influxdb介绍

最新推荐文章于 2025-03-30 15:50:46 发布
最新推荐文章于 2025-03-30 15:50:46 发布
阅读量2.9k 收藏 45
点赞数 33
文章标签： 时序数据库
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44813108/article/details/144891957
版权

一、认识influxDB

1.1 InfluxDB 的使用场景

InfluxDB 是一种时序数据库，时序数据库全程时间序列数据库（Time Series Database，TSDB，用于存储大量基于时间的数据，时序数据（Time Series Data）指的是一系列基于时间的数据，例如 CPU 利用率，北京的房价变化趋势，某一地区的温度变化等。

比如。我们可以写一个程序将服务器上 CPU 的使用情况每隔 10 秒钟向 InfluxDB 中写 入一条数据。接着，我们写一个查询语句，查询过去 30 秒 CPU 的平均使用情况，然后让这个查询语句也每隔 10 秒钟执行一次。最终，我们配置一条报警规则，如果查询语句的执行结果>xxx，就立刻触发报警。

1.2 为什么不用关系型数据库

1.2.1 写入性能

关系型数据库也是支持时间戳的，也能够基于时间戳进行查询。但是，从我们的使用场景出发，需要注意数据库的写入性能。通常，关系型数据库会采用 B+树数据结构，在数据写入时，有可能会触发叶裂变，从而产生了对磁盘的随机读写，降低写入速度。 当前市面上的时序数据库通常都是采用 LSM Tree 的变种，顺序写磁盘来增强数据的写入能力。

InfluxDB与MySQL的性能测试-阿里云开发者社区

1.2.2 数据价值

时序数据库一般用于指标监控场景。这个场景的数据有一个非常明显的特点就是冷热差别明显。通常，指标监控只会使用近期一段时间的数据，比如我只查询某个设备最近 10 分钟的记录，10 分钟前的数据我就不再用了。那么这 10 分钟前的数据，对我们来说就是冷数据，应该被压缩放到磁盘里去来节省空间。而热数据因为经常要用，数据库就应该让它留在内存里，等待查询。而市面上的时序数据库大都有类似的设计。

1.2.3 时间不可倒流，数据只写不改

时序数据是描述一个实体在不同时间所处的不同状态。

就像是我们打开任务管理器，查看 CPU 的使用情况。我发现 CPU 占用率太高了，于是杀死了一个进程，但 10 秒前的数据不会因为我关闭进程再发生改变了。

这是时序数据的一大特点。与之相应，时序数据库基本上是插入操作较多，而且还没有什么更新需求。

1.2.4 了解字段含义

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：

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 和 retention policy 在上面的数据中并没有体现，通常在插入数据时候指定响应字段。

  • database: 数据库名，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，存放在磁盘上的不同目录。
  • 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，例如保留最近2小时的数据。插入和查询数据时如果不指定存储策略，则使用默认存储策略，且默认存储策略可以修改。InfluxDB 会定期清除过期的数据。
  • measurement: 测量指标名，例如 cpu_usage 表示 cpu 的使用率。
  • tag sets: tags 在 InfluxDB 中会按照字典序排序，不管是 tagk 还是 tagv，只要不一致就分别属于两个 key，例如 host=server01,region=us-west 和 host=server02,region=us-west 就是两个不同的 tag set。
  • field 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，这其实是一个语法上的优化，在实际的底层存储中，是当作多条数据来存储。
  • 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。
Series

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。

series 的 key 为 measurement + 所有 tags 的序列化字符串，这个 key 在之后会经常用到。

代码中的结构如下：

type Series struct {
    mu          sync.RWMutex
    Key         string              // series key
    Tags        map[string]string   // tags
    id          uint64              // id
    measurement *Measurement        // measurement
}
Point

InfluxDB 中单条插入语句的数据结构，series + timestamp 可以用于区别一个 point，也就是说一个 point 可以有多个 field name 和 field value。

注意：如果提交具有相同measurement，tag set和timestamp，但具有不同field set的行协议，则field set将变为旧field set与新field set的合并，并且如果有任何冲突以新field set为准

