溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要為大家展示了“InfluxDB如何使用”，內(nèi)容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領大家一起研究并學習一下“InfluxDB如何使用”這篇文章吧。
  InfluxDB 是用Go語言編寫的一個開源分布式時序、事件和指標數(shù)據(jù)庫，無需外部依賴。 與 Elasticsearch 有些類似。
  功能：
     - 基于時間序列，支持與時間有關的相關函數(shù)（如最大，最小，求和等）；
     - 可度量性：你可以實時對大量數(shù)據(jù)進行計算；
     - 基于事件：它支持任意的事件數(shù)據(jù)基于事件：它支持任意的事件數(shù)據(jù)。
  主要特點：
     - 無結(jié)構(gòu)（無模式）：可以是任意數(shù)量的列
     - 可拓展的，支持min, max, sum, count, mean, median 等一系列函數(shù)，方便統(tǒng)計支持min, max, sum, count, mean, median 等一系列函數(shù)，方便統(tǒng)計
     - 原生的HTTP支持，內(nèi)置HTTP API原生的HTTP支持，內(nèi)置HTTP API
     - 強大的類SQL語法強大的類SQL語法
     - 自帶管理界面，方便使用自帶管理界面，方便使用
  InfluxDB與傳統(tǒng)數(shù)據(jù)庫的比較：
  接下來通過一個insert操作，展開對InfluxDB獨有概念的介紹，在 InfluxDB 中，我們可以粗略的將要存入的一條數(shù)據(jù)看作一個虛擬的 key 和其對應的 value(field value)，格式如下：
insert cpu_usage,host=server01,region=us-west value=0.64 1434055562000000000`
  虛擬的 key 包括以下幾個部分： database, retention policy, measurement, tag sets, field name, timestamp。
database：數(shù)據(jù)庫名，在 在 InfluxDB 中可以創(chuàng)建多個數(shù)據(jù)庫，不同數(shù)據(jù)庫中的數(shù)據(jù)文件是隔離存放的 。
retention policy ： 存儲策略，用于設置數(shù)據(jù)保留的時間，每個數(shù)據(jù)庫剛開始會自動創(chuàng)建一個默認的存儲策略 autogen，數(shù)據(jù)保留時間為永久，之后用戶可以自己設置
measurement ：類似于關系型數(shù)據(jù)庫中的表。
tag sets ： tags 在 InfluxDB 中會按照字典序排序 ，例如： host=server01,region=us-west 和 host=server02,region=us-west 就是兩個不同的 tag set 。
tag ：標簽， 在InfluxDB中，tag是一個非常重要的部分，表名+tag一起作為數(shù)據(jù)庫的索引，是“key-value”的形式 。
ield name: 例如上面數(shù)據(jù)中的 value 就是 fieldName，InfluxDB 中支持一條數(shù)據(jù)中插入多個 fieldName 。
timestamp ： 每一條數(shù)據(jù)都需要指定一個時間戳，在 TSM 存儲引擎中會特殊對待，以為了優(yōu)化后續(xù)的查詢操作 。
  Point 由時間戳（time）、數(shù)據(jù)（field）、標簽（tags）組成。
   Point相當于傳統(tǒng)數(shù)據(jù)庫里的一行數(shù)據(jù) , 如下表所示：
  Series 相當于是 InfluxDB 中一些數(shù)據(jù)的集合，在同一個 database 中，retention policy、measurement、tag sets 完全相同的數(shù)據(jù)同屬于一個 series，同一個 series 的數(shù)據(jù)在物理上會按照時間順序排列存儲在一起。
   Shard 在 InfluxDB 中是一個比較重要的概念，它和 retention policy 相關聯(lián)。每一個存儲策略下會存在許多 shard，每一個 shard 存儲一個指定時間段內(nèi)的數(shù)據(jù)，并且不重復 ； 例如 ： 7點-8點 的數(shù)據(jù)落入 shard0 中，8點-9點的數(shù)據(jù)則落入 shard1 中。每一個 shard 都對應一個底層的 tsm 存儲引擎，有獨立的 cache、wal、tsm file。
   TSM 存儲引擎主要由幾個部分組成：cache、wal、tsm file、compactor 。
    1)Cache ：cache 相當于是 LSM Tree 中的 memtabl。插入數(shù)據(jù)時，實際上是同時往 cache 與 wal 中寫入數(shù)據(jù)，可以認為 cache 是 wal 文件中的數(shù)據(jù)在內(nèi)存中的緩存。當 InfluxDB 啟動時，會遍歷所有的 wal 文件，重新構(gòu)造 cache，這樣即使系統(tǒng)出現(xiàn)故障，也不會導致數(shù)據(jù)的丟失。
   cache 中的數(shù)據(jù)并不是無限增長的，有一個 maxSize 參數(shù)用于控制當 cache 中的數(shù)據(jù)占用多少內(nèi)存后就會將數(shù)據(jù)寫入 tsm 文件。如果不配置的話，默認上限為 25MB，每當 cache 中的數(shù)據(jù)達到閥值后，會將當前的 cache 進行一次快照，之后清空當前 cache 中的內(nèi)容，再創(chuàng)建一個新的 wal 文件用于寫入，剩下的 wal 文件最后會被刪除，快照中的數(shù)據(jù)會經(jīng)過排序?qū)懭胍粋€新的 tsm 文件中 。
