Influxdb2集成springboot

最新推荐文章于 2024-09-08 15:52:26 发布
最新推荐文章于 2024-09-08 15:52:26 发布
阅读量1k 收藏 22
点赞数 24
文章标签： spring boot 后端 java
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_52796198/article/details/141926398
版权

目录

简介

InfluxDB 2.x 是 InfluxData 公司推出的时间序列数据库的最新版本。与 InfluxDB 1.x 相比，InfluxDB 2.x 引入了一些新的特性和改进，旨在提供更强大、灵活和易于使用的时间序列数据存储和查询解决方案

特点

  1. Flux 查询语言： InfluxDB 2.x 引入了 Flux 查询语言，用于执行强大的数据处理和分析操作。Flux 提供了更灵活的查询能力，支持复杂的数据转换、过滤、聚合和连接操作，以更好地支持用户对时间序列数据的操作和分析。
  2. 新的数据存储引擎： InfluxDB 2.x 使用 Flux Engine 作为新的数据存储引擎。Flux Engine 具有更好的性能和扩展性，支持高并发写入和高效查询。
  3. Bucket 和 Organization： InfluxDB 2.x 引入了 Bucket 和 Organization 的概念。Bucket 是数据的逻辑容器，用于组织和存储时间序列数据，而 Organization 用于隔离和管理不同的用户或应用程序。
  4. 新的用户界面（UI）： InfluxDB 2.x 提供了全新的仪表板和可视化工具，使用户能够轻松创建、定制和共享漂亮的图表和仪表板，以直观地展示时间序列数据。
  5. API 密钥和访问令牌： 为了实现更安全的访问和操作，InfluxDB 2.x 引入了 API 密钥和访问令牌。API 密钥用于身份验证，访问令牌用于授权对数据的访问。
  6. 支持多租户： InfluxDB 2.x 提供更好的多租户支持，允许在同一实例中隔离和管理多个不同的组织和数据。
  7. 新的存储结构： InfluxDB 2.x 采用新的存储结构，支持更灵活的标签和更好的查询性能，同时改进了存储效率。
  8. 云原生和容器化： InfluxDB 2.x 被设计用于云原生环境和容器化部署，支持在 Kubernetes 或其他容器编排工具中运行。
  9. 更好的持久性查询支持： Flux 查询语言支持对查询结果进行持久性存储，使用户可以创建并定期执行持久性的计算任务。

基本概念

  1. Bucket（桶）： Bucket 是 InfluxDB 中的基本存储单元，用于组织和存储时间序列数据。它是数据的逻辑容器，用于区分和隔离不同类型或来源的数据。
  2. Organization（组织）： Organization 是 InfluxDB 中的组织概念，用于隔离和管理用户、应用程序或项目。每个用户可以属于一个或多个组织，Bucket 也属于一个组织。
  3. Measurement（测量值）： Measurement 是 InfluxDB 中的数据表的概念。它类似于关系型数据库中的表，用于存储时间序列数据。每个 Measurement 包含一组字段和标签。
  4. Field（字段）： Field 是 Measurement 中的一种数据类型，用于存储实际的数值数据。例如，温度、湿度等是字段的例子。
  5. Tag（标签）： Tag 是 Measurement 中的一种索引类型，用于标识和过滤数据。标签通常用于存储维度信息，例如地理位置、设备 ID 等。
  6. Point（数据点）： Point 是 InfluxDB 中时间序列数据的基本单位，它包含了时间戳、字段和标签。每个数据点都关联到一个 Measurement。
  7. API 密钥和访问令牌： 为了进行安全的访问和操作，InfluxDB 2.x 引入了 API 密钥和访问令牌。API 密钥用于身份验证，而访问令牌用于授权对数据的访问。
  8. Flux 查询语言： Flux 是 InfluxDB 2.x 中的查询语言，用于执行强大的数据处理和分析操作。它支持更灵活的查询、过滤、聚合和转换操作。
  9. 仪表板和可视化： InfluxDB 2.x 提供了仪表板和可视化工具，允许用户创建、定制和共享图表和仪表板，以直观地展示时间序列数据。
    Bucket类似于关系型数据库中的库的概念。Measurement类似于数据库中表。