Shard

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。

创建数据库时会自动创建一个默认存储策略，永久保存数据，对应的在此存储策略下的 shard 所保存的数据的时间段为 7 天，计算的函数如下：

func shardGroupDuration(d time.Duration) time.Duration {
    if d >= 180*24*time.Hour || d == 0 { // 6 months or 0
        return 7 * 24 * time.Hour
    } else if d >= 2*24*time.Hour { // 2 days
        return 1 * 24 * time.Hour
    }
    return 1 * time.Hour
}

1.2.5 TSM 存储引擎

TSM 存储引擎主要由几个部分组成： cache、wal、tsm file、compactor。

目录与文件结构
InfluxDB 的数据存储主要有三个目录。

默认情况下是 meta, wal 以及 data 三个目录。

meta 用于存储数据库的一些元数据，meta 目录下有一个 meta.db 文件。

wal 目录存放预写日志文件，以 .wal 结尾。data 目录存放实际存储的数据文件，以 .tsm 结尾。这两个目录下的结构是相似的，其基本结构如下：

wal 目录结构

# wal 目录结构
-- wal
   -- mydb
      -- autogen
         -- 1
            -- _00001.wal
         -- 2
            -- _00035.wal
      -- 2hours
         -- 1
            -- _00001.wal

# data 目录结构
-- data
   -- mydb
      -- autogen
         -- 1
            -- 000000001-000000003.tsm
         -- 2
            -- 000000001-000000001.tsm
      -- 2hours
         -- 1
            -- 000000002-000000002.tsm

其中 mydb 是数据库名称，autogen 和 2hours 是存储策略名称，再下一层目录中的以数字命名的目录是 shard 的 ID 值，比如 autogen 存储策略下有两个 shard，ID 分别为 1 和 2，shard 存储了某一个时间段范围内的数据。再下一级的目录则为具体的文件，分别是 .wal 和 .tsm 结尾的文件。

简述时序数据库Influxdb工作原理 - 墨天轮

1.3 1.X 的 TICK 技术栈与 2.X 的进一步融合

根据上文的介绍，我们首先可以知道时序数据一般用在监控场景。大体上，数据的应

用可以分为 4 步走。

（1）数据采集

（2）存储

（3）查询（包括聚合操作）

（4）报警

这样一看，只给一个数据库其实只能完成数据的存储和查询功能，上游的采集和下游的报警都需要自己来实现。因此 InfluxData 在 InfluxDB1.X 的时候推出了 TICK 生态来推出start 全套的解决方案。

TICK4 个字母分别对应 4 个组件。

⚫ T : Telegraf - 数据采集组件，收集&发送数据到 InfluxDB。

⚫ I : InfluxDB - 存储数据&发送数据到 Chronograf。

⚫ C : Chronograf - 总的用户界面，起到总的管理功能。

⚫ K : Kapacitor - 后台处理报警信息。

到了 2.x，TICK 进一步融合，ICK 的功能全部融入了 InfluxDB，仅需安装 InfluxDB 就能得到一个管理页面，而且附带了定时任务和报警功能。

1.4 安装

https://jasper-zhang1.gitbooks.io/influxdb/content/Introduction/installation.html

linux环境下安装
下载：
wget https://dl.influxdata.com/influxdb/releases/influxdb2-2.6.1-linux-amd64.tar.gz
解压：
tar xvzf path/to/influxdb2-2.6.1-linux-amd64.tar.gz
启动：
./influxd

window下如果出现：Could not load template file no-server-data or one of its included components

