InfluxDB 是一个时序数据库（TSDB），它的结构层次与传统的关系型数据库有所不同。它的层次结构主要包括以下几个关键组件：Database（数据库）、Retention Policy（保留策略）、Measurement（测量）、Tag（标签）、Field（字段）、Point（数据点） 和 Shard（分片）。这些组件共同构成了 InfluxDB 存储和管理时序数据的架构。

InfluxDB 的结构层次

  1. Measurement（测量）

    • Measurement 是数据的分类或名称，类似于 SQL 中的“表”。它是存储时间序列数据的核心容器。
    • 一个数据库可以包含多个 measurement，每个 measurement 存储不同种类的时间序列数据（例如：temperature、humidity、cpu_usage 等）。
    • Example: temperature、cpu_usage、disk_space 等。

  2. Database（数据库）

    • Database 是 InfluxDB 中存储数据的最顶层容器。每个数据库可以包含多个 measurement。你可以在多个数据库之间进行数据隔离。
    • 在 InfluxDB 中，数据库本身不提供任何分区，它只是一个存储数据的逻辑容器。
    • Example: sensor_data、monitoring_data 等。

  3. Retention Policy（保留策略）

    • Retention Policy 是数据存储的有效期限和副本数的设置。Retention Policy 决定了数据点的生命周期（数据保存多长时间）和复制策略。
    • 每个数据库至少有一个保留策略，默认是 autogen，它通常会设置一个自动删除过期数据的时间（例如：1天、1月等）。
    • 你可以为每个数据库创建多个保留策略，并且可以指定默认保留策略。数据写入时如果没有明确指定保留策略，将使用默认策略。
    • DURATION：指定数据点的有效期限。如果是 INF，表示数据会永久存储。
    • REPLICATION：指定数据副本数，通常在高可用部署中使用。
    • Example: autogen（默认策略），permanent（永久策略）等。

  4. Shard（分片）

    • Shard 是存储数据的物理分片。数据会根据时间戳分布到不同的分片中。每个分片包含一段时间范围内的数据。
    • 当你创建一个数据库并写入数据时，InfluxDB 会根据保留策略的 shard group duration 将数据分配到不同的分片。
    • Shard 是通过 时间范围 来划分的，这意味着较老的数据可能会被存储在更早的分片中，而较新的数据会被存储在当前分片中。
    • Example: 数据在每隔一段时间（比如 1 天、1 月）会被写入新的 shard。

  5. Point（数据点）

    • Point 是 InfluxDB 存储的最小数据单元，表示一个单独的时间序列数据。一个 Point 包含以下元素：
      • Measurement：数据的名称。
      • Tags：用于描述数据的元数据（键值对），用于索引。
      • Fields：实际的数值数据（如温度、湿度、压力等）。
      • Timestamp：数据点的时间戳，表示数据记录的时间。
    • Example: {measurement="temperature", tags={location="room1", sensor="sensor1"}, fields={value=25.5}, timestamp=1622045600000000000}。

  6. Field（字段）

    • Field 是实际的数值数据，表示测量值。字段存储的是可以进行计算的数据，例如温度、湿度、压力等。
    • 字段的值可以是：
      • 数字：浮动数值、整数。
      • 字符串：例如日志信息、事件描述。
      • 布尔值：True 或 False。
    • 字段不支持索引，因此查询时速度不如标签快，但字段可以支持更多的数据类型。

  7. Tag（标签）

    • Tag 是键值对，用于对数据进行分类和标识。标签是 索引字段，使得基于标签的查询非常高效。标签可以用来按特定条件过滤数据。
    • 标签通常用于表示数据的维度或属性（如：传感器的 ID、设备的地点、网络接口等）。
    • Example: location="room1", sensor="sensor1"。

InfluxDB 数据结构图示

+---------------------+         +------------------------+
|       Database      |         |       Retention        |
|   (sensor_data)     +-------->+    (autogen)           |
+---------------------+         +------------------------+
         |                              |
         |                              v
         |                      +----------------+
         |                      |   Shard Group  |
         |                      | (time range)   |
         |                      +----------------+
         |                              |
         v                              v
+-------------------+          +-------------------+
|    Measurement    |          |      Point        |
|  (temperature)    |          |   (value=25.5)    |
+-------------------+          +-------------------+
         |                              |
         v                              v
+-------------------+          +-------------------+
|      Tags         |          |    Fields         |
| (location=room1)  |          |    (value=25.5)   |
+-------------------+          +-------------------+

总结：

InfluxDB 的数据存储结构是分层的，通过数据库、保留策略、测量、标签、字段和数据点来组织数据。这样设计的好处是：

  • 高效的查询：通过标签索引，InfluxDB 可以快速定位数据。
  • 高效的存储：通过分片和保留策略，InfluxDB 可以根据数据时间范围进行优化存储和管理。
  • 灵活的查询：通过 Measurement、Tag 和 Field，可以灵活地查询、过滤和聚合数据。

客户端查看工具： - https://github.com/JorgeMaker/InfluxDBWorkBench?tab=readme-ov-file