InfluxDB:开启你的高性能读写数据之旅!

简介: InfluxDB:开启你的高性能读写数据之旅!

简介influxDb

InfluxDB 是一款开源的时序数据库(Time Series Database,简称TSDB)。

专门设计用于高效地存储、检索和分析时间序列数据。

这种类型的数据通常由时间戳和一组数值组成,广泛用于监控系统、传感器数据收集、实时分析等多种应用场景。

influxDB具有以下特点:

高性能数据存储InfluxDBTSM 引擎提供了数据的高速读写和压缩功能,使其在处理大规模时序数据时表现出色。

简单高效的API接口InfluxDB 提供了简单高效的 HTTP API 用于数据的写入和查询,以及类似SQL的查询语言,便于用户进行数据聚合查询

索引功能InfluxDB 允许对 tag 建立索引,实现快速有效的数据查询

数据保留策略InfluxDB 具有数据保留策略,可以自动使旧数据失效,从而优化存储空间的使用

部署简单InfluxDB 利用 Go语言 的特性,无需任何外部依赖即可独立部署,简化了部署过程

丰富的聚合运算和采样能力InfluxDB 提供了灵活的数据保存策略和连续查询功能,适合对海量数据进行采样和分析

支持多种协议InfluxDB 支持多种数据采集协议,包括 HTTPUDP 等,同时兼容其他数据采集组件的通讯协议

强大的生态InfluxDBTICK 栈的一部分,与其他组件如 TelegrafChronografKapacitor等集成,提供从数据采集到可视化的完整解决方案

数据可视化和监控集成InfluxDB 可以与 GrafanaPrometheus 等数据可视化工具和监控系统集成,方便用户创建监控仪表盘和分析数据

高性能读写InfluxDB 针对时间序列数据进行了优化,具有高写入和高查询性能,适合处理大规模数据量

数据压缩InfluxDB 利用时间序列数据的特性进行数据压缩,有效减小存储占用

可扩展性InfluxDB 支持水平扩展,可以通过增加节点来提高存储和查询能力

安装

进入官网


https://www.influxdata.com/

下载influxdb

启动服务

把下载好的安装包解压后,打开 cmd 窗口,切换到运行文件目录。输入:influx

此时 influx 服务已经启动,然后就是初始化配置。

基本配置

打开浏览器窗口输入以下网址:


http://127.0.0.1:8086/

出现以下界面

开始配置

配置完成

influx 名词跟关系数据库的对比

sql influx
表(Table) 逻辑容器(measurement)
库(database) 桶(buckets)
列(column) 字段(Field)
索引(Index) 索引(tags)

添加数据

此处用 http 添加数据,用 postman 导入下面 url


curl --request POST \
"http://localhost:8086/api/v2/write?org=YOUR_ORG&bucket=YOUR_BUCKET&precision=ns" \
  --header "Authorization: Token YOUR_API_TOKEN" \
  --header "Content-Type: text/plain; charset=utf-8" \
  --header "Accept: application/json" \
  --data-binary '
    airSensors,sensor_id=TLM0201 temperature=73.97038159354763,humidity=35.23103248356096,co=0.48445310567793615 1630424257000000000
    airSensors,sensor_id=TLM0202 temperature=75.30007505999716,humidity=35.651929918691714,co=0.5141876544505826 1630424257000000000
    '

更改 tokenorg ,和 bucket

influx 的写入格式如下:


measurement,tag_key=tag_value field_key="field_value" timestamp

查看添加的数据

读取数据

此处用 http 请求读取数据,用 postman 导入以下 curl


curl -G "http://[InfluxDB_host]:8086/query?db=mydb" --data-urlencode "q=SELECT+\"value\"+FROM+\"temperature\"+WHERE+time+%3E%3D+now%28%29+-+1h" --header "Authorization: Token [YourAuthToken]"

更改成你自己的配置,读取数据如下:

删除数据

此处用 http 请求读取数据,用 postman 导入以下 curl


curl --location --request POST 'http://127.0.0.1:8086/api/v2/delete?org=root&bucket=environment' \
--header 'Authorization: Token [youer token]' \
--header 'Content-Type: application/json' \
--data-raw '{
    "start":"2020-06-10T16:00:00Z",
    "stop":"2024-07-11T19:40:00Z"
}'

控制面板查看,此时是有数据的:

执行删除:

此时查看数据已经没有了:

总结

InfluxDB 的使用场景主要集中在需要高效处理和分析时间序列数据的领域。

比如:监控系统,物联网,实时分析,金融交易监控,环境监测等。

尽管 influx 的性能强大,但是跟传统数据的使用场景还是有很大区别,比如时序数据库不支持修改数据。

选择合适的工具,完成目标才是最重要的。



相关文章
|
7月前
|
存储 关系型数据库 OLAP
TiDB适用场景解析:海量数据存储与高并发读写的利器
【2月更文挑战第25天】随着大数据时代的到来,海量数据存储和高并发读写成为众多企业面临的挑战。TiDB作为一种高性能、分布式的关系型数据库,以其独特的架构和强大的功能,在多个场景中展现出了卓越的性能。本文将详细探讨TiDB在海量数据存储、高并发读写等场景下的适用情况,分析其在不同业务场景中的优势与应用价值。
|
7月前
|
缓存 NoSQL 数据库
探秘Redis读写策略:CacheAside、读写穿透、异步写入
本文介绍了 Redis 的三种高可用性读写模式:CacheAside、Read/Write Through 和 Write Behind Caching。CacheAside 简单易用,但可能引发数据不一致;Read/Write Through 保证数据一致性,但性能可能受限于数据库;Write Behind Caching 提高写入性能,但有数据丢失风险。开发者应根据业务需求选择合适模式。
808 2
探秘Redis读写策略:CacheAside、读写穿透、异步写入
|
21天前
|
缓存 物联网 数据库
InfluxDB vs TDengine :2025 年了,谁家用的数据库还不能高效读缓存?
在工业互联网和物联网的大数据应用场景中,实时数据的写入和查询性能至关重要。如何快速获取最新设备状态并实时处理数据,直接影响到业务的高效运转。本文将深入分析 TDengine 和 InfluxDB 在缓存机制上的差异,帮助读者更好地理解这两款主流时序数据库在性能优化方面的优劣。
50 1
|
2月前
|
存储 缓存 NoSQL
大数据-38 Redis 高并发下的分布式缓存 Redis简介 缓存场景 读写模式 旁路模式 穿透模式 缓存模式 基本概念等
大数据-38 Redis 高并发下的分布式缓存 Redis简介 缓存场景 读写模式 旁路模式 穿透模式 缓存模式 基本概念等
75 4
|
2月前
|
消息中间件 存储 缓存
大数据-71 Kafka 高级特性 物理存储 磁盘存储特性 如零拷贝、页缓存、mmp、sendfile
大数据-71 Kafka 高级特性 物理存储 磁盘存储特性 如零拷贝、页缓存、mmp、sendfile
78 3
|
2月前
|
存储 缓存 NoSQL
大数据-46 Redis 持久化 RDB AOF 配置参数 混合模式 具体原理 触发方式 优点与缺点
大数据-46 Redis 持久化 RDB AOF 配置参数 混合模式 具体原理 触发方式 优点与缺点
72 1
|
缓存 监控 NoSQL
分布式文件存储与数据缓存 Redis高可用分布式实践(下)(三)
分布式文件存储与数据缓存 Redis高可用分布式实践(下)(三)
|
存储 缓存 NoSQL
分布式文件存储与数据缓存 Redis高可用分布式实践(下)(四)
分布式文件存储与数据缓存 Redis高可用分布式实践(下)(四)
|
存储 缓存 NoSQL
分布式文件存储与数据缓存 Redis高可用分布式实践(上)(二)
分布式文件存储与数据缓存 Redis高可用分布式实践(上)(二)
|
存储 缓存 NoSQL
分布式文件存储与数据缓存 Redis高可用分布式实践(下)(二)
分布式文件存储与数据缓存 Redis高可用分布式实践(下)(二)