安装环境

安装

尝试过使用docker安装，不过没找到资源

wget https://dl.influxdata.com/influxdb/releases/influxdb2-2.1.1-linux-amd64.tar.gz

tar xvzf influxdb2-2.1.1-linux-amd64.tar.gz

sudo cp influxdb2-2.1.1-linux-amd64/influxd /usr/local/bin/

nohup influxd &

配置

打开游览器 输入127.0.0.1:8086，点击“Get Started”
进行初始化信息填写（账号、密码、桶、组织），并点击Continue
这个buckets和token在influxdb2的版本后续跟springboot集成有用
在这里插入图片描述

语法

Flux 是一种功能强大的查询语言，特别适用于处理时间序列数据。Flux 具有丰富的操作和函数，使用户能够执行复杂的数据处理、过滤、聚合和计算任务。其中bucket 和 range 是必填的。
buckets
buckets()返回当前组中所有的桶

from
指定从那个bucket查询数据

from(bucket:"bucket名称")

range
指定时间区间，range接收两个参数，start和stop 其中stop可以省略，缺省值是当前时间。start不能省略，否则会报语法错误。
start和stop 既可以使用相对的时间区间，也可以使用绝对的时间戳。相对时间区间格式为 时间间隔h/m/s例如 -1h,-5m。时间戳格式2021-01-01T00:00:00Z

#示例1
from(bucket:"bucket名称")
	|> range(start: -1h)

#示例2
from(bucket:"bucket名称")
	|> range(start: 2021-01-01T00:00:00Z, stop: 2021-01-01T12:00:00Z)

filter
对数据进行过滤，接收一个判断函数。类似于java中的lamda,它看起来像是下面这样
® => (r.recordProperty comparisonOperator comparisonExpression)
判断函数返回一个boolean类型值。只有符合条件的记录才会被返回。

#示例
from(bucket: "wxm-influx")
	|> range(start: -24h)
	|> filter(fn:(r)=>(r.owner=="wxm"))
#取最近24小时，含有owner标签且值为wxm的记录
当filter内含有多个条件时可用 and 或 or 连接各个条件

#示例
from(bucket: "wxm-influx")
	|> range(start: -24h)
	|> filter(fn:(r)=>(r.owner=="wxm" or r.key=="indoor"))
#取最近24小时，含有owner标签且值为wx或含有标签key且值为indoor的记录

其他

 from(bucket: "your_bucket")
  |> range(start: -1h)
  |> filter(fn: (r) => r._measurement == "your_measurement")
  |> filter(fn: (r) => r._field == "your_field")
  |> mean()
# 计算平均值


from(bucket: "your_bucket")
  |> range(start: -1h)
  |> filter(fn: (r) => r._measurement == "your_measurement")
  |> filter(fn: (r) => r._field == "your_field")
  |> sum()
  # 计算总和

集成springboot

配置

pom

<dependency>
   <groupId>com.influxdb</groupId>
   <artifactId>influxdb-client-java</artifactId>
   <version>6.7.0</version>
</dependency>

yml配置文件

influx:
  url: http://127.0.0.1:8086
  token: 你的token
  bucket: 你需要的桶
  org: 你设置的组织

config文件

@Data
@Configuration
public class InfluxValues {
    @Value("${influx.url}")
    private String url;
    @Value("${influx.token}")
    private String token;
    @Value("${influx.org}")
    private String org;
    @Value("${influx.bucket}")
    private String bucket;
}

@Data
@Configuration
public class InfluxConfig {
    @Autowired
    private InfluxValues influxValues;


    /**
     * 创建 InfluxDBClient 客户端
     * @return
     */
    @Bean
    public InfluxDBClient influxDBClient(){
        return InfluxDBClientFactory.create(influxDBClientOptions());
    }

    private InfluxDBClientOptions influxDBClientOptions() {
        return InfluxDBClientOptions.builder()
                .url(influxValues.getUrl())
                .org(influxValues.getOrg())
                .bucket(influxValues.getBucket())
                .authenticateToken(influxValues.getToken().toCharArray())
                .build();
    }

    @Bean
    public WriteApi writeApi() {
        InfluxDBClient influxDBClient = influxDBClient();
        return influxDBClient.makeWriteApi();
    }
}


@Service
@Slf4j
public class InfluxDBService {

    @Autowired
    private InfluxDBClient influxDBClient;

    @Autowired
    private InfluxValues influxValues;

    @Autowired
    private WriteApi writeApi;