关闭本地代理

web浏览器输入ip:8086直接访问：

二、Web UI

2.1数据源相关

2.1.1 Load Data 加载数据

1、File Upload

在 Web UI 上，你可以用文件的方式上传数据，前提是文件中的数据符合 InfluxDB 支

持的类型，包括 CSV、带 Flux 注释的 CSV 和 InfluxDB 行协议。

2、写入 InfluxDB 的代码模板

InfluxDB 提供了各种编程语言的连接库，你甚至可以在前端嵌入向 InfluxDB 写入数据

的代码，因为 InfluxDB 向外提供了一套功能完整的 REST API。

3、配置 Telegraf 的输入插件

Telegraf 是一个插件化的数据采集组件，在这里你可以找一下没有对应你的目标数据源

的插件，点击它的 logo。可以看到这个插件配置的写法，但是关于这方面的内容，还是建

议参考 Telegraf 的官方文档，那个更细更全一些。

2.1.2 管理桶

创建、设置有效期、设置label

2.1.3添加数据

2.1.4 influxDB行协议

InfluxDB 行协议是 InfluxDB 数据库独创的一种数据格式，它由纯文本构成，只要数据 符合这种格式，就能使用 InfluxDB 的 HTTP API 将数据写入数据库。

在 InfluxDB 行协议中，一条数据和另一条数据之间使用换行符分隔， 所以一行就是一条数据。另外，在时序数据库领域，一行数据一行数据由下面 4 种元素构成。

（1）measurement（测量名称）

（2）Tag Set（标签集）

（3）Field Set（字段集）

（4）Timestamp（时间戳）

1、measurement（测量名称）

必需

可以理解为mysql中的table，大小写敏感，不可以用下划线打头

2、Tag Set（标签集）

标签应该用在一些值的范围有限（可枚举）的，不太会变动的属性上。比如传感器的类型和 id 等等。在 InfluxDB 中一个 Tag 相当于一个索引。给数据点加上 Tag 有利于将来对数据进行检索。但是如果索引太多了，就会减慢数据的插入速度。

可选

键值关系使用=表示

多个键值对之间使用英文逗号 , 分隔

标签的键和值都区分大小写

标签的键不能以下划线 _ 开头

键的数据类型：字符串

值的数据类型：字符串

3、Field Set（字段集）

必需

一个数据点上所有的字段键值对，键是字段名，值是数据点的值。

一个数据点至少要有一个字段。

字段集的键是大小写敏感的。

键的数据类型：字符串

值的数据类型：浮点数 | 整数 | 无符号整数 | 字符串 | 布尔值

4、Timestamp（时间戳）

可选

数据点的 Unix 时间戳，每个数据点都可以制定自己的时间戳。

如果时间戳没有指定。那么 InfluxDB 就使用当前系统的时间戳。

数据类型：Unix timestamp

如果你的数据里的时间戳不是以纳秒为单位的，那么需要在数据写入时指定时间戳的

精度。

5、空格

行协议中的空格决定了 InfluxDB 如何解释数据点，第一个未转义的空格将测量值&Tag Set（标签集）与 Field Set（字段集）分开。第二个未转义空格将 Field Set（字段级）和时间戳分开。

6、数据类型和格式

1）Float 浮点型：默认类型，64位

2）Integer 整数：64位，需要在数字末尾追加 i

3)UInteger 无符号整数：64位，需要在数字末尾追加 u

4）String 字符串：长度不超过64kb

5）Boolean 布尔值：true：t,T,true,True,TRUE;false:f,F,false,False,FALSE

6）Unix Timestamp（Unix 时间戳）：默认纳秒

7、注释

以井号#开头的一行被当做注释

2.1.5 Telegraf

Telegraf 是 InfluxDB 生态中的一个数据采集组件，它可以将各种时序数据自动采集到

InfluxDB。现在，Telegraf 不仅仅是 InfluxDB 的数据采集组件了，很多时序数据库都支持与 Telegraf 进行协作，不少类似的时序数据收集组件选择在 Telegraf 的基础上二次开发。

1、新建telegraf配置，指定bucket和模板

2、指定名称描述

3、设置环境变量token

下面是启动命令

4、下载安装Telegraf

wget https://dl.influxdata.com/telegraf/releases/telegraf-
1.23.4_linux_amd64.tar.gz
tar -zxvf telegraf-1.23.4_linux_amd64.tar.gz
设置token，然后启动