     2）WAL：wal 文件的內(nèi)容與內(nèi)存中的 cache 相同，其作用就是為了持久化數(shù)據(jù)，當系統(tǒng)崩潰后可以通過 wal 文件恢復還沒有寫入到 tsm 文件中的數(shù)據(jù) 。
     3） TSM File ： 單個 tsm file 大小最大為 2GB，用于存放數(shù)據(jù) 。
     4） Compactor：compactor 組件在后臺持續(xù)運行，每隔 1 秒會檢查一次是否有需要壓縮合并的數(shù)據(jù) 。
   主要進行兩種操作 ：
    - 一種是 cache 中的數(shù)據(jù)大小達到閥值后，進行快照，之后轉(zhuǎn)存到一個新的 tsm 文件中 。
    - 另外一種就是合并當前的 tsm 文件，將多個小的 tsm 文件合并成一個，使每一個文件盡量達到單個文件的最大大小，減少文件的數(shù)量，并且一些數(shù)據(jù)的刪除操作也是在這個時候完成 。
官網(wǎng)地址：https://dl.influxdata.com
#1.本地下載 wget https://dl.influxdata.com/influxdb/releases/influxdb-1.1.0.x86_64.rpm yum localinstall influxdb-1.1.0.x86_64.rpm #2.在線yum 安裝 #2.1配置yum源 cat <<EOF | sudo tee /etc/yum.repos.d/influxdb.repo [influxdb] name = InfluxDB Repository - RHEL \$releasever baseurl = https://repos.influxdata.com/rhel/\$releasever/\$basearch/stable enabled = 1 gpgcheck = 1 gpgkey = https://repos.influxdata.com/influxdb.key EOF #2.2 安裝 yum install go sudo yum install influxdb
#啟動服務 systemctl start influxdb.service #查看服務是否正常 systemctl status influxdb #查看服務對應進程 ps aux | grep influx
Ps：
（1）8086端口：HTTP API的端口
（2）8088：備份和恢復時使用，默認是8088
  由于是使用yum 安裝的所以安裝后，Influx的目錄會分布在 /usr/bin 、 /var/lib/influxdb/ 、 /etc/influxdb/ 下，下面我們一一介紹：
（1）/usr/bin 該目錄下是存放相應命令操作的目錄：
influxd influxdb服務器 influx influxdb命令行客戶端 influx_inspect 查看工具 influx_stress 壓力測試工具 influx_tsm 數(shù)據(jù)庫轉(zhuǎn)換工具（將數(shù)據(jù)庫從b1或bz1格式轉(zhuǎn)換為tsm1格式）
（2）/var/lib/influxdb/ 存放數(shù)據(jù)的目錄
data 存放最終存儲的數(shù)據(jù)，文件以.tsm結(jié)尾 meta 存放數(shù)據(jù)庫元數(shù)據(jù) wal 存放預寫日志文件
（3）/etc/influxdb/influxdb.conf 存放配置文件的目錄
  influxdb.conf 就是 influxdb的配置文件。
Ps：在閱讀配置參數(shù)的時，最好是對該數(shù)據(jù)庫各個概念以及原理有一些了解，再去細看配置參數(shù)。
#編輯配置文件 vim /etc/influxdb/influxdb.conf #以下=后面的都是默認值 reporting-disabled = false -- 該選項用于上報influxdb的使用信息給InfluxData公司 bind-address = "127.0.0.1:8088" -- 備份恢復時使用，默認值為8088 [meta]下 dir = "/var/lib/influxdb/meta" -- meta數(shù)據(jù)存放目錄 retention-autocreate = true -- 用于控制默認存儲策略 logging-enabled = true -- 是否開啟meta日志 [data]下 dir = "/var/lib/influxdb/data" -- 最終數(shù)據(jù)（TSM文件）存儲目錄 wal-dir = "/var/lib/influxdb/wal" -- 預寫日志存儲目錄 query-log-enabled = true -- 是否開啟tsm引擎查詢?nèi)罩? cache-max-memory-size = "1g" -- 用于限定shard最大值，大于該值時會拒絕寫入 cache-snapshot-memory-size = "25m" -- 用于設置快照大小，大于該值時數(shù)據(jù)會刷新到tsm文件 cache-snapshot-write-cold-duration = "10m" -- tsm1引擎 snapshot寫盤延遲 compact-full-write-cold-duration = "4h" -- tsm文件在壓縮前可以存儲的最大時間 max-series-per-database = 1000000 -- 限制數(shù)據(jù)庫的級數(shù)，該值為0時取消限制 trace-logging-enabled = false -- 是否開啟trace日志 [coordinator] 下 write-timeout = "10s" -- 