    /**
     * 获取表90天数据
     *
     * @param measurement 表
     * @param bucket      桶
     * @return
     */
    public List<FluxTable> getList(String bucket, String measurement) {
        StringBuffer buffer = new StringBuffer();
        appendBucketFlux(buffer, bucket);
        appendTimeRangeLastFlux(buffer, 2160, "h");
        appendTableFlux(buffer, measurement);
        return influxDBClient.getQueryApi().query(buffer.toString(), influxValues.getOrg());
    }

    /**
     * 获取指定时间段内的数据
     *
     * @param hour 小时
     * @return
     */
    public List<FluxTable> getList(String bucket, int hour) {
        StringBuffer buffer = new StringBuffer();
        appendBucketFlux(buffer, bucket);
        appendTimeRangeLastFlux(buffer, hour, "h");

        return influxDBClient.getQueryApi().query(buffer.toString(), influxValues.getOrg());
    }

    /**
     * 获取指定时间段内表的数据
     *
     * @param hour 小时
     * @return
     */
    public List<FluxTable> getList(String bucket, String measurement, int hour) {
        StringBuffer buffer = new StringBuffer();
        appendBucketFlux(buffer, bucket);
        appendTimeRangeLastFlux(buffer, hour, "h");
        if (measurement != null) {
            appendTableFlux(buffer, measurement);
        }
        return influxDBClient.getQueryApi().query(buffer.toString(), influxValues.getOrg());
    }

    /**
     * 获取表数据(时间筛选)
     *
     * @param measurement 表
     * @return
     */
    public List<FluxTable> getList(String bucket, String measurement, String start, String stop) {
        StringBuffer buffer = new StringBuffer();
        appendBucketFlux(buffer, bucket);
        appendTimeRangeFlux(buffer, start, stop);
        appendTableFlux(buffer, measurement);
        return influxDBClient.getQueryApi().query(buffer.toString(), influxValues.getOrg());
    }

    /**
     * 获取表数据(时间筛选)
     *
     * @param bucket      桶
     * @param measurement 表
     * @param start       开始时间
     * @param stop        结束时间
     * @param limit       限制几个
     * @return
     */
//    public List<FluxTable> getList(String bucket, String measurement, String start, String stop) {
//        StringBuffer buffer = new StringBuffer();
//        appendBucketFlux(buffer, bucket);
//        appendTimeRangeFlux(buffer, start, stop);
//        appendTableFlux(buffer, measurement);
//        return influxDBClient.getQueryApi().query(buffer.toString(), influxValues.getOrg());
//    }

    /**
     * 写入数据
     *
     * @param measurement 表
     * @param map         map键值对
     */
    public void writeData(String measurement, Map<String, Object> map) {
        Point point = Point
                .measurement(measurement)
                .addTag("diff", measurement + DateUtil.formatDate(new Date(), DateUtil.ssFormat))
                .addFields(map)
                .time(Instant.now(), WritePrecision.NS);

        writeApi.writePoint(influxValues.getBucket(), influxValues.getOrg(), point);
    }

    /**
     * 写入数据
     * @param bucket 桶
     * @param measurement 表
     * @param map 参数
     */
    public void writeData(String bucket,String measurement, Map<String, Object> map) {
        Point point = Point
                .measurement(measurement)
                .addTag("diff", measurement + DateUtil.formatDate(new Date(), DateUtil.ssFormat))
                .addFields(map)
                .time(Instant.now(), WritePrecision.NS);

        writeApi.writePoint(bucket, influxValues.getOrg(), point);
    }

    /**
     * 数据源(桶)表达式
     *
     * @param buffer     buffer
     * @param bucketName 名称
     */
    public static void appendBucketFlux(StringBuffer buffer, String bucketName) {
        buffer.append("from(bucket: \"").append(bucketName).append("\") ");
    }

    /**
     * 表名表达式
     *
     * @param buffer    buffer
     * @param tableName 名称
     */
    public static void appendTableFlux(StringBuffer buffer, String tableName) {
        buffer.append("|> filter(fn: (r) => r._measurement == \"").append(tableName).append("\") ");
    }

    /**
     * 表名表达式
     *
     * @param buffer buffer
     * @param tag    名称
     */
    public static void appendTagFlux(StringBuffer buffer, String tag) {
        buffer.append("|> filter(fn: (r) => r.tag == \"").append(tag).append("\") ");
    }

    /**
     * field表达式
     *
     * @param buffer buffer
     * @param field  名称
     */
    public static void appendTagField(StringBuffer buffer, String field) {
        buffer.append("|> filter(fn: (r) => r._field == \"").append(field).append("\") ");
    }