2.1.6 scrapers 管理抓取任务

抓取任务就是你给定一个 URL，InfluxDB 每隔一段时间去访问这个链接，把访问到的数据入库。

目标 URL 暴露出来的数据格式必须得是Prometheus 数据格式：

InfluxDB 自身暴露的监控接口

http://localhost:8086/metrics 来查看 InfluxDB 暴露出来的性能数据。这里面

有，InfluxDB 的 GC 情况

以及各个 API 的使用情况，如图所示，说的是各个 API 被谁请求过多少次。

注意：截止当前版本，用户无法去自定义抓取间隔。InfluxDB 会每隔 10 秒一次去

抓取数据

3.1.7 API token

influxdb 会向外暴露一套 HTTP API。我们后面要学的命令行工具什么的， 其实都是封装的对 influxdb 的 http 请求。所以，在 InfluxDB 中，对权限的管理主要体现 在 API 的 Tokens 上。客户端会将 token 放到 http 的请求头上，influxdb 服端就根据客户 端发来的请求头部的 token，来判断你能不能对某个存储桶读写，能不能删除存储桶，创建仪表盘等。

2.2 查询工具

2.2.1 Date Explorer

2.2.2 Notebook

Notebook 是 InfluxDB2.x 推出的功能，交互上模仿了 Jupyter NoteBook。它可以用于开

发、文档编写、运行代码和展示结果。

你可以将 InfluxDB 笔记本视为按照顺序处理数据的集合。每个步骤都由一个“单元格”

表示。一个单元格可以执行查询、可视化、处理或将数据写入存储桶等操作。Notebook 可

以帮你完成下述操作 ：

  • 执行 FLUX 代码、可视化数据和添加注释性的片段
  • 报警或者计划任务
  • 数据进行降采样或者清洗
  • 生成要和团队分享的 Runbooks
  • 将数据回写到存储桶

Notebook 和 DataExplorer 相比，主要是交互风格上的不同。DataExplorer 倾向于一锤

子买卖，而 Notebook 可以将数据展示拆分为一个又一个具体的步骤。另外，NoteBook 可

以用来开发告警任务 DataExplorer 则不能。

三、Http Api

1、新增

curl --request POST 'http://172.28.160.55:8086/api/v2/write?org=banma&bucket=example_05&precision=s' \
--header 'Authorization: Token eFbagosKUBZyDMAGzhSPPe-uSAiBRz_Niq4Wosb6ule2xLNbwF_IPA-RzxeTk8Ay7zb72O3pXP1C0a1QI2hFbQ==' \
--header 'Content-Type: text/plain' \
--header 'Accept: application/json' \
--data '
volume,crossId=HF.01 num=5 1686624185
volume,crossId=HF.02 num=6 1686624185
'

precision指定时间戳格式：“ms” “s” “us” “ns”

2、查询

curl --request POST 'http://172.28.160.55:8086/api/v2/query?org=banma' \
--header 'Content-Type: application/vnd.flux' \
--header 'Accept: application/csv' \
--header 'Authorization: Token eFbagosKUBZyDMAGzhSPPe-uSAiBRz_Niq4Wosb6ule2xLNbwF_IPA-RzxeTk8Ay7zb72O3pXP1C0a1QI2hFbQ==' \
--data 'from(bucket:"example_05")
|> range(start: -10d)
|> filter(fn: (r) => r._measurement == "volume")'

四、命令行工具

1、下载influx-cli

https://github.com/influxdata/influx-cli/releases/tag/v2.4.0

解压：tar -zxvf influxdb2-client-2.4.0-linux-amd64.tar.gz

2、连接

./influx config create --config-name influx.conf \
--host-url http://localhost:8086 \
--org banma --token eFbagosKUBZyDMAGzhSPPe-uSAiBRz_Niq4Wosb6ule2xLNbwF_IPA-RzxeTk8Ay7zb72O3pXP1C0a1QI2hFbQ== \
--active

