InfluxDB使用教程：InfluxDB中数据结构概念

前言：

在前面两讲中，介绍了InfluxDB的安装和使用，这一讲来介绍InfluxDB中数据结构的基本概念，以及使用中要注意问题，。

一. InfluxDB基本数据结构

数据结构	含义
database	数据库
measurement	数据库中的表
retention policy	保存策略：让InfluxDB能够知道可以丢弃哪些数据，设置数据自动清除时间，从而更高效的处理数据
points	表里面的一行数据

二.points的数据结构介绍：

数据结构	含义
time	每个数据记录时间，是数据库中的主索引(会自动生成)
fields	各种记录值（没有索引的属性）也就是记录的值
tags	各种有索引的属性
series	表示这个表里面的数据，可以在图表上画成几条线：通过tags排列组合算出来。

特别提醒：

1. time 相当于表的主键，当一条数据的time和tags完全相同时候，新数据会替换掉旧数据，旧数据则丢失（线上环境尤其要注意）。
2. tags 和time可以作为排序字段，field则不可以。如：ORDER BY time DESC
3. 设置了保存策略后，若此保存策略为设置成默认保存策略（一个库可以有多个保存策略），则在查询时，表名（measurement）前，要加上保存策略。
   举例：
   保留策略为two-hour不是默认保存策略，则查询时候，需要指定其保存策略。

select * from two-hour.measure where time > now() -10

4. fields和tags的字段类型是由存入的第一条记录值决定的。
   举例：

• 如第一条记录fieldA的值为2，想插入一条记录，fieldA字段值为3.14的值，就会报错。因为该字段已经被初始化为整型了。
• 如第一条记录fieldB存储的是3,想插入一条记录，fieldB字段值为hello,则也会报错，该字段已被初始化成整型，不能再写入字符串了。

三.如何统一InfluxDB数据类型，防止丢失数据？

建议只使用字符串类型和浮点类型，把所有的整型，长整型，浮点型，双精度型统一转为小数格式的浮点类型，再写入数据库，字符串类型的不用做转换，这样就不会出现插入数据失败和丢失数据了。