InfluxDB的安装与Python调用

简介: InfluxDB是一个高性能的时序数据库(Time-Series Database, TSDB),用于存储和分析时间序列数据的开源数据库,它非常适合于处理大量的时间戳数据,如金融市场数据、IoT 设备数据、监控数据等,尤其适合处理大量的时序数据和高频数据。主要特性有:• 内置HTTP接口,使用方便• 数据可以打标记,查询可以很灵活• 类SQL的查询语句• 安装管理很简单,并且读写数据很高效• 能够实时查询,数据在写入时被索引后就能够被立即查出

什么是 InfluxDB?

InfluxDB是一个高性能的时序数据库(Time-Series Database, TSDB),用于存储和分析时间序列数据的开源数据库,它非常适合于处理大量的时间戳数据,如金融市场数据、IoT 设备数据、监控数据等,尤其适合处理大量的时序数据和高频数据。


主要特性有:

  • 内置HTTP接口,使用方便
  • 数据可以打标记,查询可以很灵活
  • 类SQL的查询语句
  • 安装管理很简单,并且读写数据很高效
  • 能够实时查询,数据在写入时被索引后就能够被立即查出

安装InfluxDB服务端(Windows下)

在InfluxDB官网文档中选择适用于 Windows 的 .zip 安装包

1723892688476.jpg

下载解压,找到 influxd.exe 文件,2.7这个版本没办法双击exe程序启动,只能用cmd或者power 启动InfluxDB 服务。

influx2.7 服务端和客户端已经分离,需要客户端的要另外下载,influxd.exe是服务端,influx.exe是客户端。

1723892727383.jpg

1723892739177.jpg

这样就启动成功了,默认情况下,InfluxDB 将在 localhost:8086 上运行。浏览器输入可以访问InfluxDB的web端管理界面,在 Web 界面中,初次进入需要注册账户,设置组织(organization)用于管理数据和权限、桶(bucket)是数据的存储单元 以及创建 API 密钥(token)。

1723892765643.jpg

如果不想用web界面 操作创建用户密码和数据库的话,也可以通过InfluxDB客户端程序,通过命令创建。

安装InfluxDB客户端

在官方文档中下载InfluxDB CLI下载解压后,按照Web界面的提示,初始化客户端基本配置,然后可以通过指令对数据库进行操作,本文不做介绍,我们着重使用Python来进行数据库的各种读写操作。

1723892839422.jpg

1723892857064.jpg

1723892883794.jpg

1723892891441.jpg

InfluxDB 的数据模型与结构

InfluxDB 的数据模型与传统的关系型数据库不同。它主要包括以下几个概念:

  • Point(数据点): 数据点是 InfluxDB 中的数据单元,包括时间戳、测量、标签和字段。
  • Bucket(桶):是数据的逻辑分区,用于存储不同的时间序列数据。桶类似于关系型数据库中的数据库或表空间。
  • Organization(组织): 组织是用户、桶和权限的管理单位。一个组织可以包含多个用户和桶。
  • Measurement(测量):类似于关系型数据库中的表(table),表示一类数据的集合。
  • Tag(标签):用于索引数据,便于查询。类似于数据库中的索引字段,标签是键值对(key-value pair),值是字符串类型。
  • Field(字段):存储实际的数据值,也是键值对。字段值可以是各种数据类型(整数、浮点数、字符串、布尔值)。字段不被索引。
  • Timestamp(时间戳):每条记录的时间戳,用于标识数据的时间点。时间戳是数据的索引,所有的查询都是基于时间戳进行的。


下面代码中的金融类期权数据的示例数据模型,包含测量、标签和字段:

  • Measurement(测量):options
  • Tags(标签):contract, exchange, type
  • contract:期权合约代码,如 AAPL210416C00125000
  • exchange:交易所,如 NASDAQ
  • type:期权类型,如 CALL 或 PUT
  • Fields(字段):strike_price, market_price
  • strike_price:执行价,如 125.00
  • market_price:市场价格,如 5.50
  • Timestamp(时间戳):数据点的时间