3、常用命令

1）展示所有bucket

  1. 创建bucket
./influx bucket create \
  --name example_04 \
  --retention 30d

3）新增数据

./influx write --bucket example_04 "
volume,crossId=HF.01 num=1
volume,crossId=HF.02 num=2
volume,crossId=HF.03 num=3
volume,crossId=HF.04 num=4
"

4）查询数据

./influx query 'from(bucket: "example_04")
  |> range(start: -15d)
  |> filter(fn: (r) => r["_measurement"] == "volume")
  |> filter(fn: (r) => r["crossId"] == "HF.01")'

具体参考：https://docs.influxdata.com/influxdb/v2.4/reference/cli/

4、influxQL查询

InfluxDB 1.x数据存储在数据库（database）中，InfluxDB OSS 2.0之后，数据存储在桶（bucket）中。因为InfluxQL使用了1.x数据模型，在使用InfluxQL进行查询之前，必须将桶映射到一个数据库和保留策略(DBRP)。可以这样理解：InfluxQL只有数据库才能使用，如果想要在桶上也能使用只有将桶映射成数据库。

使用InfluxQL查询桶数据，需要完成以下步骤：

1）确认桶有映射；

influx v1 dbrp list
或者
influx v1 dbrp list --bucket-id 167a05e4c5cb110f

2）映射未映射的桶；

./influx v1 dbrp create \
  --db example_04_db \
  --rp example_04_rp \
  --bucket-id 167a05e4c5cb110f \
  --default

3）使用InfluxQL查询已映射的桶。

1、启动influxQL Shell
./influx v1 shell
2、查询
SELECT * FROM example_04_db.example_04_rp.volume where crossId = 'HF.01'

或者

curl --get http://localhost:8086/query?db=example_04_db \
  --header "Authorization: Token eFbagosKUBZyDMAGzhSPPe-uSAiBRz_Niq4Wosb6ule2xLNbwF_IPA-RzxeTk8Ay7zb72O3pXP1C0a1QI2hFbQ==" \
  --data-urlencode "q=SELECT * FROM example_04_db.example_04_rp.volume"

