使用GoFrame连接和操作TDengine时序数据库

简介: 通过使用GoFrame框架和TDengine Go驱动,我们可以方便地连接和操作TDengine时序数据库。无论是插入、查询还是分析时序数据,都可以通过简单的API调用来实现。GoFrame提供了强大的Web开发功能,结合TDengine的高性能时序数据存储和查询能力,可以构建高效、可扩展的时序数据应用。

TDengine是一个高性能、可扩展的时序数据库,特别适用于物联网、工业互联网、车联网等场景下的大规模时序数据存储和分析。本文将介绍如何使用GoFrame框架连接和操作TDengine数据库,实现时序数据的插入、查询和分析。

前提条件

在开始之前,确保你已经具备以下条件:

  • 已安装Go语言环境
  • 已安装GoFrame框架
  • 已安装TDengine数据库

安装TDengine Go驱动

首先,我们需要安装TDengine的Go驱动。可以使用以下命令进行安装:

bash

代码解读

复制代码

go get -u github.com/taosdata/driver-go/v2

配置TDengine连接信息

在项目中创建一个配置文件,例如tdengine.yaml,用于配置TDengine的连接信息。

yaml

代码解读

复制代码

# tdengine.yaml
tdengine:
  host: "127.0.0.1"
  port: 6030
  username: "root"
  password: "taosdata"
  database: "test"

其中,hostport表示TDengine服务的地址和端口,usernamepassword表示连接的用户名和密码,database表示要使用的数据库。

连接TDengine数据库

使用以下代码连接TDengine数据库:

go

代码解读

复制代码

package main

import (
	"database/sql"
	"fmt"

	"github.com/gogf/gf/v2/frame/g"
	"github.com/gogf/gf/v2/os/gctx"
	_ "github.com/taosdata/driver-go/v2/taosSql"
)

func main() {
	// 读取配置
	ctx := gctx.New()
	host := g.Cfg().MustGet(ctx, "tdengine.host").String()
	port := g.Cfg().MustGet(ctx, "tdengine.port").Int()
	username := g.Cfg().MustGet(ctx, "tdengine.username").String()
	password := g.Cfg().MustGet(ctx, "tdengine.password").String()
	database := g.Cfg().MustGet(ctx, "tdengine.database").String()

	// 构建连接字符串
	connStr := fmt.Sprintf("%s:%s@tcp(%s:%d)/%s", username, password, host, port, database)

	// 建立连接
	taosConn, err := sql.Open("taosSql", connStr)
	if err != nil {
		g.Log().Fatalf(ctx, "连接TDengine失败: %v", err)
	}
	defer taosConn.Close()

	// 执行查询
	rows, err := taosConn.Query("SHOW DATABASES")
	if err != nil {
		g.Log().Fatalf(ctx, "查询失败: %v", err)
	}
	defer rows.Close()

	// 遍历查询结果
	for rows.Next() {
		var dbName string
		err := rows.Scan(&dbName)
		if err != nil {
			g.Log().Errorf(ctx, "获取数据失败: %v", err)
			continue
		}
		fmt.Printf("数据库名称: %s\n", dbName)
	}
}

在上述代码中,我们读取配置文件中的TDengine连接信息,构建连接字符串,并使用sql.Open函数建立连接。然后,使用Query方法执行查询语句,并遍历查询结果。

注意:

由于其原生的驱动使用了cgo,因此需要安装gcc编译工具,才能编译出可执行文件。如果没有gcc环境建议使用其restful api

插入时序数据

使用以下代码插入时序数据到TDengine数据库:

go

代码解读

复制代码

package main

import (
	"database/sql"
	"fmt"
	"time"

	"github.com/gogf/gf/v2/frame/g"
	"github.com/gogf/gf/v2/os/gctx"
)

func main() {
	// 读取配置
	ctx := gctx.New()
	host := g.Cfg().MustGet(ctx, "tdengine.host").String()
	port := g.Cfg().MustGet(ctx, "tdengine.port").Int()
	username := g.Cfg().MustGet(ctx, "tdengine.username").String()
	password := g.Cfg().MustGet(ctx, "tdengine.password").String()
	database := g.Cfg().MustGet(ctx, "tdengine.database").String()

	// 构建连接字符串
	connStr := fmt.Sprintf("%s:%s@tcp(%s:%d)/%s", username, password, host, port, database)

	// 建立连接
	taosConn, err := sql.Open("taosSql", connStr)
	if err != nil {
		g.Log().Fatalf(ctx, "连接TDengine失败: %v", err)
	}
	defer taosConn.Close()

	// 创建数据表
	_, err = taosConn.Exec("CREATE TABLE IF NOT EXISTS sensor_data (ts TIMESTAMP, temperature FLOAT, humidity FLOAT)")
	if err != nil {
		g.Log().Fatalf(ctx, "创建数据表失败: %v", err)
	}

