2019獨角獸企業(yè)重金招聘Python工程師標(biāo)準(zhǔn)>>>

前言：

Influxdb也是有influxdata公司(www.influxdata.com )開發(fā)的用于數(shù)據(jù)存儲的時間序列數(shù)據(jù)庫.可用于數(shù)據(jù)的時間排列。在整個TIG(Telegraf+influxdb+grafana)方案中，influxdb可算作一個中間件，主要負(fù)責(zé)原始數(shù)據(jù)的存儲，并按照時間序列進(jìn)行索引構(gòu)建以提供時間序列查詢接口。在整個TIG方案中，應(yīng)該先構(gòu)建的就是Influxdb。

Influxdb研究與實踐：

influxdb介紹：

使用TSM(Time Structured Merge)存儲引擎，允許高攝取速度和數(shù)據(jù)壓縮；?
使用go編寫，無需其他依賴；?
簡單，高性能寫查詢httpAPI接口；?
支持其他數(shù)據(jù)獲取協(xié)議的插件，比如graphite,collected,OpenTSDB；?
使用relay構(gòu)建高可用https://docs.influxdata.com/influxdb/v1.0/high_availability/relay/；
擴展的類sql語言，很容易查詢匯總數(shù)據(jù)；?
tag的支持，可用讓查詢變的更加高效和快速；?
保留策略有效地自動淘汰過期的數(shù)據(jù)；?
持續(xù)所產(chǎn)生的自動計算的數(shù)據(jù)會使得頻繁的查詢更加高效；?
web管理頁面的支持

下載安裝：

github：https://github.com/influxdata/influxdb?源碼編譯?
官網(wǎng)下載：?
Centos系列：wgethttps://dl.influxdata.com/influxdb/releases/influxdb-1.0.0.x86_64.rpm?&& sudo yum localinstall influxdb-1.0.0.x86_64.rpm?
源碼包系列：wgethttps://dl.influxdata.com/influxdb/releases/influxdb-1.0.0_linux_amd64.tar.gz?&& tar xvfz influxdb-1.0.0_linux_amd64.tar.gz?
docker系列：docker pull influxdb?
安裝手冊：https://docs.influxdata.com/influxdb/v0.9/introduction/installation/

配置：

#cat /etc/influxdb/influxdb.conf reporting-disabled = false [registration] [meta] dir = "/var/lib/influxdb/meta" hostname = "10.0.0.2" #此hostname必須寫本機，否則無法連接到數(shù)據(jù)操作的API bind-address = ":8088" retention-autocreate = true election-timeout = "1s" heartbeat-timeout = "1s" leader-lease-timeout = "500ms" commit-timeout = "50ms" cluster-tracing = false [data] dir = "/var/lib/influxdb/data" max-wal-size = 104857600 # Maximum size the WAL can reach before a flush. Defaults to 100MB. wal-flush-interval = "10m" # Maximum time data can sit in WAL before a flush. wal-partition-flush-delay = "2s" # The delay time between each WAL partition being flushed. wal-dir = "/var/lib/influxdb/wal" wal-logging-enabled = true [hinted-handoff] enabled = true dir = "/var/lib/influxdb/hh" max-size = 1073741824 max-age = "168h" retry-rate-limit = 0 retry-interval = "1s" retry-max-interval = "1m" purge-interval = "1h" [admin] enabled = true bind-address = ":8083" https-enabled = false https-certificate = "/etc/ssl/influxdb.pem" [http] enabled = true bind-address = ":8086" auth-enabled = false log-enabled = true write-tracing = false pprof-enabled = false https-enabled = false https-certificate = "/etc/ssl/influxdb.pem" [opentsdb] enabled = false [collectd] enabled = false

注意：influxdb服務(wù)會啟動三個端口：8086為服務(wù)的默認(rèn)數(shù)據(jù)處理端口，主要用來influxdb數(shù)據(jù)庫的相關(guān)操作，可提供相關(guān)的API；8083為管理員提供了一個可視化的web界面，用來為用戶提供友好的可視化查詢與數(shù)據(jù)管理；8088主要為了元數(shù)據(jù)的管理。需要注意的是，influxdb默認(rèn)是需要influxdb用戶啟動，且數(shù)據(jù)存放在/var/lib/influxdb/下面，生產(chǎn)環(huán)境需要注意這個。

啟動：

和telegraf啟動方式一樣，可以使用init.d或者systemd進(jìn)行管理influxdb?
注意，啟動之后需要查看相關(guān)的端口是否正在監(jiān)聽，并檢查日志確保服務(wù)正常啟動

使用：

如果說使用telegraf最核心的部分在配置，那么influxdb最核心的就是SQL語言的使用了。influxdb默認(rèn)支持三種操作方式：?
登錄influxdb的shell中操作:

創(chuàng)建數(shù)據(jù)庫： create database mydb 創(chuàng)建用戶： create user "bigdata" with password 'bigdata' with all privileges 查看數(shù)據(jù)庫： show databases; 數(shù)據(jù)插入： insert bigdata,host=server001,regin=HC load=88 切換數(shù)據(jù)庫：use mydb 查看數(shù)據(jù)庫中有哪些measurement(類似數(shù)據(jù)庫中的表): show measurements 查詢： select * from cpu limit 2 查詢一小時前開始到現(xiàn)在結(jié)束的： #select load from cpu where time > now() - 1h 查詢從歷史紀(jì)元開始到1000天之間： #select load from cpu where time < now() + 1000d 查找一個時間區(qū)間： #select load from cpu where time > '2016-08-18' and time < '2016-09-19' 查詢一個小時間區(qū)間的數(shù)據(jù)，比如在September 18, 2016 21:24:00:后的6分鐘： #select load from cpu where time > '2016-09-18T21:24:00Z' +6m 使用正則查詢所有measurement的數(shù)據(jù)： #select * from /.*/ limit 1 #select * from /^docker/ limit 3 #select * from /.*mem.*/ limit 3 正則匹配加指定tag：（=~ !~） #select * from cpu where "host" !~ /.*HC.*/ limit 4 #SELECT * FROM "h2o_feet" WHERE ("location" =~ /.*y.*/ OR "location" =~ /.*m.*/) AND "water_level" > 0 LIMIT 4 排序：group by的用法必須得是在復(fù)合函數(shù)中進(jìn)行使用 #select count(type) from events group by time(10s) #select count(type) from events group by time(10s),type 給查詢字段做tag： #select count(type) as number_of_types group by time(10m) #select count(type) from events group by time(1h) where time > now() - 3h 使用fill字段： #select count(type) from events group by time(1h) fill(0)/fill(-1)/fill(null) where time > now() - 3h 數(shù)據(jù)聚合： select count(type) from user_events merge admin_events group by time(10m)

使用API進(jìn)行操作數(shù)據(jù):

創(chuàng)建數(shù)據(jù)庫: curl -G "http://localhost:8086/query" --data-urlencode "q=create database mydb" 插入數(shù)據(jù)： curl -XPOST 'http://localhost:8086/write?db=mydb' -d 'biaoge,name=xxbandy,xingqu=coding age=2' curl -i -XPOST 'http://localhost:8086/write?db=mydb' --data-binary 'cpu_load_short,host=server01,region=us-west value=0.64 1434055562000000000' curl -i -XPOST 'http://localhost:8086/write?db=mydb' --data-binary 'cpu_load_short,host=server02 value=0.67 cpu_load_short,host=server02,region=us-west value=0.55 1422568543702900257 cpu_load_short,direction=in,host=server01,region=us-west value=2.0 1422568543702900257' 將sql語句寫入文件，并通過api插入： #cat sql.txt cpu_load_short,host=server02 value=0.67 cpu_load_short,host=server02,region=us-west value=0.55 1422568543702900257 cpu_load_short,direction=in,host=server01,region=us-west value=2.0 1422568543702900257 #curl -i -XPOST 'http://localhost:8086/write?db=mydb' --data-binary @cpu_data.txt查詢數(shù)據(jù)：（--data-urlencode "epoch=s" 指定時間序列 "chunk_size=20000" 指定查詢塊大小） # curl -G http://localhost:8086/query?pretty=true --data-urlencode "db=ydb" --data-urlencode "q=select * from biaoge where xingqu='coding'" 數(shù)據(jù)分析： #curl -G http://localhost:8086/query?pretty=true --data-urlencode "db=mydb" --data-urlencode "q=select mean(load) from cpu" #curl -G http://localhost:8086/query?pretty=true --data-urlencode "db=mydb" --data-urlencode "q=select load from cpu" 可以看到load的值分別是42 78 15.4；用mean(load)求出來的值為45,13 curl -G http://localhost:8086/query?pretty=true --data-urlencode "db=ydb" --data-urlencode "q=select mean(load) from cpu where host='server01'"

使用influxdb提供的web界面進(jìn)行操作:

這里只是簡單的介紹了influxdb的使用，后期如果想在grafana中匯聚并完美地展示數(shù)據(jù)，可能需要熟悉influxdb的各種查詢語法。(其實就是sql語句的一些使用技巧，聚合函數(shù)的使用，子查詢等等)

?

注意：原創(chuàng)著作，轉(zhuǎn)載請聯(lián)系作者！

轉(zhuǎn)載于:https://my.oschina.net/xxbAndy/blog/751329

總結(jié)

以上是生活随笔為你收集整理的Docker监控方案(TIG)的研究与实践之Influxdb的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。