Python基本操作

使用 pip 安装 InfluxDB 的 Python 客户端库:

pip install influxdb-client

以下是一个简单的 Python 示例代码,用于将数据写入 InfluxDB:

from influxdb_client import InfluxDBClient, Point, WritePrecision
from datetime import datetime
from influxdb_client.client.write_api import SYNCHRONOUS

# 配置 InfluxDB 客户端
url = "http://localhost:8086"  
token = "your_token"  # 替换为你的 API Token
org = "your_org"      # 替换为你的组织名
bucket = "your_bucket" # 替换为你的桶名

# 初始化 InfluxDB 客户端
client = InfluxDBClient(url=url, token=token, org=org)
write_api = client.write_api(write_options=SYNCHRONOUS)
query_api = client.query_api()


# 写入期权数据示例
def write_option_data():
    option_contract = "AAPL210416C00125000" # 期权合约代码
    exchange = "NASDAQ" # 交易所
    option_type = "CALL" # 期权类型
    strike_price = 125.00  # 执行价
    market_price = 5.50   # 市场价格

    point = Point("options") \  # 创建一个名为 options 的测量(measurement)
        .tag("contract", option_contract) \ # 添加期权合约代码作为标签(tag)
        .tag("exchange", exchange) \ # 添加交易所作为标签(tag)。
        .tag("type", option_type) \ # 添加期权类型(CALL/PUT)作为标签(tag)
        .field("strike_price", strike_price) \ # 添加执行价作为字段(field)
        .field("market_price", market_price) \ # 添加市场价格作为字段(field)
        .time(datetime.utcnow(), WritePrecision.NS) # 设置数据点的时间戳为当前时间,并指定时间精度为纳秒(NS)

    write_api.write(bucket=bucket, org=org, record=point) # 写入数据
    
# 查询期权数据示例
def query_option_data():
    # from(bucket:"{bucket}"): 从指定的 bucket 中查询数据。
    # |> range(start: -1h): 查询最近一小时内的数据。
    # |> filter(fn: (r) => r._measurement == "options"): 过滤数据,只保留测量名称为 options 的数据。
    query = f'from(bucket:"{bucket}") |> range(start: -1h) |> filter(fn: (r) => r._measurement == "options")'
    tables = query_api.query(query=query, org=org)

    # 使用字典保存字段值
    data = {}
    print(tables)
    for table in tables:
        for record in table.records:
            print(record)
            field_name = record["_field"]
            field_value = record["_value"]
            data[field_name] = field_value
            if "contract" not in data:
                data["contract"] = record["contract"]
            if "type" not in data:
                data["type"] = record["type"]
            if "exchange" not in data:
                data["exchange"] = record["exchange"]

    # 打印结果
    print(
        f"Contract: {data.get('contract')}, Type: {data.get('type')}, Exchange: {data.get('exchange')}, Strike Price: {data.get('strike_price')}, Market Price: {data.get('market_price')}"
    )

