背景
定义
时间序列数据库主要用于指处理带时间标签（按照时间的顺序变化，即时间序列化）的数据，带时间标签的数据也称为时间序列数据。html
最新时序数据库排名：数据库
特色& 分类：
- 专门优化用于处理时间序列数据
- 该类数据以时间排序
- 因为该类数据一般量级大（所以Sharding和Scale很是重要）或逻辑复杂（大量聚合，上取，下钻），关系数据库一般难以处理
- 时间序列数据按特性分为两类
- 高频率低保留期（数据采集，实时展现）
- 低频率高保留期（数据展示、分析）
- 按频度
- 规则间隔（数据采集）
- 不规则间隔（事件驱动）
- 时间序列数据的几个前提
- 单条数据并不重要
- 数据几乎不被更新，或者删除（只有删除过时数据时），新增数据是按时间来讲最近的数据
- 一样的数据出现屡次，则认为是同一条数据
如图：json
时间序列数据库关键比对
| InfluxDB后端 |
ElasticSearch服务器 |
| 流行（TSDB排行第一）架构 |
流行（搜索引擎排行第一）app |
| 高可用须要收费curl |
集群高可用容易实现，免费数据库设计 |
| 单点写入性能高函数 |
单点写入性能低 |
| 查询语法简单，功能强 |
查询语法简单，功能强（弱于Influxdb） |
| 后端时序数据库设计，写入快 |
设计并非时序数据库，后端存储采用文档结构，写入慢 |
因而可知：高频度低保留期用Influxdb，低频度高保留期用ES。
其余时序数据库介绍：
如何使用
数据的查询与写入：
- Influxdb与ES都是REST API风格接口
- 经过HTTP Post写入数据，经过HTTP Get获取数据，ES还有HTTP Put和Delete等
- 写入数据能够是JSON格式，Influxdb支持Line Protocol
- JSON格式徒增解析成本，录入数据格式越简单越好
- 一般ES搭配Logstash使用，Influxdb搭配telegraf使用
以Influxdb为例，看一些如何插入和查询数据：
Influxdb的HTTP API
建立DB
[root@host31 ~]# curl -i -XPOST http://192.168.32.31:8086/query --data-urlencode "q=CREATE DATABASE mydb" HTTP/1.1 200 OK Connection: close Content-Type: application/json Request-Id: 42a1f30c-5900-11e6-8003-000000000000 X-Influxdb-Version: 0.13.0 Date: Tue, 02 Aug 2016 22:27:13 GMT Content-Length: 16 {"results":[{}]}[root@host31 ~]#
写入数据
[root@host31 ~]# curl -i -XPOST http://192.168.32.31:8086/query --data-urlencode "q=CREATE DATABASE mydb" HTTP/1.1 200 OK Connection: close Content-Type: application/json Request-Id: 42a1f30c-5900-11e6-8003-000000000000 X-Influxdb-Version: 0.13.0 Date: Tue, 02 Aug 2016 22:27:13 GMT Content-Length: 16 {"results":[{}]}[root@host31 ~]#
查询写入的数据
[root@host31 ~]# curl -GET 'http://192.168.32.31:8086/query?pretty=true' --data-urlencode "db=mydb" --data-urlencode "q=SELECT \"value\" FROM \"cpu_load_short\" WHERE \"region\"='us-west'" { "results": [ { "series": [ { "name": "cpu_load_short", "columns": [ "time", "value" ], "values": [ [ "2015-06-11T20:46:02Z", 0.64 ] ] } ] } ] }[root@host31 ~]#
介绍Telegraf&Logstash:
- 都是数据收集和中转的工具，架构都是插件式配置
- Telegraf相比Logstash更加轻量
- 都支持大量源，包括关系数据库、NOSQL、直接收集操做系统信息（Linux、Win）、APP、服务（Docker）
执行模式分为两种
- 主动：根据配置一次性读取被收集的数据，收集完成后关闭进程
- 被动：做为进程驻留内存，监听特定端口，等待消息发送
介绍两种时序数据库使用的架构:
1.日志采集，而后存入influxdb，最后在grafana 中进行可视化查询。
2.数据库监控，主要经过采集关系型数据库的性能指标分析数据库的运行状态便于监控和管理，以下图所示
数据可视化展现
数据的可视化展现有不少种选择，好比ELK中推荐使用kibana，配合es更方便，而搭配influxdb能够使用grafana。
目前grafana支持数据源
– ES
– Influxdb
– Prometheus
– Graphite
– OpenTSDB
– CloudWatch
安装Grafana
Grafana的安装很简单，以Debian安装为例：
执行命令： $ wget https://grafanarel.s3.amazonaws.com/builds/grafana_2.6.0_amd64.deb $ sudo apt-get install -y adduser libfontconfig $ sudo dpkg -i grafana_2.6.0_amd64.deb 启动服务器： $ sudo service grafana-server start
而后便可进行配置使用数据可视化了。这里就不展开讲了。下面会有独立文章介绍grafana和kibana。
总结
本篇简要概述了时序数据库的内容，介绍了特色并以influxdb为实例对比了与传统数据库的区别，以及如何使用Influxdb。最后讲解了使用时序数据库的架构，日志和监控等，经过grafana进行可视化的数据查询分析监控等。文章地址https://www.cnblogs.com/wenBlog/p/8297100.html