寫操作超時時間 max-concurrent-queries = 0 -- 最大并發(fā)查詢數(shù)，0無限制 query-timeout = "0s" -- 查詢操作超時時間，0無限制 log-queries-after = "0s" -- 慢查詢超時時間，0無限制 max-select-point = 0 -- SELECT語句可以處理的最大點數(shù)（points）0無限制 max-select-series = 0 -- SELECT語句可以處理的最大級數(shù)（series），0無限制 max-select-buckets = 0 -- SELECT語句可以處理的最大"GROUP BY time()"的時間周期，0無限制 [retention]下 ，舊數(shù)據(jù)的保留策略 enabled = true -- 是否開啟該模塊 check-interval = "30m" -- 檢查時間間隔 [http] 下，influxdb的http接口配置 enabled = true -- 是否開啟該模塊 bind-address = ":8086" --綁定地址 auth-enabled = false -- 是否開啟認證 log-enabled = true -- 是否開啟日志 max-row-limit = 0 -- 配置查詢返回最大行數(shù) max-connection-limit = 0 -- 配置最大連接數(shù)，0無限制
以上是常見操作配置，具體細節(jié)請參考：
https://www.cnblogs.com/MikeZhang/p/InfluxDBInstall20170206.html
Ps:以下操作可能與關系型數(shù)據(jù)庫操作不同，如果對Influx不了解，請先閱讀Influx介紹之后，在繼續(xù)往下閱讀。
#進入Influx數(shù)據(jù)庫 [root@iZbp19ujl2isnn8zc1hqirZ ~]# influx > show databases #顯示所有數(shù)據(jù)庫 > create database tes #創(chuàng)建數(shù)據(jù)庫 > drop database test #刪除數(shù)據(jù)庫 > use test #進入數(shù)據(jù)庫 > insert disk_free,hostname=server01 value=442221834240i #創(chuàng)建&& 插入數(shù)據(jù) > select * from disk_free #查詢數(shù)據(jù) > show measurement #顯示庫中的所有表 > drop measurement disk_free #刪除表
我們發(fā)現(xiàn)以上猛如虎的操作中，進入沒有類似create table的命令，這是為什么呢？
  原來是因為： InfluxDB中沒有顯示的創(chuàng)建表的語句，只能通過insert數(shù)據(jù)的房還是來建立新表 。
insert disk_free,hostname=server01 value=442221834240i -- 剖析以上命令的含義 disk_free 就是表名，hostname 是索引（tag），value=xx 是記錄值（field），記錄值可以有多個，系統(tǒng)自帶追加時間戳。 -- 也可以手動添加時間戳 insert disk_free,hostname=server01 value=442221834240i 1435362189575692182
  介紹： InfluxDB 是沒有提供直接刪除數(shù)據(jù)記錄的方法，但是提供數(shù)據(jù)保存策略，主要用于指定數(shù)據(jù)保留時間，超過指定時間，就刪除這部分數(shù)據(jù)。
#查看當前數(shù)據(jù)庫中的Retention Policies >show retention policies on test name duration shardGroupDuration replicaN default ---- -------- ------------------ -------- ------- autogen 0s 168h0m0s 1 false
解釋：
  - name：名稱，此示例名稱為 default。
  - duration：持續(xù)時間，0代表無限制。
  - shardGroupDuration：shardGroup的存儲時間，shardGroup是InfluxDB的一個基本儲存結(jié)構(gòu)，應該大于這個時間的數(shù)據(jù)在查詢效率上應該有所降低。
  - replicaN：全稱是replication，副本個數(shù)。
  - default：是否是默認策略。
#創(chuàng)建新的Retention Policies > create retention policy "rp_name" on "test" duration 3w replication 1 default #修改Retention Policies > alter retention policy "rp_name" on "test" duration 30d default > show retention policies on test name duration shardGroupDuration replicaN default ---- -------- ------------------ -------- ------- autogen 0s 168h0m0s 1 false rp_name 720h0m0s 24h0m0s 1 true #刪除Retention Policies drop retention policy "rp_name" on "test"
創(chuàng)建語句剖析：
create retention policy "rp_name" on "test" duration 3w replication 1 default