# 主函数
if __name__ == "__main__":
    # 写入示例数据
    write_option_data()

    # 查询示例数据
    query_option_data()

1723892986736.jpg

作者:花花木较瘦

链接:https://juejin.cn/post/7399453056972587046

相关文章
|
1月前
|
PyTorch Linux 算法框架/工具
pytorch学习一:Anaconda下载、安装、配置环境变量。anaconda创建多版本python环境。安装 pytorch。
这篇文章是关于如何使用Anaconda进行Python环境管理,包括下载、安装、配置环境变量、创建多版本Python环境、安装PyTorch以及使用Jupyter Notebook的详细指南。
255 1
pytorch学习一:Anaconda下载、安装、配置环境变量。anaconda创建多版本python环境。安装 pytorch。
|
1月前
|
XML 数据格式 Python
Python实用记录(五):labelImg安装和使用-----看这篇就够了!
这篇文章介绍了在Windows 10系统中使用Anaconda3安装labelImg工具的方法,包括通过pip安装相关包和从GitHub下载配置,以及一些使用技巧,如修改预定义类别和自动保存功能。
181 3
|
1月前
|
网络协议 Java Linux
PyAV学习笔记(一):PyAV简介、安装、基础操作、python获取RTSP(海康)的各种时间戳(rtp、dts、pts)
本文介绍了PyAV库,它是FFmpeg的Python绑定,提供了底层库的全部功能和控制。文章详细讲解了PyAV的安装过程,包括在Windows、Linux和ARM平台上的安装步骤,以及安装中可能遇到的错误和解决方法。此外,还解释了时间戳的概念,包括RTP、NTP、PTS和DTS,并提供了Python代码示例,展示如何获取RTSP流中的各种时间戳。最后,文章还提供了一些附录,包括Python通过NTP同步获取时间的方法和使用PyAV访问网络视频流的技巧。
197 4
PyAV学习笔记(一):PyAV简介、安装、基础操作、python获取RTSP(海康)的各种时间戳(rtp、dts、pts)
|
1月前
|
机器学习/深度学习 Python
【10月更文挑战第5天】「Mac上学Python 6」入门篇6 - 安装与使用Anaconda
本篇将详细介绍如何在Mac系统上安装和配置Anaconda,如何创建虚拟环境,并学习如何使用 `pip` 和 `conda` 管理Python包,直到成功运行第一个Python程序。通过本篇,您将学会如何高效地使用Anaconda创建和管理虚拟环境,并使用Python开发。
65 4
【10月更文挑战第5天】「Mac上学Python 6」入门篇6 - 安装与使用Anaconda
|
1月前
|
IDE 开发工具 iOS开发
【10月更文挑战第3天】「Mac上学Python 3」入门篇3 - 安装Python与开发环境配置
本篇将详细介绍如何在Mac系统上安装Python,并配置Python开发环境。内容涵盖Python的安装、pip包管理工具的配置与国内镜像源替换、安装与配置PyCharm开发工具,以及通过PyCharm编写并运行第一个Python程序。通过本篇的学习,用户将完成Python开发环境的搭建,为后续的Python编程工作打下基础。
180 2
【10月更文挑战第3天】「Mac上学Python 3」入门篇3 - 安装Python与开发环境配置
|
1月前
|
iOS开发 MacOS Python
【10月更文挑战第1天】「Mac上学Python 1」入门篇1 - 安装Typora与Markdown编辑技巧
本篇将详细介绍如何在Mac系统上安装Typora这款简洁高效的Markdown编辑器,并学习Markdown常用语法。通过本篇,用户能够准备好记录学习笔记的工具,并掌握基本的文档编辑与排版技巧,为后续学习提供便利。
149 1
【10月更文挑战第1天】「Mac上学Python 1」入门篇1 - 安装Typora与Markdown编辑技巧
|
1月前
|
Python
Python 三方库下载安装
Python 三方库下载安装
28 1
|
1月前
|
机器学习/深度学习 缓存 PyTorch
pytorch学习一(扩展篇):miniconda下载、安装、配置环境变量。miniconda创建多版本python环境。整理常用命令(亲测ok)
这篇文章是关于如何下载、安装和配置Miniconda,以及如何使用Miniconda创建和管理Python环境的详细指南。
359 0
pytorch学习一(扩展篇):miniconda下载、安装、配置环境变量。miniconda创建多版本python环境。整理常用命令(亲测ok)
|
1月前
|
Python
Jetson环境安装(二):ubuntu18.0卸载和安装python3
在Jetson Nano上如何卸载Python 3.7并重新安装Python 3.7.0版本的详细步骤,包括卸载命令、安装依赖库、下载和编译Python源码以及建立软链接等。
56 2
|
1月前
|
Python
pip批量安装Python库 requirement.txt 离线环境无互联网环境下pip安装Python库
pip批量安装Python库 requirement.txt 离线环境无互联网环境下pip安装Python库
109 3