相关文章：时序数据库InfluxDB(一)时序数据库InfluxDB(二)时序数据库InfluxDB(三)时序数据库InfluxDB(四)时序数据库InfluxDB(五)时序数据库数据库InfluxDB(6)数据库类型有很多种，传统关系型数据库RDBMS（如MySQL）、NoSQL数据库（如MongoDB）、Key-Value型（如redis）、Widecolumn型（如HBase）、等，当然本系列文章会介绍时序数据库TSDB（如InfluxDB）。时序数据库TSDB不同的数据库对应用场景的侧重不同。TSDB（timeseriesdatabase）时序数据库是专门针对时间维度设计和优化的。TSDB通常具有以下特点：时间是不可或缺的绝对主角（就像MySQL中的主键），数据按时间顺序组织管理。写入高并发和高吞吐量的数据。很少发生数据更新。过期数据可以批量删除InfluxDB是一个非常优秀的时序数据库，在DB-EnginesTSDB排名中排名第一。InfluxDB分为免费的社区开源版和需要收费的闭源商业版。目前只有商业版支持集群。InfluxDB的底层数据结构从LSM树折腾到B+树，最后创建了TSM树（Time-StructuredMergeTree），这是其高性能和低资源占用的重要原因。InfluxDB是用go语言编写的，没有额外的依赖。它的查询语言InfluxQL与SQL非常相似，非常易于使用。InfluxDB基本概念InfluxDB有以下几个核心概念：1.database：数据库。2.测量类似于表格。3.保留策略（简称RP）由以下三部分组成：DURATION：数据保留的时长。REPLICATION：集群模式下数据的副本数，单节点无效。SHARDDURATION：可选，时间范围除以分片组。4.timestamp时间戳，就像所有数据的主键一样。5.tagtagkey=tagvalue键值对存储具体的数据，会建立索引方便查询。标签集是标签键值键值对的不同组合。6、fieldfieldkey=fieldvalue键值对也存储具体的数据，但不会被索引。类似的字段集是字段key-value的组合。7.seriesseries系列是在相同的RP策略下，在相同的measurement中由相同的tagset组成的数据集。8.点一个点代表一条数据，由measurement、tagset、fieldset和timestamp组成。一系列上的某个时间戳时间仅对应一个点。线路协议线路协议指定写入数据的格式：[,=...]=[,=...][unix-nano-timestamp]Symbol[]表示可选项，symbol...表示可以有多个，symbol，用于分隔同一个标签或字段下的多个数据，符号空间分隔标签、字段和时间戳。例子：如何理解级数和点？先看下图：这张图选取了三个时序数据库历年的排名分数。首先，整个图表可以看作是一个度量，包含了很多数据；然后我们根据db名称建一个tag，把score排名score作为一个字段，那么所有的数据行都类似于：measurement,db=InfluxDBscore=5timestampmeasurement,db=Kdb+score=1timestampmeasurement,db=Prometheusscore=0.2timestamp...上面说了tagset是tagkey=tagvalue的不同组合，所以这里的tagset分为三种：db=InfluxDBdb=Kdb+db=Prometheus的三个tagset构成了三个series，而每一个series可以看作图中的一条线（一维），每一个点是series上一个特定时间戳对应的一个点。与传统数据库的不同之处在于，InfluxDB旨在处理时间序列数据。虽然传统的SQL数据库也可以处理时间序列数据，但它们并不是专门为此目的而设计的。InfluxDB可以更高效、更快速地存储大量的时间序列数据，并对这些数据进行实时分析。在InfluxDB中，时间是绝对的主角，就像SQL数据库中的主键一样。如果不指定，则默认为当前系统时间。时间必须采用UNIX纪元(GMT)或RFC3339格式。InfluxDB不需要预先定义数据结构，你可以随时改变你的数据结构。InfluxDB支持连续查询和保留策略。InfluxDB不支持跨测量的JOIN查询。InfluxDB中的查询语言叫做InfluxQL，它的语法很像SQL，就是selectfromwhere的集合。InfluxDB不是CRUD，更像是CR-ud，也就是说更新和删除数据明显不同于传统的SQL数据库：更新某个点的数据，只需要将数据重写到原来的measurement，tagset，和时间戳。您可以删除系列，但不能删除基于字段值的单个点。解决方法是需要先查询字段值的时间戳，然后根据时间戳删除。无法更新或重命名标签，因为标签会建立索引，您只能创建新标签和导入数据并删除旧标签。不能通过标签键或标签值删除标签。Designandtrade-offsInfluxDB为了更高的性能做了一些设计和权衡：1.对于时间序列用例，即使多次发送相同的数据，也会被认为是相同的数据。优点：简化冲突并提高写入性能。缺点：不能存储重复数据，在极少数情况下可能会覆盖数据。2.删除很少见，一旦发生，肯定是大量的旧数据。优点：提高读写性能。缺点：删除功能非常有限。3.更新很少见，不会出现连续更新或批量更新的情况。时间序列数据主要是永远不会更新的新数据。优点：提高读写性能。缺点：更新功能非常有限。4.绝大多数写入都是接近当前时间戳的数据，按照时间的递增顺序添加。优点：按递增的时间顺序写入数据效率更高。缺点：随机时间写入的性能要低得多。5.数据的大小很关键，数据库必须能够处理大量的读写。优点：数据库可以处理大批量数据的读写。缺点：被迫做出一些权衡以提高性能。6.能够写入和查询数据比具有强一致性更重要。优点：多个客户端可以在高负载下完成查询和写入。缺点：如果负载过高，查询结果可能不包含最近的点。7.许多时间序列都是短暂的。时间序列可能只有几小时就没了，比如新主机开机，监控数据写了一段时间，然后关机。优点：InfluxDB擅长管理不连续数据。缺点：Schemaless设计意味着不支持一些数据库特性，比如nojoincrosstabjoins。8.一点都不重要。优点：InfluxDB具有非常强大的工具来处理聚合数据和大型数据集。缺点：Points数据点没有传统意义上的ID，通过时间戳和系列来区分。待续。..个人公众号持续输出原创文章，感兴趣的可以关注。
