简单纪要：influxdb浅谈！

 一、初识Influxdb

🎯 InfluxDB是一个由InfluxData开发的开源时序型数据库，它由Go写成，着力于高性能地查询与存储的时序型数据库。InfluxDB被广泛应用于存储系统的监控数据，实时动态数据分析等场景。

优点：高性能地查询与存储的时序型数据库

1、golang编写， 没有其他依赖；

2、为时间序列数据库专门编写的自定义高性能数据存储（TSM引擎具有高性能的写入和数据压缩）；

3、支持类sql查询语句；

4、tag可以索引序列化，提供快速有效的查询；

5、时序型数据库，可以支持min, max, sum, count, mean,median 一系列函数，方便统计；

二、Influxdb 概念介绍

三、Influxdb基本操作

2.0之前：支持sql语法
curl -G 'http://localhost:8086/query?pretty=true' --data-urlencode "db=mydb" --data-urlencode "q=SELECT \"value\" FROM \"cpu_load_short\" WHERE \"region\"='us-west'"
2.0之后：支持flux
from(bucket:"example-bucket") 
 |> range(start: -15m) 
 |> filter(fn: (r) => 
 r._measurement == "cpu" and 
 r._field == "usage_system" and 
 r.cpu == "cpu-total" 
 )

四、Influxdb 存储原理

🎯 InfluxDB的存储结构树是时间结构合并树（Time-Structured Merge Tree，TSM），它是由日志结构化合并树（Log-Structured Merge Tree，LSM），根据实际需求变化而来的。

A：LSM树包含三部分：Memtable，Immutable和SSTable。

Memtable：

MemTable是在内存中的数据结构，用于保存最近更新的数据，会按照Key有序地组织这些数据，LSM树对于具体如何组织有序地组织数据并没有明确的数据结构定义，例如Hbase使跳跃表来保证内存中key的有序。

因为数据暂时保存在内存中，内存并不是可靠存储，如果断电会丢失数据，因此通常会通过WAL(Write-ahead logging，预写式日志)的方式来保证数据的可靠性。

Immutable：

当 MemTable达到一定大小后，会转化成Immutable MemTable。Immutable MemTable是将转MemTable变为SSTable的一种中间状态。写操作由新的MemTable处理，在转存过程中不阻塞数据更新操作。

SSTable：

有序键值对集合，是LSM树组在磁盘中的数据结构。为了加快SSTable的读取，可以通过建立key的索引以及布隆过滤器来加快key的查找。

B：TSM存储引擎主要包括四部分:Cache，WAL，TSM File，Compactor。下图中shard与TSM引擎主要部分放在一起，但其实shard在是TSM存储引擎之上的一个概念。在 InfluxDB 中按照数据产生的时间范围，会创建不同的shard分组，每个 shard 都有本身的 cache、wal、tsm file 以及 compactor。

 

五、TICK架构分析

🎯 TICK架构 是 InfluxData 平台的组件的集合首字母缩写，该集合包 括Telegraf、InfluxDB、Chronograf和 Kapacitor。TICK架构以及各组件分工情况如图所示：

除了上图可视化管理工具Chronograf外，还有一种可视化工具Grafana，它也是用于大规模指标数据的可视化展示，提供包括折线图，饼图，仪表盘等多种监控数据可视化UI，若应用过程中考虑到扩展性问题，也会使用Grafana代替Chronograf。

 

官方文档：

https://docs.influxdata.com/influxdb/v2.0/reference/syntax/flux/flux-vs-influxql/#influxql-and-flux-parity