  - rp_name：保存策略名稱
  - test：所針對的數(shù)據(jù)庫
  - 3w ： 保存3周，3周之前的數(shù)據(jù)將被刪除，influxdb 具備各種事件參數(shù)，持續(xù)時間必須至少為1小時；比如：h（小時）、d（天）、w（星期） 。
  - replication ： 副本個數(shù)，一般為1即可。
  介紹： InfluxDB 的連續(xù)查詢是在數(shù)據(jù)庫中自動定時啟動的一組語句，語句中必須包含 select 關鍵字 和 group by time() 關鍵字。 InfluxDB 會將查詢結(jié)果放在指定的數(shù)據(jù)表中。
  目的：使用連續(xù)查詢是最優(yōu)的降低采樣率的方式，連續(xù)查詢和存儲策略搭配使用將會大大降低 InfluxDB 的系統(tǒng)占用量。而且使用連續(xù)查詢后，數(shù)據(jù)會存放到指定的數(shù)據(jù)表中，這樣就為以后統(tǒng)計不同精度的數(shù)據(jù)提供了方便。
  創(chuàng)建語句：
CREATE CONTINUOUS QUERY <cq_name> ON <database_name> [RESAMPLE [EVERY <interval>] [FOR <interval>]] BEGIN SELECT <function>(<stuff>)[,<function>(<stuff>)] INTO <different_measurement> FROM <current_measurement> [WHERE <stuff>] GROUP BY time(<interval>)[,<stuff>] END
  舉例：
CREATE CONTINUOUS QUERY wj_30m ON test BEGIN SELECT mean(connected_clients), MEDIAN(connected_clients), MAX(connected_clients), MIN(connected_clients) INTO redis_clients_30m FROM redis_clients GROUP BY ip,port,time(30m) --解釋： 在test數(shù)據(jù)庫中新建了一個名為 wj_30m 的連續(xù)查詢，每三十分鐘取一個 connected_clients 字段的平均值、中位值、最大值、最小值從redis_clients表中并且插入到redis_clients_30m表中，使用的數(shù)據(jù)保留策略都是default。
  連續(xù)查詢的其他操作：
#查看庫中的連續(xù)查詢 > show continuous queries name: _internal name query ---- ----- name: test name query ---- ----- #刪除Continuous Queries > drop continuous query <cq_name> on <database_name>
  用戶管理：
#以xxx用戶登錄 $influx -username useer -password abcd #顯示所有用戶 > show users user admin ---- ----- zy true #創(chuàng)建普通用戶 > CREATE USER "username" WITH PASSWORD 'password' #創(chuàng)建管理員用戶 > CREATE USER "admin" WITH PASSWORD 'admin' WITH ALL PRIVILEGES #為用戶設置密碼 > SET PASSWORD FOR <username> = '<password>' #刪除用戶 > DROP USER "username"
  權(quán)限設置：
#為一個已有用戶授權(quán)管理員權(quán)限 > GRANT ALL PRIVILEGES TO <username> #取消用戶權(quán)限 > REVOKE ALL PRIVILEGES FROM <username> #展示用戶在不同數(shù)據(jù)庫上的權(quán)限 > SHOW GRANTS FOR <user_name>
   關于Influxdb支持兩種方式：類SQL查詢和Http接口查詢：
-- 類SQL查詢（詢最新的三條數(shù)據(jù)） SELECT * FROM weather ORDER BY time DESC LIMIT 3 #Http接口查詢 $curl -G 'http://localhost:8086/query?pretty=true' --data-urlencode "db=test" --data-urlencode "q=SELECT * FROM weather ORDER BY time DESC LIMIT 3"
這里小編以maven項目的結(jié)構(gòu)，測試關于InfluxDB數(shù)據(jù)庫的增刪改查。
<!-- InfluxDB 需要的jar包 --> <dependency> <groupId>org.influxdb</groupId> <artifactId>influxdb-java</artifactId> <version>2.5</version> </dependency>
InfluxDBUtils:
import org.influxdb.InfluxDB;
import org.influxdb.InfluxDBFactory;
import org.influxdb.dto.Point;
import org.influxdb.dto.Query;
import org.influxdb.dto.QueryResult;
import java.util.Map;
/**
* * Created with IntelliJ IDEA.
