JAVA操作Influxdb

1、安装influxdb

本文采用Influxdb2,版本为influxdb:2.7.6。安装方式为docker。

执行安装命令

 docker pull influxdb:2.7.6

创建服务

docker run --name=influxdb2 -p 8086:8086 -v $PWD:/var/lib/influxdb -d influxdb:2.7.6

其中 $PWD 指定为当前目录。可以根据需求进行更换

2、访问 http://ip:8086/进入influxdb系统进行配置，需要配置org和bucket。

3、创建访问API。访问API创建成功后，一定要保存下来，否则，下次将无法查看。

4、开始编码，导入JAR包。需要导入 influxdb-client-java包

	
		
			org.springframework.boot
			spring-boot-starter-web
		
		
			org.springframework.boot
			spring-boot-starter-test
			test
				
		
			org.influxdb
			influxdb-java
		
		
			com.influxdb
			influxdb-client-java
			3.2.0
		
	

5、创建连接并进行写入数据

InfluxDBClientOptions options = InfluxDBClientOptions.builder()
			       .url("http://192.168.10.123:8086")
			       .authenticateToken("KHRmELvLVlof-iJu-t6EdZmotertANGJlq6BpLFV5Ezi9dvKBeYWe2eU8JzFt3PwhYb2YvIcXBLiACIITZ5hZw==".toCharArray())
			       .org("szyk")
			       .bucket("szyk")
			       .build();
		 InfluxDBClient client = InfluxDBClientFactory.create(options);
		 OrganizationsApi organizationsApi = client.getOrganizationsApi();
		 
         System.out.println(organizationsApi.findOrganizations());
         Instant now = Instant.now(); // 当前时间
         Point dataPoint = Point.measurement("temperature")
                                 .addTag("location", "New York")
                                 .addField("value", "123")
                                 .time(now.toEpochMilli(), WritePrecision.MS); // 使用毫秒精度
         List list =  client.getBucketsApi().findBuckets();
         for (Bucket bucket : list) {
			System.out.println(bucket.getName());
		}
         client.getWriteApiBlocking().writePoint(dataPoint);
         System.out.println();
	}

6、注意事项

influxdb中measurement类似于关系形数据库中的表，tag为列，有索引，可以进行快速查询，field列没有索引不能进行快速查询，但field可以进行运算。

。以下是这三个概念的区别：

1. Measurement（测量）

定义： measurement是InfluxDB中存储时间序列数据的顶级容器。它代表了您想要收集和分析的某一类特定数据。每个measurement对应于关系型数据库中的一个表或消息队列中的一个主题。

作用： measurement将具有相同特性和目的的数据点集合在一起。它们定义了所存储数据的上下文，并作为查询InfluxDB中数据的主要入口点。

特点：

命名：measurement通过一个唯一的字符串名称来标识，通常反映其所代表的数据（如 cpu_usage、temperature、server_metrics）。

关系：多个measurement可以存在于同一个数据库（或InfluxDB 2.x中的“bucket”），但每个数据点只属于一个measurement。

无预定义结构：与关系型数据库中的表不同，measurement没有固定的模式。一个measurement关联的tag和field集可以在不同的数据点之间变化。

2. Tag（标签）

定义： tags是以键值对形式存在的，用于对measurement内数据点进行分类并提供上下文信息。它们用于查询时的数据过滤、分组和索引。

作用： tags使您能够基于元数据或分类信息高效地筛选和聚合数据。设计上，tag值被索引，使得基于tag条件的大规模数据查询变得快速。

特点：

键值对：每个tag由一个字符串键和一个字符串值组成（如 host="server-01" 或 region="us-west-2"）。

不可变：一旦写入，tag值无法更新。要更改tag值，必须写入一个带有更新后tag的新数据点。

查询性能：tag值被索引，有利于快速查找和高效过滤查询结果。然而，过度使用tags可能会影响写入性能并因索引开销增加存储需求。

不参与数值计算：tag值不适合用于数学运算或聚合函数。它们主要用于过滤和分组结果。

3. Field（字段）

定义： fields存储了时间序列数据的实际数值或字符串值。它们代表了measurement内数据点可测量的量或属性。

作用： fields包含了您希望随时间记录和分析的定量或定性数据。它们是InfluxDB中聚合、统计计算和可视化的主要目标。

特点：

类型：fields可以具有数值类型（整数、浮点数、布尔型）或字符串类型。数值类型的fields适合进行数学运算。

非索引：与tags不同，field值未被索引。涉及field值的查询可能需要进行全扫描，这可能比基于tag的查询慢，特别是在大规模数据集上。

参与计算：field值用于数学表达式、聚合函数（如 mean、max、sum）和统计分析中。

可变：对于同一组合的measurement、tags和时间戳，field值可以随时间改变。InfluxDB将这些变化记录为单独的数据点。

总结：

Measurement 定义了所收集数据的上下文和类别，类似于关系型数据库中的一个表。

Tag 提供了用于高效过滤和分组数据的元数据和分类信息，充当索引键。

Field 存储了您打算测量、分析和可视化的实际定量或定性数据值。