重磅 | 物联网数据分析利器 阿里云发布时序数据库InfluxDB版

近年来，因为IOT，APM等系统的需求，一种以时间戳为主键的数据模型，愈来愈流行，存储该数据模型的数据库被称为时序数据库。
若干年中，市面上出现了不少种不一样的时序数据库，他们或数据模型不一样，或生态不一样，或存储架构不一样。通过数年的发展，InfluxDB一枝独秀，在DB-Engines中，遥遥领先其余的时序数据库，成为最受用户欢迎的数据库之一。

阿里云时序数据库InfluxDB®️版上线
为了知足广大物联网企业客户的对于InfluxDB的商业化需求， 阿里云时序数据库团队正式推出时序数据InfluxDB®️版。 时序数据InfluxDB®️版是基于开源InfluxDB提供的商业化时序数据库服务，免部署，零运维，高可靠，提供7*24小时专家答疑服务。

如今已经开始全面公测。
公测购买页面：
https://common-buy.aliyun.com...

InfluxDB场景
InfluxDB是由于物联网而兴起的数据库，其天生具备IOT的特性。几乎全部的物联网数据均可以经过InfluxDB存储，分析与展现。

InfluxDB的具体使用场景包括：智慧物联网监控分析系统，传统石油化工、采矿以及制造企业设备数据采集与分析，医疗数据采集与分析，车联网，智慧交通等。InfluxDB同时还能够用于日志数据存储与分析，各类服务、软件以及系统监控数据采集、分析与报警，金融数据采集与分析等。

总之，只要符合写多读少、无事务要求、海量高并发持续写入、基于时间区间聚合分析以及基于时间区间快速查询的数据均可以使用InfluxDB。

InfluxDB介绍
InfluxDB之因此能在众多时序数据库中成为DB-Engines中排名第一的时序数据库，来源它的几大优点：

完整的生态
易用性
完整的生态TICK
InfluxDB不只仅只提供存储服务，还提供了周边的工具，他们包括Telegraf, Chronograf以及Kapacitor。加上InfluxDB，他们的首字母刚好组成一个秒钟跳动一次的英文单词TICK。

Telegraf: Telegraf是一个开源的时序数据收集器。它收集各类不一样的时序数据，并把数据经过InfluxDB标准API发送给InfluxDB。Telegraf采用插件的方式，目前支持100多种不一样服务的时序数据收集，用户能够开发自定义的插件收集数据。

Chronograf: Chronograf是整个TICK生态的UI界面层。它让用户能够经过图形界面展示InfluxDB中的数据，同时它能够配置InfluxDB参数以及收集Kapacitor发送的报警信息

Kapacitor: Kapacitor是一个事件处理及报警引擎，它可以根据创建的规则对异常时序数据进行报警，同时可以将这些警告发送给其余系统。

经过使用TICK生态，用户能轻松构建一个时序数据收集，存储，分析以及告警的完整系统。

InfluxDB易用性

InfluxDB数据写入以及数据查询特别方便，其读写采用的是Restful API，用户能够经过HTTP/HTTPS方式直接读写数据。

数据写入

InfluxDB数据采用行协议方式写入。下面是一个行协议的示例数据：

InfluxDB支持经过curl直接将数据写入InfluxDB：

curl -i -XPOST 'https://localhost:8086/write?db=mydb' --data-binary 'temperature,machine=unit42,type=assembly >external=25,internal=37 1434055562000000000'

​
同时，用户也能够经过InfluxDB提供Command Line Interface（命令行界面）写入数据：

INSERT weather,location=us-midwest temperature=82 1465839830100400200
​
InfluxDB提供的多样化数据插入方式，可让用户在不一样平台快速的插入数据。

数据查询

InfluxDB提供SQL-like的查询语句：InfluxQL。InfluxSQL支持SQL风格的查询操做，关系型数据库的用户能够无缝切换到InfluxDB的使用。例如：从measurement h2o_feet查询5条记录：