	// 插入数据
	now := time.Now()
	temperature := 25.5
	humidity := 60.8
	_, err = taosConn.Exec("INSERT INTO sensor_data (ts, temperature, humidity) VALUES (?, ?, ?)", now, temperature, humidity)
	if err != nil {
		g.Log().Fatalf(ctx, "插入数据失败: %v", err)
	}

	fmt.Println("数据插入成功")
}

在上述代码中,我们首先使用Exec方法创建一个名为sensor_data的数据表,用于存储传感器数据。然后,使用Exec方法插入一条时序数据,包括当前时间戳、温度和湿度值。

查询时序数据

使用以下代码查询TDengine数据库中的时序数据:

go

代码解读

复制代码

package main

import (
	"database/sql"
	"fmt"
	"time"

	"github.com/gogf/gf/os/gctx"
	"github.com/gogf/gf/v2/frame/g"
)

func main() {
	// 读取配置
	ctx := gctx.New()
	host := g.Cfg().MustGet(ctx, "tdengine.host").String()
	port := g.Cfg().MustGet(ctx, "tdengine.port").Int()
	username := g.Cfg().MustGet(ctx, "tdengine.username").String()
	password := g.Cfg().MustGet(ctx, "tdengine.password").String()
	database := g.Cfg().MustGet(ctx, "tdengine.database").String()

	// 构建连接字符串
	connStr := fmt.Sprintf("%s:%s@tcp(%s:%d)/%s", username, password, host, port, database)

	// 建立连接
	taosConn, err := sql.Open("taosSql", connStr)
	if err != nil {
		g.Log().Fatalf(ctx, "连接TDengine失败: %v", err)
	}
	defer taosConn.Close()

	// 查询数据
	startTime := time.Now().Add(-1 * time.Hour)
	endTime := time.Now()
	rows, err := taosConn.Query("SELECT * FROM sensor_data WHERE ts BETWEEN ? AND ?", startTime, endTime)
	if err != nil {
		g.Log().Fatalf(ctx, "查询数据失败: %v", err)
	}
	defer rows.Close()

	// 遍历查询结果
	for rows.Next() {
		var ts time.Time
		var temperature, humidity float32
		err := rows.Scan(&ts, &temperature, &humidity)
		if err != nil {
			g.Log().Errorf(ctx, "获取数据失败: %v", err)
			continue
		}
		fmt.Printf("时间: %s, 温度: %.2f, 湿度: %.2f\n", ts.Format(time.RFC3339), temperature, humidity)
	}
}

在上述代码中,我们使用Query方法查询最近一小时内的传感器数据。通过指定时间范围条件ts BETWEEN ? AND ?,可以获取指定时间范围内的数据。然后,遍历查询结果,并打印每条数据的时间戳、温度和湿度值。

批量数据插入

使用以下代码批量插入TDengine数据库中的时序数据:

go

代码解读

复制代码

package main

import (
	"fmt"
	"github.com/taosdata/driver-go/v2/af"
	"github.com/gogf/gf/os/gctx"
	"github.com/gogf/gf/v2/frame/g"
)

func main() {
	// 读取配置
	ctx := gctx.New()
	host := g.Cfg().MustGet(ctx, "tdengine.host").String()
	port := g.Cfg().MustGet(ctx, "tdengine.port").Int()
	username := g.Cfg().MustGet(ctx, "tdengine.username").String()
	password := g.Cfg().MustGet(ctx, "tdengine.password").String()

	// 创建连接
	conn, err := af.Open(host, username, password, "", port)
	if err != nil {
		g.Log().Fatalf(ctx, "连接TDengine失败: %v", err)
	}
	defer conn.Close()

	// 准备数据
	data := []string{
		`{"metric":"sensor_data","timestamp":1623000000000,"temperature":25.5,"humidity":60.8}`,
		`{"metric":"sensor_data","timestamp":1623000001000,"temperature":26.2,"humidity":59.5}`,
		`{"metric":"sensor_data","timestamp":1623000002000,"temperature":24.8,"humidity":61.2}`,
	}

	// 批量插入数据
	err = conn.InfluxDBInsertLines(data, "ms")
	if err != nil {
		g.Log().Fatalf(ctx, "批量插入数据失败: %v", err)
	}

	fmt.Println("批量插入数据成功")
}

我们使用af.Open函数创建与TDengine的连接。af.Open函数接受连接配置、主机、用户名、密码、数据库名称和端口作为参数。我们使用af.DefaultConfig()获取默认的连接配置。

接下来,我们准备一个字符串切片data,其中每个元素都是一个InfluxDB行协议格式的数据点字符串。数据点包含度量名称(metric)、时间戳(timestamp)以及其他字段(如temperature和humidity)。

最后,我们调用连接对象的InfluxDBInsertLines方法将准备好的数据批量插入到TDengine中。InfluxDBInsertLines方法接受数据点字符串的切片和时间戳精度作为参数。这里我们使用"ms"表示时间戳精度为毫秒。

使用InfluxDBInsertLines方法可以方便地将InfluxDB行协议格式的数据批量插入到TDengine中,无需手动创建表结构。

总结

通过使用GoFrame框架和TDengine Go驱动,我们可以方便地连接和操作TDengine时序数据库。无论是插入、查询还是分析时序数据,都可以通过简单的API调用来实现。GoFrame提供了强大的Web开发功能,结合TDengine的高性能时序数据存储和查询能力,可以构建高效、可扩展的时序数据应用。

