非空值的数量。

2）、DISTINCT()函数

返回一个字段（field）的唯一值。

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。

4、MEDIAN()函数

从单个字段（field）中的排序值返回中间值（中位数）。中值是在一组数值中居于中间的数值。字段值的类型必须是长整型或float64格式。

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。

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。

 

五、continuous queries（连续查询）

创建基本语法格式：

CREATE CONTINUOUS QUERY  cq_name ON    database 

BEGIN   

cq_query

END

当然influxdb在cq上提供了十分强大的可定制功能，具体参考网址：https://docs.influxdata.com/influxdb/v1.5/query_language/continuous_queries

 

六、（实战）需求：制作一个用户访问量排行列表

每个项目都有自己的用户访问量，我们需要将这些用户访问量聚合起来，并且获取最新的内容，如果每次取这个列表的时候都需要重新算一遍，无疑是十分的浪费，这个时候可以使用influxdb的continuous queries 来实现这个功能，通过continuous queries ，我们能定时的算出用户访问量的排行榜，并写入一张新表中，每次我们读取数据的时候，只要去读那张新表就可以了。

数据库：api_gateway

数据保留策略：aRetentionPolicy                 

用户访问量表：user_access_list，   

tags：ip,path,host,account_id                     

fields：user_id,access_count。

由于user_access_list是某个项目的用户访问量数据，我们需要将每个ip+account_id访问量加起来，并且我们要做的是每小时更新的排行榜，因此我们需要每小时更新一次最新的数据，所以我们需要一个每个小时执行一次的continuous queries。创建一个小时排行榜：

CREATE CONTINUOUS QUERY cq_user_access_list_rank_h ON api_gateway RESAMPLE  EVERY 1h BEGIN SELECT sum(access_count) INTO api_gateway.aRetentionPolicy.user_access_list_rank_h FROM api_gateway.aRetentionPolicy.user_access_list GROUP BY ip,account_id time(1h) END

这段cq所执行的是，每隔一小时，执行 SELECT sum(access_count)  INTO api_gateway.aRetentionPolicy.user_access_list_rank_h FROM api_gateway.aRetentionPolicy.user_access_list GROUP BY ip,account_id time(1h)这条语句，通过group by对数据进行分组计算，并写入一张新表user_access_list_rank_h中，这样一来我 们要获取最新的排名数据，只需要去查user_access_list_rank_h这张表就行了。假如获取访问量前3：select top(3)  from  user_access_list_rank_h。

注意：cq执行的语句必须在group by中指定time，否则将无法执行，同时，如果不手动指定RESAMPLE(也就是执行时间)，默认的执行时间间隔是group by 指定的时间间隔，如果RESAMPLE  EVERY与group by 都指定了时间，哪个时间间隔大，以哪个时间间隔执行。

 

七、influxdb-java客户端使用

（1）、需要依赖的jar包

 

（2）、通过客户端操作influxdb数据库：写入数据及查询数据

InfluxDB influxDB = InfluxDBFactory.connect("http://172.17.0.2:8086", "root", "root");//链接influxdb

String dbName = "aTimeSeries";//数据库名

influxDB.createDatabase(dbName);//创建数据库

influxDB.setDatabase(dbName);//设置数据库

String rpName = "aRetentionPolicy";//数据保留策略名称

influxDB.createRetentionPolicy(rpName, dbName, "30d", 1, true);

//rpName:保留策略，dbName:数据库 ，30d:数据保留30天， 1:副本个数，  true:设为当前数据库默认的保留策略

influxDB.setRetentionPolicy(rpName);//将创建的保留策略设置到当前数据库

//向influxdb写入一条数据方式一:

influxDB.write(Point.measurement("user_access_list")

.time(System.currentTimeMillis(), TimeUnit.MILLISECONDS)

.tag("ip", “192.168.1.160”)

.tag(“account_id”,”zhangjunheng”)

.tag(“path”,”/item/search”)

.addField("user_id", 1)

.addField("access_count", 1)

.build())

 

//向influxdb写入一条数据方式二：

Map tags = new HashMap<>();

            tags.put("ip",msg.getIp());

            tags.put("path",msg.getPath());

            tags.put("host",msg.getHost());

            tags.put("account_id",accountId);

            Map fields = new HashMap<>();

            fields.put("access_count",msg.getAccessCount());

            fields.put("user_id",manyouyuSid);

Point.Builder builder = Point.measurement(“user_access_list”);

      builder.time(System.currentTimeMillis(), TimeUnit.MILLISECONDS);

        builder.tag(tags);

        builder.fields(fields);

        influxDB.write(builder.build());

//批量处理数据方式：

influxDB.enableBatch(BatchOptions.DEFAULTS);//开启批量写入，默认每1000点刷新一次，至少每1000毫秒刷新一次。

for (int i = 0; i < 10; i++) {

    influxDB.write(Point.measurement("user_access_list")

    .time(System.currentTimeMillis(), TimeUnit.MILLISECONDS)

    .tag("ip", “192.168.1.”+i)

  .tag(“account_id”,”zhangjunheng”+i)

  .tag(“path”,”/item/search”)

  .addField("user_id", 1)

  .addField("access_count", 1)

  .build())

}

InfluxDB.close();//关闭批量处理

//批处理功能创建了一个内部线程池，该线程池需要显式地关闭，以作为优雅应用程序关闭的一部分，否则应用程序将无法正常关闭。简单地调用:influxDB.close()

//查询数据

Query query = new Query("SELECT * FROM user_access_list", dbName);

influxDB.query(query);

 

八、influxdb+grafana制作图表

（1）、配置influxdb数据源：

（2）、创建面板