SELECT * FROM h2o_feet LIMIT 5
name: h2o_feet

time level description location water_level
2015-08-18T00:00:00Z below 3 feet santa_monica 2.064
2015-08-18T00:00:00Z between 6 and 9 feet coyote_creek 8.12
2015-08-18T00:06:00Z between 6 and 9 feet coyote_creek 8.005
2015-08-18T00:06:00Z below 3 feet santa_monica 2.116
2015-08-18T00:12:00Z between 6 and 9 feet coyote_creek 7.887

​
关于InfluxQL的具体用法，能够参考阿里云时序数据库InfluxDB®️的文档：数据探索
（https://help.aliyun.com/docum...）

InfluxQL支持按照时间戳对数据分组的查询方式，只须要在influxQL后加上group by(分组时间间隔)便可：
​

SELECT MAX("water_level") FROM "h2o_feet" WHERE "location"='coyote_creek' AND time >= '2015-09-18T16:00:00Z' AND time <= '2015-09-18T16:42:00Z' GROUP BY time(12m)
name: h2o_feet

time max
2015-09-18T16:00:00Z 3.599
2015-09-18T16:12:00Z 3.402
2015-09-18T16:24:00Z 3.235
2015-09-18T16:36:00Z

group by的具体用法请参考：数据探索

先进的时序数据分析技术

InfluxQL除了支持SQL-like的查询语句，提供了大量的函数支持对时序数据进行分析。这些分析函数分为四大类：

Aggregation（聚合），Selector（选择），Transformation（转换）和预测（Prediction）。这些分析函数可以帮助用户轻松地时序数据转化为有用的信息。

除此以外，InfluxDB提供8种不一样的分析技术，用户无需本身用InfluxQL实现这几种分析技术，能够直接使用这些分析技术进行金融以及投资方面的数据分析。

InfluxQL函数以及分析技术的具体用法请参考：InfluxQL函数
（https://help.aliyun.com/docum...）

阿里云时序数据库InfluxDB®️版优点
阿里云时序数据库InfluxDB®️版，在彻底兼容InfluxDB行协议以及InfluxQL的基础上作了不少改进，给用户更多稳定、可靠、方便的服务。

数据高可靠
阿里云时序数据库InfluxDB®️版的数据存储在阿里云的高效云盘上，高效云盘提供99.9999999%数据高可靠的保障。这样能够保障InfluxDB中数据一旦写入，就永远不会丢失。

高稳定性
阿里云时序数据库InfluxDB®️版实现了对内存，硬盘等资源的有效管理，能够极大地减小因为硬件资源不够引发的InfluxDB不稳定的状况。

数据图形化展现
阿里云时序数据库InfluxDB®️版与grafana，chronograf等图形展现平台无缝连接，用户购买阿里云时序数据库InfluxDB®️，阿里云自动为用户配置好图形展现平台的数据源，用户直接到图形展现平台完成本身须要的图形化dashboard。（公测结束后提供该功能）

全自动化数据迁移工具
阿里云时序数据库InfluxDB®️版提供全自动的数据迁移工具，用户“一键式”将自建的InfluxDB迁移到阿里云时序数据库InfluxDB®️版。

全自动Failover
阿里云时序数据库InfluxDB®️版提供全自动Failover机制，一旦所在硬件发生不可恢复的故障，InfluxDB会在很是短的时间内使用其余硬件替换故障硬件，而后重启InfluxDB。这样能够减小由于不可控故障引起的服务中断时间。该Failover是全自动的，无需人工干预，即便是在节假日以及午夜，用户也无需担忧服务因为硬件故障形成的长时间不可用。（全自动Failover公测期间暂时不可用）

高可用版InfluxDB®️阿里云时序数据库InfluxDB®️版将在公测结束之后提供高可用版本。高可用版将提供更加稳定的服务，对稳定性要求比较高的用户，将会从中感觉到无限稳定的服务。