希望通过本文的介绍,你能够了解如何在GoFrame项目中集成TDengine,并利用其强大的时序数据处理能力,开发出优秀的时序数据应用。


转载来源https://juejin.cn/post/7408847526298746920

相关文章
|
8天前
|
关系型数据库 MySQL 数据库连接
数据库连接工具连接mysql提示:“Host ‘172.23.0.1‘ is not allowed to connect to this MySQL server“
docker-compose部署mysql8服务后,连接时提示不允许连接问题解决
|
12天前
|
前端开发 Java 数据库连接
Java后端开发-使用springboot进行Mybatis连接数据库步骤
本文介绍了使用Java和IDEA进行数据库操作的详细步骤,涵盖从数据库准备到测试类编写及运行的全过程。主要内容包括: 1. **数据库准备**:创建数据库和表。 2. **查询数据库**:验证数据库是否可用。 3. **IDEA代码配置**:构建实体类并配置数据库连接。 4. **测试类编写**:编写并运行测试类以确保一切正常。
27 2
|
17天前
|
存储 Java 数据库连接
时序数据库TDengine 3.3.5.0 发布:高并发支持与增量备份功能引领新升级
TDengine 3.3.5.0 版本正式发布,带来多项更新与优化。新特性包括提升 MQTT 稳定性和高并发性能、新增 taosX 增量备份与恢复、支持 JDBC 和 Rust 连接器 STMT2 接口、灵活配置 Grafana Dashboard 等。性能优化涵盖查询内存管控、多级存储迁移、强密码策略等,全面提升时序数据管理的效率和可靠性。欢迎下载体验并提出宝贵意见。
28 5
|
17天前
|
传感器 安全 物联网
时序数据库TDengine + MQTT :车联网时序数据库如何高效接入
现代新能源汽车配备大量传感器,产生海量数据需上报至车联网平台。TDengine作为时序大数据平台,支持MQTT协议,可轻松实现车辆状态、位置及用户行为数据的实时采集与分析,提升驾驶体验和安全保障。通过简单的Web界面配置,无需编写代码,即可完成从MQTT到TDengine的数据接入。整个过程包括注册TDengine Cloud、创建数据库、安装代理插件、新增数据源、配置解析规则等步骤,快速实现数据同步。
29 2
|
2月前
|
存储 安全 数据管理
时序数据库TDengine 与中移软件达成兼容性互认证,推动虚拟化云平台与时序数据库的深度融合
在数字化转型和智能化升级的浪潮下,企业对数据的需求日益增长,尤其是在物联网、大数据和实时分析等领域。随着设备数量的激增,时序数据的管理和处理变得愈发复杂,企业亟需高效、稳定的数据解决方案来应对这一挑战。时序数据库作为专门处理时间序列数据的工具,正逐渐成为各行业数字化转型的重要支撑。
43 4
|
2月前
|
人工智能 物联网 大数据
解密时序数据库的未来:TDengine Open Day技术沙龙精彩回顾
在数字化时代,开源已成为推动技术创新和知识共享的核心力量,尤其在数据领域,开源技术的涌现不仅促进了行业的快速发展,也让更多的开发者和技术爱好者得以参与其中。随着物联网、工业互联网等技术的广泛应用,时序数据库的需求愈发强烈,开源的兴起更是为这一技术的创新与普及提供了强有力的支持。
30 3
|
2月前
|
SQL 存储 运维
从建模到运维:联犀如何完美融入时序数据库 TDengine 实现物联网数据流畅管理
本篇文章是“2024,我想和 TDengine 谈谈”征文活动的三等奖作品。文章从一个具体的业务场景出发,分析了企业在面对海量时序数据时的挑战,并提出了利用 TDengine 高效处理和存储数据的方法,帮助企业解决在数据采集、存储、分析等方面的痛点。通过这篇文章,作者不仅展示了自己对数据处理技术的理解,还进一步阐释了时序数据库在行业中的潜力与应用价值,为读者提供了很多实际的操作思路和技术选型的参考。
44 1
|
2月前
|
运维 监控 Cloud Native
云原生之运维监控实践:使用 taosKeeper 与 TDinsight 实现对 时序数据库TDengine 服务的监测告警
在数字化转型的过程中,监控与告警功能的优化对保障系统的稳定运行至关重要。本篇文章是“2024,我想和 TDengine 谈谈”征文活动的三等奖作品之一,详细介绍了如何利用 TDengine、taosKeeper 和 TDinsight 实现对 TDengine 服务的状态监控与告警功能。作者通过容器化安装 TDengine 和 Grafana,演示了如何配置 Grafana 数据源、导入 TDinsight 仪表板、以及如何设置告警规则和通知策略。欢迎大家阅读。
57 0
|
2月前
|
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。
145 1
|
3月前
|
数据库 C# 开发者
ADO.NET连接到南大通用GBase 8s数据库
ADO.NET连接到南大通用GBase 8s数据库