    /**
     * 时间范围表达式  UTC时间
     *
     * @param buffer buffer
     * @param start  开始时间
     * @param stop   结束时间
     */
    public static void appendTimeRangeFlux(StringBuffer buffer, String start, String stop) {
        if (StringUtils.isEmpty(start)) {
            start = "2000-01-01T00:00:00.000Z";
        }
        if (StringUtils.isEmpty(stop)) {
            buffer.append("|> range(start:").append(start).append(") ");
        } else {
            buffer.append("|> range(start:").append(start).append(", stop:").append(stop).append(") ");
        }
    }

    /**
     * 最近多少时间
     *
     * @param buffer 参数
     * @param time   时间
     * @param unit   时间单位
     */
    public static void appendTimeRangeLastFlux(StringBuffer buffer, int time, String unit) {
        buffer.append("|> range(start: -").append(time).append(unit).append(" )");
    }
    
}

测试写入

@ApiOperation(value = "write", notes = "write")
@GetMapping(value = "/write")
public Result<?> write(@ApiParam("用电1/用水2/用气3") @RequestParam(name = "type") Integer type) {
    HashMap<String, Object> map = new HashMap<>();
    if (type == 1) {
        map.put("D2", "7");
        map.put("D1", "8");
        influxDBService.writeData("device1", map);
    }
    if (type == 2) {
        map.put("S1", "47");
        map.put("S2", "35");
        influxDBService.writeData("device2", map);
    }
    if (type == 3) {
        map.put("Q1", "3");
        map.put("Q2", "3");
        influxDBService.writeData("device3", map);
    }
    return Result.OK();
}

测试读取

    @ApiOperation(value = "test", notes = "test")
    @GetMapping(value = "/test")
    public Result<?> test() {
        List<FluxTable> record1 = influxDBService.getList(CollectConstants.BUCKET_ELECTRIC, null, "D1", DateUtil.dateToInFlux(new Date()), null);
        return Result.OK(record1);
    }