* * User: ZZY
* * Date: 2019/11/15
* * Time: 10:10
* * Description:
*/
public class InfluxDBConnect {
private String username;//用戶名
private String password;//密碼
private String openurl;//連接地址
private String database;//數(shù)據(jù)庫
private InfluxDB influxDB;
public InfluxDBConnect(String username, String password, String openurl, String database){
this.username = username;
this.password = password;
this.openurl = openurl;
this.database = database;
}
/**連接時序數(shù)據(jù)庫；獲得InfluxDB**/
public InfluxDB getConnect(){
if(influxDB==null){
influxDB=InfluxDBFactory.connect(openurl,username,password);
influxDB.createDatabase(database);
}
return influxDB;
}
/**
* 設置數(shù)據(jù)保存策略
* defalut 策略名 /database 數(shù)據(jù)庫名/ 30d 數(shù)據(jù)保存時限30天/ 1 副本個數(shù)為1/ 結(jié)尾DEFAULT 表示 設為默認的策略
*/
public void setRetentionPolicy(){
String command=String.format("CREATE RETENTION POLICY \"%s\" ON \"%s\" DURATION %s REPLICATION %s DEFAULT",
"defalut", database, "30d", 1);
this.query(command);
}
/**
* 查詢
* @param command 查詢語句
* @return
*/
public QueryResult query(String command){
return influxDB.query(new Query(command,database));
}
/**
* 插入
* @param measurement 表
* @param tags 標簽
* @param fields 字段
*/
public void insert(String measurement, Map<String, String> tags, Map<String, Object> fields){
Point.Builder builder =Point.measurement(measurement);
builder.tag(tags);
builder.fields(fields);
influxDB.write(database,"",builder.build());
}
/**
* 刪除
* @param command 刪除語句
* @return 返回錯誤信息
*/
public String deleteMeasurementData(String command){
QueryResult query = influxDB.query(new Query(command, database));
return query.getError();
}
/**
* 創(chuàng)建數(shù)據(jù)庫
* @param dbName
*/
public void createDB(String dbName){
influxDB.createDatabase(dbName);
}
/**
* 刪除數(shù)據(jù)庫
* @param dbName
*/
public void deleteDB(String dbName){
influxDB.deleteDatabase(dbName);
}
}pojo：
import java.io.Serializable;
/**
* * Created with IntelliJ IDEA.
* * User: ZZY
* * Date: 2019/11/15
* * Time: 10:07
* * Description:
*/
public class CodeInfo implements Serializable {
private static final long serialVersionUID = 1L;
private Long id;
private String name;
private String code;
private String descr;
private String descrE;
private String createdBy;
private Long createdAt;
private String time;
private String tagCode;
private String tagName;
public static long getSerialVersionUID() {
return serialVersionUID;
}
}
//set and get method ...測試：
import org.influxdb.InfluxDB;
import org.influxdb.dto.QueryResult;
import java.util.*;
/**
* * Created with IntelliJ IDEA.
