什么是InfluxDB?
InfluxDB是一个开源的、高性能的时序型数据库，在时序型数据库DB-Engines Ranking上排名第一。
在介绍InfluxDB之前，先来介绍下时序数据。按照时间顺序记录系统、设备状态变化的数据被称为时序数据（Time Series Data），如CPU利用率、某一时间的环境温度等。
时序数据以时间作为主要的查询纬度，通常会将连续的多个时序数据绘制成线，制作基于时间的多纬度报表，用于揭示数据背后的趋势、规律、异常，进行实时在线预测和预警，时序数据普遍存在于IT基础设施、运维监控系统和物联网中。
时序数据主要有如下3个特点：
- 抵达的数据几乎总是作为新条目被记录，无更新操作。
- 数据通常按照时间顺序抵达。
- 时间是一个主坐标轴。
时序型数据库是存放时序数据的专用型数据库，并且支持时序数据的快速写入、持久化、多纬度的实时聚合运算等功能。
传统数据库通常记录数据的当前值，时序型数据库则记录所有的历史数据，在处理当前时序数据时又要不断接收新的时序数据，同时时序数据的查询也总是以时间为基础查询条件，并专注于解决以下海量数据场景的问题：
- 时序数据的写入：如何支持千万级/秒数据的写入。
- 时序数据的读取：如何支持千万级/秒数据的聚合和查询。
- 成本敏感：海量数据存储带来的是成本问题，如何更低成本地存储这些数据，是时序型数据库需要解决的关键问题。
InfluxDB是一个由InfluxData公司开发的开源时序型数据库，专注于海量时序数据的高性能读、高性能写、高效存储与实时分析，在DB-Engines Ranking时序型数据库排行榜上位列榜首，广泛应用于DevOps监控、IoT监控、实时分析等场景。
具体的DB-Engines Ranking时序型数据库的排行榜（源自2019年5月的DB-Engines Ranking数据）如图1-1所示。
- InfluxDB部署简单、使用方便，在技术实现上充分利用了Go语言的特性，无须任何外部依赖即可独立部署；
- 提供类似于SQL的查询语言，接口友好，使用方便；拥有丰富的聚合运算和采样能力；
- 提供灵活的数据保留策略（Retention Policy）来设置数据的保留时间和副本数；
- 在保障数据可靠性的同时，及时删除过期数据，释放存储空间；
- 提供灵活的连续查询（Continuous Query）来实现对海量数据的采样。
- 支持多种通信协议，除了HTTP、UDP等原生协议，还兼容CollectD、Graphite、OpenTSDB、Prometheus等组件的通信协议。
讲到InfluxDB，就不能不提InfluxData的开源高性能时序中台TICK（Telegraf + InfluxDB + Chronograf + Kapacitor），InfluxDB是作为TICK的存储系统进行设计和开发的。
TICK专注于DevOps监控、IoT监控、实时分析等应用场景，是一个集成了采集、存储、分析、可视化等能力的开源时序中台，由Telegraf、 InfluxDB、Chronograf、Kapacitor 4个组件以一种灵活松散但紧密配合、互为补充的方式构成，各个模块相互配合、互为补充，整体系统架构如图1-2所示。
Telegraf是用于采集和上报指标的数据采集程序，采用灵活的、可配置的插件实现。
Telegraf可以通过配置文件的配置，采集当前运行主机的指定指标，如CPU负载、内存使用等，也可以从第三方消费者服务（如StatsD、Kafka等）拉取数据，上报到已支持的多种存储系统、服务或消息队列，如InfluxDB、Graphite、OpenTSDB、Datadog、Librato、Kafka、MQTT、NSQ等。
InfluxDB是专注于时序数据场景（如DevOps监控、IoT监控、实时分析等）的高性能时序型数据库，支持灵活的自定义保留策略和类SQL的操作接口。
Chronograf是可视化的、BS架构的管理系统，可用于配置和管理接收到的监控数据、告警，并支持通过灵活强大的模块和库，快速配置数据可视化仪表盘、告警规则、可视化规则。
Kapacitor是从零构建的原生数据处理引擎，支持流式处理和批量处理，支持灵活强大的自定义功能，如定义新的告警阈值、告警指标特征、告警统计异常特征等，以及后续的告警处理行为。
除了灵活，Kapacitor也很开放，能灵活地集成对接第三系统，如HipChat、OpsGenie、Alerta、Sensu、PagerDuty、Slack等。
延伸阅读
-
Apache IoTDB清华大学主导的Apache孵化项目
IoTDB 是清华大学主导的 Apache 孵化项目，是一款聚焦工业物联网、高性能轻量级的时序数据管理系统，提供数据采集、存储、分析的功能。IoTDB 提供端云一体化的解决方案，在云端，提供高性能的数
-
TDengine和InfluxDB查询性能对比测试报告
我们之前已经发布了 TDengine 和 InfluxDB 的写入性能测试报告，今天我们再来对比一下两款时序数据库（Time-Series Database）产品的查询性能。1. 前言本报告包含了基础
-
TDengine VS InfluxDB写入性能大PK!
大家好。为了更好地展现 TDengine 的性能与竞争力，我们涛思数据精心策划了《 TDengine 和 InfluxDB 的性能对比》系列测试报告。该系列报告的主要测试点为：数据写入性能查询响应速度
关注公众号：拾黑（shiheibook）了解更多
赞助链接：
关注数据与安全，洞悉企业级服务市场：https://www.ijiandao.com/
四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/
关注网络尖刀微信公众号随时掌握互联网精彩
- jsMind 用JavaScript构建的思维导图库
- 10亿元MLED项目将落地内蒙古
- 卢布汇率人民币2024年3月27日
- 光影猎人能否掌控全场？六款热门旗舰影像大比拼
- 写作萝卜 一站式AI智能写作平台
- 当“套餐”遇上“短视频”，成功解救疫情下的实体店？
- 1-2月规上电子信息制造业增加值同比增12.7% 比工业增加值增速高5.2个百分点
- 为什么我再也不去领 Epic 的免费游戏了？
- 论一款手机正确的堆料方式：中兴S30 Pro上手体验
- 最好的用不了，开源的不满意，又来一个能战么？
- Github Star 9.7K，超级好用的OCR数据合成与半自动标注工具，强烈推荐！
- 周末的青小蛙闲着写了篇教程，这么折腾值得么？
赞助链接
微信扫码关注公众号