John' Blog
Search K

Appearance

InfluxDB 快速入门与核心概念 ​

什么是 InfluxDB ​

InfluxDB 是一个专门用于存储和分析**时间序列数据（Time Series Data）**的数据库。

典型场景：

  • 服务器监控（CPU、内存、磁盘）
  • 应用监控（QPS、TPS、响应时间）
  • RabbitMQ 指标监控
  • IoT 设备数据采集
  • 日志指标统计

Docker Compose 安装 ​

yaml
services:
  influxdb:
    image: influxdb:2.7
    container_name: influxdb

    ports:
      - "8086:8086"

    environment:
      DOCKER_INFLUXDB_INIT_MODE: setup
      DOCKER_INFLUXDB_INIT_USERNAME: admin
      DOCKER_INFLUXDB_INIT_PASSWORD: admin123456
      DOCKER_INFLUXDB_INIT_ORG: my-org
      DOCKER_INFLUXDB_INIT_BUCKET: metrics
      DOCKER_INFLUXDB_INIT_ADMIN_TOKEN: my-super-token

    volumes:
      - ./influxdb/data:/var/lib/influxdb2
      - ./influxdb/config:/etc/influxdb2

启动：

bash
docker compose up -d

访问：

text
http://localhost:8086

InfluxDB 核心概念 ​

Bucket ​

类似 MySQL Database。

text
metrics

Measurement ​

类似 MySQL Table。

text
cpu_usage
mq_consumer
api_request

Tag ​

用于过滤查询。

python
.tag("host", "server01")
.tag("env", "prod")

特点：

  • 字符串类型
  • 自动建立索引
  • 适合作为查询条件

常见 Tag：

text
host
service
env
region
queue

Field ​

真正存储的数据。

python
.field("cpu", 85.5)
.field("memory", 70.2)

支持：

text
float
int
string
bool

注意：

同一个 Measurement 下，同名 Field 类型必须一致。

错误示例：

text
第一次：
value=85.5

第二次：
value=80

会报：

text
field type conflict

Timestamp ​

每条数据必须带时间。

python
.time(datetime.utcnow())

Point 结构 ​

python
Point("cpu_usage")
.tag("host", "server01")
.tag("env", "prod")
.field("value", 85.5)

对应：

text
Measurement: cpu_usage

Tags:
host=server01
env=prod

Fields:
value=85.5

Timestamp:
2026-06-06 12:00:00

Tag 与 Field 的区别 ​

Tag：

text
用于筛选
有索引

Field：

text
用于统计
无索引

推荐：

python
Point("api_request")
.tag("service", "user")
.tag("env", "prod")

.field("cost_ms", 35.5)
.field("status_code", 200)

一个 Point 可以有多个 Tag ​

python
Point("api_request")
.tag("service", "user")
.tag("host", "server01")
.tag("env", "prod")

查询：

flux
|> filter(fn: (r) =>
    r.service == "user" and
    r.env == "prod"
)

一个 Point 可以有多个 Field ​

python
Point("system")
.tag("host", "server01")

.field("cpu", 65.2)
.field("memory", 78.5)
.field("disk", 40.1)

表示同一时刻的多个指标。

Python 写入示例 ​

安装：

bash
pip install influxdb-client

写入 100 条数据：

python
import random
from influxdb_client import InfluxDBClient, Point
from influxdb_client.client.write_api import SYNCHRONOUS

with InfluxDBClient(
    url="http://localhost:8086",
    token="my-super-token",
    org="my-org"
) as client:

    write_api = client.write_api(
        write_options=SYNCHRONOUS
    )

    points = []

    for _ in range(100):
        points.append(
            Point("cpu_usage")
            .tag("host", "server01")
            .field("value", float(random.randint(20, 90)))
        )

    write_api.write(
        bucket="metrics",
        record=points
    )

InfluxDB vs MySQL/PostgreSQL ​

对比项InfluxDBMySQL/PostgreSQL
数据类型时序数据业务数据
查询核心时间范围主键/条件
更新数据少多
聚合统计强一般
Join弱强
事务弱强

适合：

text
MySQL/PostgreSQL
    用户、订单、商品

InfluxDB
    CPU、QPS、TPS、监控指标

InfluxDB vs ClickHouse ​

对比项InfluxDBClickHouse
定位时序数据库OLAP分析数据库
查询语言FluxSQL
指标监控优秀良好
日志分析一般优秀
JOIN弱强
BI分析一般优秀

适用场景：

text
InfluxDB
    监控系统
    Prometheus替代
    RabbitMQ指标

ClickHouse
    日志分析
    用户行为分析
    BI报表

RabbitMQ + InfluxDB 实践 ​

记录消费者指标：

python
Point("mq_consumer")
.tag("queue", "email.queue")
.tag("service", "mail")

.field("cost_ms", 123)
.field("success", 1)
.field("retry_count", 0)

监控内容：

text
消费TPS
消费耗时
失败率
队列堆积

推荐架构：

text
Producer
    ↓
RabbitMQ
    ↓
Consumer
    ↓
InfluxDB
    ↓
Grafana

总结 ​

text
Bucket
    ↓
Measurement
    ↓
Tag（查询条件）
    ↓
Field（指标数据）
    ↓
Timestamp（时间）

一句话理解：

InfluxDB 专门用于存储和分析时间序列数据，适合监控、指标统计和实时观测场景；MySQL/PostgreSQL 用于业务数据；ClickHouse 用于海量分析和报表场景。