mysql rrd_将RRD数据库中数据导入MYSQL中

一、RRD数据库及RRDTOOL简介

意为Round Robin Database。设计理念为按照round-robin的方式进行存储，在一个周期之后(可自己定义)，新的数据会覆盖掉原来的数据。所以RRD数据库适合用来存储动态数据，并且不需长期存储。因为是周期性的覆盖旧的数据

所以数据库的大小基本上就会固定下来，并不会随着时间而增大。

RRDTOOL是由Tobias Oetiker开发的自由软件，使用RRD作为存储格式。RRDTOOL提供了很多工具用来对RRD数据库

进行操作，包括创建，更新，查询，以及生成显示图等。RRDTOOL同时也提供了很多语言的API以方便操作。

Ganglia是一个分布式的监控系统，采用RRD数据库进行数据存储和可视化。Hadoop源码包里即有一个与ganglia相关

的配置文件，修改一些参数和对ganglia进行一些设置即可对hadoop集群进行监控。每个不同的属性的数据都存在一个

RRD数据库里。

二、将数据导入MYSQL中

也会存在这样的情况，可能想对rrdtool采集到的数据进行长期存储，从而进行一些分析。而RRD数据库的数据是不断

更新的，虽然也可以保留长期的数据，但精度不够。比如说一个RRD数据库的步长为15秒，也就是说，每隔15秒，

就会有一个新的值存入(比如内存使用率)，同时覆盖一个旧的值。一个RRD数据库存储5761个这样的数据(一天+15

秒).而且随着时间的推移总是存储最近一天的数据。然后在通过这些值不断地计算步长更高的值，比如我们可以通过

这些15秒的数据算出360s的数据(平均值)，然后以360s为步长将这些值再存进去，不过这时候可以存储的时间区间就

更长了，同样的行数可以存储24天的数据。以此类推，也可以以一天为单位存储一年的数据，不过这时候的精度就只有

一天了，那些旧的15s的数据都已经被覆盖掉了。如果想要把这些数据都存储起来，就需要通过脚本定时进行数据导入。

LINUX上做这些是很方便的，perl,python,lua,ruby都是不错的选择，shell也可以。然后用crond设置在一定时间

定时执行即可。以下是python的示例代码：

(注：python学的一般，基本上是边看书，边写的代码，问题不少，请各位指正。)

首先是初始化，创建数据库及相应的表：

importos

importMySQLdb

importstring

root="/var/lib/ganglia/rrds/hap-clu"

dirs=os.listdir(root)

map1=string.maketrans('.','_')

map2=string.maketrans('-','_')

conn=MySQLdb.connect(host='localhost', user='root',passwd='123456')

cursor=conn.cursor()

foronedirindirs:

dbname=onedir.translate(map1).translate(map2)

cursor.execute("create database if not exists"+dbname)

conn.commit()

conn.select_db(dbname)

    #print onedirname    print "DB:"+dbname+"

."

files=os.listdir(root+"/"+onedir)

foronefileinfiles:

tablename=onefile[:-4].translate(map1)

if(dbname=="__SummaryInfo__"):

cursor.execute("create table if not exists"+tablename+"(time_id int not null primary key,value varchar(30),num varchar(30))")

else:

cursor.execute("create table if not exists"+tablename+"(time_id int not null primary key,value varchar(30))")

conn.commit()

       #print "CREATE TABLE "+tablename    print "CREATE DATABASE"+dbname+"

"

cursor.close();

这里面有不少说明的地方：

1.存储的目录：ganglia里面默认是这个目录，不过可以修改。其他不同应用也应该不同。最后的那个hap-clu是集群

的名字。在这个目录下，每个节点占一个目录，目录名一般为IP地址，最后还有一个summary的目录。对应着，为每个

目录(节点)创建一个数据库，每个属性一个表。

2.MYSQL数据库和表的命名规则中不允许有"."和"-"，所以对应的数据库名和表名要做相应的转换。这里使用的是

translate函数。

3.原本以为这个脚本只需执行一次，不过在实际应用过程中，发现表的数量和数据库的数量可能会增加。比如有新添加的

节点，就需要及时为它创建数据库。对于一些已存在的节点，有可能有些属性的数据是后来才检测到的。比如我碰到的情况

就是运行了一段时间之后关于swap的统计信息才出来，RRD数据库也才创建。我不知道这是配置的问题还是常态。但为了

顺利运行，这个脚本也要每天和插入数据的脚本一样定时运行，并且在后者之前。

插入数据的脚本：

importos

importcommands

importMySQLdb

importstring

importrrdtool

#from xml.etree.ElementTree import ElementTree

#working directoryroot="/var/lib/ganglia/rrds/hap-clu"

dirs=os.listdir(root)

#mysql table name limitmap1=string.maketrans('.','_')

map2=string.maketrans('-','_')

conn=MySQLdb.connect(host='localhost', user='root',passwd='123456')

cursor=conn.cursor()

foronedirindirs:

dbname=onedir.translate(map1).translate(map2)

conn.select_db(dbname)

    print "DB:"+dbname+"

."

files=os.listdir(root+"/"+onedir)

os.chdir(root+"/"+onedir)

foronefileinfiles:

#it seems that all is AVERAGEtablename=onefile[:-4].translate(map1)

data=rrdtool.fetch(onefile,"AVERAGE")

firsttime=data[0][0]

count=0

whilecount 

time=firsttime+15*count

value=data[2][count][0]

ifvalue==None:

count+=1

continue

ifdbname=="__SummaryInfo__":

num=data[2][count][1]

fvalue=[time,str(value),str(num)]

try:

cursor.execute("insert into"+tablename+"values(%s,%s,%s)",fvalue)

exceptMySQLdb.IntegrityError:

pass

else:

fvalue=[time,str(value)]

try:

cursor.execute("insert into"+tablename+"values(%s,%s)",fvalue)

#print "OK"+str(count)                exceptMySQLdb.IntegrityError:

pass

count+=1

conn.commit()

print "UPDATING TABLE"+tablename

cursor.close();

说明：

1.python有RRDTOOL的模块，相应的命令都已经可以通过模块内的函数直接调用，并且结果是Python的列表或者元组

，很容易遍历。另外有一种方法就是通过调用外部命令将rrd数据库导出到XML中(RRDTOOL内置有此功能)，好处是XML

里面的数据极其相近，缺点是太繁琐，效率也不高，还要解析XML。

2.count是RRD里存储的数据的行数，这里为了省事直接设置成了默认的值。严谨的话应该是先通过RRDTOOL INFO取得

想关的结构信息，得到这个值，然后再调用。rrdtool.fetch即可取得所存储的所有值。

3.关于commit。刚开时对API不熟悉，没有加这一句，结果数据都没导进去。第一次加在每次insert 之后，结果插入

速度奇慢，更新一次要差不多一天，根本没有用。放到后面之后就很快了。

4.因为插入的频率和RRD更新的频率不一样，为了保证数据的连续性(不丢失)，插入的频率要比更新的频率高。这样会有

很多重复的数据，这里用主键(时间戳，为UNIX秒数)和IntegrityError来跳过那些已经插入的数据。当初这样做的时候已经考虑到一个问题，就是当表里原有行数很多时，到后面插入的速度有多慢？(单个表每天更新的数据为5700行左右，一个月为17万行左右，一年就会超过200万行)。现在我运行的结果是表中已有5万行数据，插入速度并没有明显的减慢，想接着再运行一段时间观察一下。如果太慢就得换一个方法。