前言：
Influxdb也是有influxdata公司(www.influxdata.com )开发的用于数据存储的时间序列数据库.可用于数据的时间排列。在整个TIG(Telegraf+influxdb+grafana)方案中，influxdb可算作一个中间件，主要负责原始数据的存储，并按照时间序列进行索引构建以提供时间序列查询接口。在整个TIG方案中，应该先构建的就是Influxdb。
Influxdb研究与实践：
influxdb介绍：
使用TSM(Time Structured Merge)存储引擎，允许高摄取速度和数据压缩；
使用go编写，无需其他依赖； 简单，高性能写查询httpAPI接口； 支持其他数据获取协议的插件，比如graphite,collected,OpenTSDB； 使用relay构建高可用； 扩展的类sql语言，很容易查询汇总数据； tag的支持，可用让查询变的更加高效和快速； 保留策略有效地自动淘汰过期的数据； 持续所产生的自动计算的数据会使得频繁的查询更加高效； web管理页面的支持下载安装：
github： 源码编译
官网下载： Centos系列：wget && sudo yum localinstall influxdb-1.0.0.x86_64.rpm 源码包系列：wget && tar xvfz influxdb-1.0.0_linux_amd64.tar.gz docker系列：docker pull influxdb 安装手册：配置：
#cat /etc/influxdb/influxdb.confreporting-disabled = false[registration][meta]dir = "/var/lib/influxdb/meta"hostname = "10.0.0.2" #此hostname必须写本机，否则无法连接到数据操作的APIbind-address = ":8088"retention-autocreate = trueelection-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 = truedir = "/var/lib/influxdb/hh"max-size = 1073741824max-age = "168h"retry-rate-limit = 0retry-interval = "1s"retry-max-interval = "1m"purge-interval = "1h"[admin]enabled = truebind-address = ":8083"https-enabled = falsehttps-certificate = "/etc/ssl/influxdb.pem"[http]enabled = truebind-address = ":8086"auth-enabled = falselog-enabled = truewrite-tracing = falsepprof-enabled = falsehttps-enabled = falsehttps-certificate = "/etc/ssl/influxdb.pem"[opentsdb]enabled = false[collectd]enabled = false
注意：influxdb服务会启动三个端口：8086为服务的默认数据处理端口，主要用来influxdb数据库的相关操作，可提供相关的API；8083为管理员提供了一个可视化的web界面，用来为用户提供友好的可视化查询与数据管理；8088主要为了元数据的管理。需要注意的是，influxdb默认是需要influxdb用户启动，且数据存放在/var/lib/influxdb/下面，生产环境需要注意这个。
启动：
和telegraf启动方式一样，可以使用init.d或者systemd进行管理influxdb
注意，启动之后需要查看相关的端口是否正在监听，并检查日志确保服务正常启动 使用：
如果说使用telegraf最核心的部分在配置，那么influxdb最核心的就是SQL语言的使用了。influxdb默认支持三种操作方式：
登录influxdb的shell中操作:创建数据库：create database mydb创建用户：create user "bigdata" with password 'bigdata' with all privileges查看数据库：show databases;数据插入：insert bigdata,host=server001,regin=HC load=88切换数据库： use mydb查看数据库中有哪些measurement(类似数据库中的表):show measurements查询：select * from cpu limit 2查询一小时前开始到现在结束的：#select load from cpu where time > now() - 1h查询从历史纪元开始到1000天之间：#select load from cpu where time < now() + 1000d查找一个时间区间：#select load from cpu where time > '2016-08-18' and time < '2016-09-19'查询一个小时间区间的数据，比如在September 18, 2016 21:24:00:后的6分钟：#select load from cpu where time > '2016-09-18T21:24:00Z' +6m使用正则查询所有measurement的数据：#select * from /.*/ limit 1#select * from /^docker/ limit 3#select * from /.*mem.*/ limit 3正则匹配加指定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的用法必须得是在复合函数中进行使用#select count(type) from events group by time(10s)#select count(type) from events group by time(10s),type给查询字段做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数据聚合：select count(type) from user_events merge admin_events group by time(10m) 使用API进行操作数据:
创建数据库:curl -G "http://localhost:8086/query" --data-urlencode "q=create database mydb"插入数据：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=0.67cpu_load_short,host=server02,region=us-west value=0.55 1422568543702900257cpu_load_short,direction=in,host=server01,region=us-west value=2.0 1422568543702900257'将sql语句写入文件，并通过api插入：#cat sql.txtcpu_load_short,host=server02 value=0.67cpu_load_short,host=server02,region=us-west value=0.55 1422568543702900257cpu_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查询数据：（--data-urlencode "epoch=s" 指定时间序列 "chunk_size=20000" 指定查询块大小）# curl -G http://localhost:8086/query?pretty=true --data-urlencode "db=ydb" --data-urlencode "q=select * from biaoge where xingqu='coding'"数据分析：#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的值分别是42 78 15.4；用mean(load)求出来的值为45,13curl -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界面进行操作:
这里只是简单的介绍了influxdb的使用，后期如果想在grafana中汇聚并完美地展示数据，可能需要熟悉influxdb的各种查询语法。(其实就是sql语句的一些使用技巧，聚合函数的使用，子查询等等)
注意：原创著作，转载请联系作者！