在这里插入图片描述

九辰O
关注
  • 24
    点赞
  • 踩
  • 22
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
SpringBoot整合InfluxDB
学而时习之，不亦说乎？温故而知新，可以为师矣！
11-30 1476
在需要使用类中注入 InfluxDBTemplate 即可。
springboot整合Influxdb2.x
u011353623的博客
07-19 1241
可参考链接：1.2.
springboot整合influxDB
mx132465的博客
07-28 555
influxdb整合入springboot入门
spring-boot2集成influxDB
t0m的专栏
11-06 4339
自spring-boot 2.0开始，spring-boot-autoconfigure提供了influxdb的简单集成实现类InfluxDbAutoConfiguration. 该类生效条件为@ConditionalOnClass(InfluxDB.class)，所以只要引入influxdb-java依赖，就会自动生效。 compile group: 'org.influxdb', name...
InfluxDB整合Springboot
weixin_47638656的博客
12-08 1278
文章目录InfluxDB整合Springbootpom.xmlapplication.yml配置文件InfluxDB结构InfluxDbConfigInfluxDbUtilsInfluxDBServiceInfluxDBTest InfluxDB整合Springboot pom.xml <dependency> <groupId>org.influxdb</groupId> <artifactId>influxdb-java</artifac
Springboot整合influxdb
m0_46364414的博客
04-23 1154
【代码】Springboot整合influxdb。
Spring boot 整合influxdb2
@chenk的博客
08-01 428
访问8086初始化 账号组织和新建bucket 创建密钥 这些豆记录下来。
SpringBoot 整合 InfluxDB1.x 三种方式
TCLms的博客
01-09 9477
本人已知SpringBoot集成InfluxDB有三种方式，原生集成、spring封装集成、influxDB封装框架，使用如同Mybatis简洁方便，本文将依次介绍使用方式。
中间件学习--InfluxDB部署（docker）及springboot代码集成实例
weisian的博客
03-26 2683
（2）、写入性能极优，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。通常，关系型数据库采用 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。数据特点就是冷热差别明显，一般近期产生的数据为热数据，产生时间较远的数据为冷数据，冷数据被压缩放到磁盘里去来节省空间。下图为配置界面，具体本人配置如上面的文字描述，下面的界面仅第一次会出现，之后就没有，所以无法截图了。非关系型数据库，以时间作为数据主键，专门用来存储时序数据。
InfluxDB查询 导出数据 mybatis SpringBoot
07-22
在本场景中，SpringBoot被用来搭建后端服务，集成InfluxDB和MyBatis，实现数据查询和导出功能。 4. **其他文件相关知识点**： - **Postman.docx**：Postman是一款流行的API测试和调试工具，可能用于测试InfluxDB的...
springboot+influxdb实现crud操作案例
健康平安的活着的专栏
05-28 390
一 工程结构 二 .工程代码详解 2.1 pom文件 <dependencies> <dependency> <groupId>junit</groupId> <artifactId>junit</artifactId> <version>4.13</version> <scope>test</scope> &lt
Spring Boot进阶(59)：【实战教程】使用Spring Boot集成InfluxDB时序数据库，打造高效数据监控系统！
**My Coding Family**
08-27 4232
SpringBoot如何集成时序数据库InfluxDB？手把手教学，等你来战！
boot编写批量新增 spring_SpringBoot整合influxdb使用BatchPoints实现批量插入数据功能...
weixin_39609483的博客
12-19 1305
最近有个物联网项目，需要在SpringBoot里对influxdb进行整合，并且需要插入数据到influxdb中，基本的代码示例记录一下。POM依赖org.influxdbinfluxdb-java2.15Application.yml配置文件spring:influx:url: http://192.168.10.59:8086user:password:database: iotbigdata...
深入理解Spring Boot结合MyBatis调用MySQL，并实现主从复制读写分离
weixin_39996520的博客
09-04 1752
MyBatis作为一款灵活的持久层框架，与Spring Boot结合使用，可以为开发者提供高效、简洁的数据库访问层。本文将详细讲解如何在Spring Boot项目中结合MyBatis调用MySQL，并实现主从复制的读写分离。我们将以电商交易系统为案例，通过实际代码示例展示如何进行配置和实现。
Spring boot启动过程详解
chyohn的博客
09-05 829
本篇主要介绍spring boot在启动过程中都做了哪些工作，重点介绍在spring容器ApplicationContext刷新前都做了哪些准备，本篇以源码解释为主，示例为辅进行梳理其过程。Spring boot整个启动过程分为3部分，分别是1.准备环境配置，2. 准备Spring容器并刷新容器，3. 容器刷新后处理。每个部分又有如下图所示的步骤，本篇详细讲解这些步骤。
学生心理健康评估：Spring Boot解决方案
最新发布
2402_85762143的博客
09-08 672
有了程序功能的操作，也需要对程序操作的各个功能所产生的数据信息存放在一个固定的仓库里面，这个所谓的仓库就是大家最熟悉的程序开发需要使用的数据库了，数据库能够发展到至今的模样，其实也是经历了很多的变化历程的，在最开始由于数据信息处理的需要开始推出最低级的数据管理，这个阶段也是数据库早期的人工管理的阶段，后来也经历了文件管理的阶段，这个阶段的数据管理因为信息不能够进行共享，加上管理的数据对配套的程序产生了较强的依赖性，在数据信息管理上也存在很多数据的重复记载造成数据冗余等问题。下面将对其进行分别介绍。
Spring Boot 注解探秘：@Validated 开启数据验证之旅（上）
weixin_45593273的博客
09-04 1025
在 Java Web项目开发中，数据验证是一项至关重要的环节。Spring框架中的@Validated注解为我们提供了一种方便而强大的方式来实现数据验证。本文将详细介绍 @Validated 注解的用法及其在 Spring Boot 应用中的实践。
六，Spring Boot 容器中 Lombok 插件的详细使用，简化配置，提高开发效率
weixin_61635597的博客
09-02 1293
简化 Java Bean开发，可以使用 Lombok 的注解让代码更加简洁。Java项目中，很多没有技术含量但又必须存在的代码；比如：Pojo 的 getter/setter/toString；异常处理：I/O流的关闭操作等等。Java项目中，很多没有技术含量但又必须存在的代码：比如：这些代码既没有技术含量，又影响着代码的美观，Lombok 应运而生。Spring Boot 和 IDEA 官方支持IDEA 2020已经内置了 Lombok插件。
springboot集成influxdb 2
09-08
关于Spring Boot集成InfluxDB 2，你可以按照以下步骤进行操作： 1. 添加InfluxDB 2依赖：在你的Spring Boot项目的pom.xml文件中添加以下依赖： ```xml <groupId>org.influxdb <artifactId>influxdb-spring ...
评论 1
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