InfluxDB性能优化：写入与查询调优
【4月更文挑战第30天】本文探讨了InfluxDB的性能优化，主要分为写入和查询调优。写入优化包括批量写入、调整写入缓冲区、数据压缩、shard配置优化和使用HTTP/2协议。查询优化涉及索引优化、查询语句调整、缓存管理、分区与分片策略及并发控制。根据实际需求应用这些策略，可有效提升InfluxDB的性能。
Grafana完整教程
本文介绍了Grafana与Prometheus的安装与配置流程，涵盖源配置、端口设置、服务端与客户端安装、Node Exporter部署及自启动设置，同时提供多服务器监控方案与推荐Dashboard。
InfluxDB数据之谜：如何巧妙地删除和修改你的时间序列数据？
【8月更文挑战第20天】InfluxDB是一款高性能时间序列数据库，专为快速存储与检索时间序列数据设计。本文通过Python示例介绍如何在InfluxDB中执行数据删除与间接修改操作。首先安装`influxdb`库，接着连接数据库。使用`DELETE`语句可按条件删除数据；因InfluxDB不直接支持数据修改，可通过查询、更新并重写数据的方式来实现。注意这种方式可能影响性能，需谨慎使用。随着社区发展，未来将提供更多高效的数据管理工具。
查询提速11倍、资源节省70%，阿里云数据库内核版 Apache Doris 在网易日志和时序场景的实践
网易的灵犀办公和云信利用 Apache Doris 改进了大规模日志和时序数据处理，取代了 Elasticsearch 和 InfluxDB。Doris 实现了更低的服务器资源消耗和更高的查询性能，相比 Elasticsearch，查询速度提升至少 11 倍，存储资源节省达 70%。Doris 的列式存储、高压缩比和倒排索引等功能，优化了日志和时序数据的存储与分析，降低了存储成本并提高了查询效率。在灵犀办公和云信的实际应用中，Doris 显示出显著的性能优势，成功应对了数据增长带来的挑战。