influxdb 文档_时序数据库 应用场景

大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE稳定放心使用

InfluxDB是一个由InfluxData开发的开源时序型数据。它由Go写成，着力于高性能地查询与存储时序型数据。InfluxDB被广泛应用于存储系统的监控数据，IoT行业的实时数据等场景。

InfluxDB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

InfluxDB详解_顺其自然~的博客-CSDN博客_influxdb

database：数据库；
measurement：数据库中的表；
points：表里面的一行数据。
influxDB中独有的一些概念：Point由时间戳（time）、数据（field）和标签（tags）组成。series：一些数据结合，同一个database下，retention policy、measurement、tag sets完全相同的数据同属于一个 series，同一个series的数据物理上会存放在一起；

在influxdb中，字段必须存在。因为字段是没有索引的。如果使用字段作为查询条件，会扫描符合查询条件的所有字段值，性能不及tag。类比一下，fields相当于SQL的没有索引的列。
tags是可选的，但是强烈建议你用上它，因为tag是有索引的，tags相当于SQL中的有索引的列。tag value只能是string类型。
 

常用InfluxQL


-- 查看所有的数据库
show databases;
-- 使用特定的数据库
use database_name;
-- 查看所有的measurement
show measurements;
-- 查询10条数据
select * from measurement_name limit 10;
-- 数据中的时间字段默认显示的是一个纳秒时间戳，改成可读格式
precision rfc3339; -- 之后再查询，时间就是rfc3339标准格式
-- 或可以在连接数据库的时候，直接带该参数
influx -precision rfc3339
-- 查看一个measurement中所有的tag key 
show tag keys
-- 查看一个measurement中所有的field key 
show field keys
-- 查看一个measurement中所有的保存策略(可以有多个，一个标识为default)
show retention policies;


create database db1  -- 创建数据库db1
drop database db1  -- 删除数据库db1
drop measurement mt1  -- 删除表mt1
delete from measurement [WHERE <tag_key> <operator>]
drop shard <shard_id_num> 删除分片

函数 · InfluxDB中文文档     

influxdbV1 和influxdbV2
1. 查询方法变更
原来使用InfluxQL方式查询，现在使用内置的Flux方式查询

2. 底层数据结构变更
原来的bucket+时间保留计划=现在的bucket

3. task取代连续查询
1.x版本和2.x版本最大的差异是连续查询(continuous query)已经被任务(task)所取代。influxdb中的连续查询功能是对外提供的对数据处理的功能，如为了预防我们的存储日志过大会建立起保存策略，超过设置的超时时间数据就丢失了。针对这种情况，我们可以通过连续查询功能，对用户的数据进行汇总、抽样等操作，再插入到另外的表中即可，虽然丢失了一定的精度，但是让数据占用的空间大大减小。
 

安装与访问

2.x版本，需要记住 bucket host org  token

时序数据库influxDB（一）Linux安装与图形化/CLI连接influxDB2.2.0_xuehu96的博客-CSDN博客_influxdb连接

Flux query basics | Flux 0.x Documentation

from(bucket: "example-bucket")              // ── Source
    |> range(start: -1d)                    // ── Filter on time
    |> filter(fn: (r) => r._field == "foo") // ── Filter on column values
    |> group(columns: ["sensorID"])         // ── Shape
    |> mean()                               // ── Process