五、Java操作influxdb

梦三辰
关注
1. InfluxDB介绍与基础概念
M1234uy的博客
01-18 1022
系列文章目录 文章目录系列文章目录前言一、InfluxDB是什么？ 前言 本文主要简单认识一下InfluxDB数据库。 一、InfluxDB是什么？ InfluxDB 是一个时间序列数据库，主要处理较高的写入和查询负载。主要用作大量时间戳数据的任何用例的后备存储，举例：DevOps监控、应用程序指标、Lot传感器数据和实时分析。 主要特征 专为时间序列数据编写的定制高性能数据存储。 用GO语言编写，可以编译一个没有外部依赖项的二进制文件。 简单，高性能的写和查询HTTP API。 插件支持其他数据摄取协
InfluxDB安装和简介
weixin_30894583的博客
02-25 1551
InfluxDB是一个当下比较流行的时序数据库，InfluxDB使用 Go 语言编写，无需外部依赖，安装配置非常方便，适合构建大型分布式系统的监控系统。 一、InfluxDB 简介 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。 类似的数据库有Elasticsearch、Graphite等。 1、与传统数据库中的名词做比较 influ...
InfluxDB学习心得（上）
彬正的博客
05-11 3855
一、InfluxDB 简介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。类似的数据库有Elasticsearch、Graphite等。其主要特色功能1）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）2）可度量性：你可以实时对大量数据进行计算3）基于事件：它支持任意的事件数据InfluxDB的主要特点1）无结构（无模式）：可以是任意数量的列2...
时序数据库:InfluxDB安装与解读
最新发布
2201_75732091的博客
03-30 1172
每组field key和field value的集合，即我们需要的字段，如internale[key] = 76[value], external[key]= 18[value]。InfluxDB基于时间序列模型，专注于如监控、传感器数据的时间序列分析，重点在于高效存储和查询带时间戳的数据，支持快速聚合计算及数据保留策略管理。它能够轻松应对高容量时间序列数据的存储与管理，广泛应用于实时分析、监控系统及物联网领域，提供灵活的数据保留策略及强大的聚合功能。每个 shard group 覆盖特定的时间范围。
InfluxDB详解
热门推荐
顺其自然~专栏
04-13 8万+
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：简介及安装
weixin_33695450的博客
10-29 377
在性能测试过程中，对测试结果以及的实时监控与展示也是很重要的一部分。这篇博客，介绍下linux环境下InfluxDB的安装以及功能特点。 官网地址：influxdata 官方文档：influxdb文档 参考：InfluxDB系列教程   环境：CentOS7.4 64位 InfluxDB版本：1.0.2 一、InfluxDB介绍 InfluxDB 是用Go语言编写的一个开源分布式时...
influxdb介绍一页纸
10-11
InfluxDB是一款专为时间序列数据设计的分布式、开源的关系型数据库管理系统。它诞生于Docker公司的内部项目，现由InfluxData公司维护。InfluxDB的核心理念是简单易用，特别适合存储并查询大量的传感器数据、日志事件...
Windows 下的 influxdb 客户端 Windows连接influxdb客户端
11-17
本文将详细介绍如何在Windows上安装和使用InfluxDB客户端，以及它所依赖的一些关键库。 首先，InfluxDB Studio是常用的图形化界面工具，可用于管理InfluxDB实例，执行查询，创建数据库，配置用户等。在这个场景中，...
InfluxDBStudio-0.2.1
03-01
本文将详细介绍InfluxDB Studio 0.2.1的功能特性以及如何利用它提升InfluxDB的管理效率。 1. **功能概述** InfluxDB Studio 0.2.1提供了全面的InfluxDB管理功能，包括但不限于： - 数据浏览：直观展示时间序列...
influxdb linux 安装包 2.0.8
10-23
本文将详细介绍如何在Linux系统上安装InfluxDB 2.0.8版本。 首先，我们需要了解InfluxDB的基本概念。InfluxDB是一个NoSQL数据库，特别适合存储和查询带有时间戳的数据。它支持写入性能高、低延迟的数据检索，以及...
InfluxDB-简介、理论原理介绍以及InfluxDB入门操作
迷雾总会解
07-03 5万+
InfluxDB 是一种时序数据库，时序数据库通常被用在监控场景，比如运维和 IOT（物联网）领域。这类数据库旨在存储时序数据并实时处理它们。比如。我们可以写一个程序将服务器上 CPU 的使用情况每隔 10 秒钟向 InfluxDB 中写入一条数据。接着，我们写一个查询语句，查询过去 30 秒 CPU 的平均使用情况，然后让这个查询语句也每隔 10 秒钟执行一次。最终，我们配置一条报警规则，如果查询语句的执行结果>xxx，就立刻触发报警。
时序数据库InfluxDB介绍
宁静致远的博客
03-02 2万+
时序数据库InfluxDB介绍实时数据库与时序数据库 原文链接：https://blog.csdn.net/weixin_43135178/article/details/108809344 1 .什么是InfluxDB InfluxDB是一个开源的、高性能的时序型数据库，在时序型数据库DB-Engines Ranking上排名第一。 在介绍InfluxDB之前，先来介绍下时序数据。按照时间顺序记录系统、设备状态变化的数据被称为时序数据（Time Series Data），如CPU利用率、某一时间的环境温度
InfluxDB 介绍
10-08 1181
InfluxDB
InfluxDB简介
myITliveAAA的博客
02-28 782
1.1. InfluxDB技术选型原因分析 海缆在线监测系统数据规模较大且需要实现高效的存储和查询，传统数据库无法满足其性能要求，数据时间点、数据位置和采样值之间存在较强的关联关系。 1.2. InfluxDB介绍、特性和基本使用 InfluxDB是一个由InfluxData用go语言开发的开源时序型数据库，专注于海量时序数据的高性能读、高性能写、高效存储与实时分析等，无需外部依赖。 InfluxDB 描述 database 数据库 measurement 数据表 points 数据行 Point由时间戳（
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