* * User: ZZY
* * Date: 2019/11/15
* * Time: 11:45
* * Description: 測試influxDB的增刪改查
*/
public class Client {
public static void main(String[] args) {
String username = "admin";//用戶名
String password = "admin";//密碼
String openurl = "http://192.168.254.100:8086";//連接地址
String database = "test";//數(shù)據(jù)庫
InfluxDBConnect influxDBConnect = new InfluxDBConnect(username, password, openurl, database);
influxDBConnect.getConnect();
//insertInfluxDB(influxDBConnect);
testQuery(influxDBConnect);
}
//向Measurement中插入數(shù)據(jù)
public static void insertInfluxDB(InfluxDBConnect influxDB) {
Map<String, String> tags = new HashMap<String, String>();
Map<String, Object> fields = new HashMap<String, Object>();
List<CodeInfo> list = new ArrayList<CodeInfo>();
CodeInfo info1 = new CodeInfo();
info1.setId(1L);
info1.setName("BANKS");
info1.setCode("ABC");
info1.setDescr("中國農(nóng)業(yè)銀行");
info1.setDescrE("ABC");
info1.setCreatedBy("system");
info1.setCreatedAt(new Date().getTime());
CodeInfo info2 = new CodeInfo();
info2.setId(2L);
info2.setName("BANKS");
info2.setCode("CCB");
info2.setDescr("中國建設銀行");
info2.setDescrE("CCB");
info2.setCreatedBy("system");
info2.setCreatedAt(new Date().getTime());
list.add(info1);
list.add(info2);
String measurement = "sys_code";
for (CodeInfo info : list) {
tags.put("TAG_CODE", info.getCode());
tags.put("TAG_NAME", info.getName());
fields.put("ID", info.getId());
fields.put("NAME", info.getName());
fields.put("CODE", info.getCode());
fields.put("DESCR", info.getDescr());
fields.put("DESCR_E", info.getDescrE());
fields.put("CREATED_BY", info.getCreatedBy());
fields.put("CREATED_AT", info.getCreatedAt());
influxDB.insert(measurement, tags, fields);
}
}
//查詢Measurement中的數(shù)據(jù)
public static void testQuery(InfluxDBConnect influxDB) {
String command = "select * from sys_code";
QueryResult results = influxDB.query(command);
if (results == null) {
return;
}
for(QueryResult.Result result:results.getResults()){
List<QueryResult.Series> series = result.getSeries();
for(QueryResult.Series serie :series){
System.out.println("serie:"+serie.getName()); //表名
Map<String, String> tags =serie.getTags();
if(tags !=null){
System.out.println("tags:-------------------------");
tags.forEach((key, value)->{
System.out.println(key + "：" + value);
});
}
System.out.println("values:-----------------------");
List<List<Object>> values = serie.getValues(); //列出每個serie中所有的列--value 列為全大寫
List<String> columns =serie.getColumns(); //列出每個serie中所有的列
for(List<Object> list : values){
for(int i=0; i< list.size(); i++){
String propertyName = setColumns(columns.get(i));//字段名
Object value =list.get(i);
System.out.println(value.toString());
}
}
System.out.println("columns:");
for(String column:columns){
System.out.println(column);
}
}
}
}
//刪除Measurement中的數(shù)據(jù)
public static void deletMeasurementData(InfluxDBConnect influxDB){
String command = "delete from sys_code where TAG_CODE='ABC'";
String err =influxDB.deleteMeasurementData(command);
System.out.println(err);
}
private static String setColumns(String column){
System.out.println(column);
String[] cols = column.split("_");
StringBuffer sb = new StringBuffer();
for(int i=0; i< cols.length; i++){
String col = cols[i].toLowerCase();
if(i != 0){
String start = col.substring(0, 1).toUpperCase();
String end = col.substring(1).toLowerCase();
col = start + end;
}
sb.append(col);
}
System.out.println(sb.toString());
return sb.toString();
}
}（1）普通導出
$influx_inspect export -datadir "/var/lib/influxdb/data" -waldir "/var/lib/influxdb/wal" -out "test_sys" -database "test" -start 2019-07-21T08:00:01Z #命令解釋 influx_inspect export -datadir "/data/influxdb/data" # 勿動，influxdb 默認的數(shù)據(jù)存儲位置 -waldir "/data/influxdb/wal" # 勿動，influxdb 默認的數(shù)據(jù)交換位置 -out "telemetry_vcdu_time" # 導出數(shù)據(jù)文件的文件名 -database telemetry_vcdu_time # 指定要導出數(shù)據(jù)的數(shù)據(jù)庫 -start 2019-07-21T08:00:01Z # 指定要導出的數(shù)據(jù)的起始時間
此時在當前目錄下會出現(xiàn)一個名為test_sys的文件，查看文件內(nèi)容：
（2）導出成CSV格式文件
$influx -database 'test' -execute 'select * from sys_code' -format='csv' > sys_code.csv
此時在當前目錄下就多出一個sys_code.csv的文件，查看文件內(nèi)容：
$influx -import -path=telemetry_sat_time -precision=ns #命令解釋 influx -import # 無參，勿動 -path=telemetry_sat_time # 指定導入數(shù)據(jù)的文件 -precision=ns # 指定導入數(shù)據(jù)的時間精度
以上是“InfluxDB如何使用”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業(yè)資訊頻道！
免責聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權(quán)請聯(lián)系站長郵箱：is@yisu.com進行舉報，并提供相關證據(jù)，一經(jīng)查實，將立刻刪除涉嫌侵權(quán)內(nèi)容。
