本文主要是介绍使用SpringBoot+InfluxDB实现高效数据存储与查询，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
《使用SpringBoot+InfluxDB实现高效数据存储与查询》InfluxDB是一个开源的时间序列数据库,特别适合处理带有时间戳的监控数据、指标数据等,下面详细介绍如何在SpringBoot项目...
1、项目介绍
本项目使用 Spring Boot + InfluxDB 2.x 来存储和查询时间序列数据，适用于 物联网（IoT）、实时监控、日志分析 等场景。
2、 InfluxDB 介绍
InfluxDB 是一个高性能的时间序列数据库（TSDB），适用于存储温度、传感器数据、日志、监控指标等。
特点：
- 采用 Flux 查询语言
- 高吞吐量，支持 批量写入
- Tag（索引）+ Field（数据） 结构，提高查询效率
- 精确时间戳（支持纳秒级）
3、Spring Boot 配置 InfluxDB
在 application.yml 中配置 InfluxDB 连接：
# China编程InfluxDB 独立配置 influxdb: url: http://192.168.1.1xx:28086/ # InfluxDB 服务器地址 token: _7FZlXGJJcd8Ayox-F-hvbDdXb_a5SI3530x1DdFKZfQ65uOhnpQciJWHpd7ULhpAOcgj5oV2jsR-Xf0qTtAxg== org: xxx # 组织名称 bucket: xxx # 存储桶名称 # InfluxDB 客户端日志级别 # ERROR: 仅js记录错误日志 # WARN: 记录警告和错误日志 # INFO: 记录普通信息、警告和错误日志 # DEBUG: 记录调试级别的详细日志 # BODY: 记录完整的 HTTP 请求和响应主体 # TRACE: 记录极其详细的跟踪日志 # ALL: 记录所有日志级别（视客户端而定） logLevel: BODY
4、InfluxDB 连接配置
在 InfluxDBConfig.Java 中配置 InfluxDB 客户端：
import com.influxdb.client.InfluxDBClient;
import com.influxdb.client.InfluxDBClientFactory;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
@Configuration
public class InfluxDBConfig {
@Value("${influxdb.url}")
private String url;
@Value("${influxdb.token}")
private String token;
@Value("${influxdb.org}")
private String org;
@Value("${influxdb.bucket}")
private String bucket;
@Bean
public InfluxDBClient influxDBClient() {
return InfluxDBClientFactory.create(url, token.toCharArray(), org, bucket);
}
}说明
InfluxDBClientFactory.create(url, token, org, bucket)创建 InfluxDB 客户端@Value读取application.yml配置
5、Service 层：数据写入 & 查询
5.1 单条数据写入
public void writeSingleData(TemperatureDTO temperatureDTO) {
WriteApiblocking writeApi = influxDBClient.getWriteApiBlocking();
Point point = Point.measurement("temperature")
.addTag("location", temperatureDTO.getLocation()) // 添加标签（索引）
.addField("value", temperatureDTO.getValue()) // 添加字段（数据）
.time(Instant.now(), WritePrecision.NS); // 记录当前时间戳
writeApi.writePoint(point);
}5.2 批量写入（异步）
public void writeBATchData(List<TemperatureDTO> temperatureDTOs) { WriteApi writeApi = influxDBClient.makeWriteApi(); // 获取异步 API List<Point> points = temperatureDTOs.stream() .map(dto -> Point.measurement("temperature") .addTag("location", dto.getLocation()) .addField("value", dto.getValue()) .time(Instant.now(), WritePrecision.NS)) .collect(Collectors.toList()); CompletableFuture<Void> future = CompletableFuture.runAsync(() -> writeApi.writePoints(points)); future.whenComplete((result, error) -> { if (error != null) { System.err.println(" 写入失败：" + error.getMessage()); } else { writeApi.close(); // 关闭 API 避免资源泄露 log.info("✅ 批量数据写入成功（异步）"); } }); }
说明
- 异步写入 不会阻塞主线程，提高吞吐量
- 异常回调 捕获写入失败的信息
- 使用
writeApi.close()避免资源泄露
5.3 查询数据
public List<TemperatureVO> queryTemperatureData() {
String query = "from(bucket: \"test\") |> range(start: -1h)";
QueryApi queryApi = influxDBClient.getQueryApi();
return queryApi.query(query)
.stream()
.flatMjuFXaap(fluxTable -> fluxTable.getRecords().stream()) // 遍历 FluxTable
.map(record -> {
TemperatureVO vo = new TempythonperatureVO();
vo.setLocation((String) record.getValueByKey("location")); // 获取标签信息
Object valueObj = record.getValueByKey("_value");
vo.setValue(valueObj != null ? ((Number) valueObj).doubleValue() : 0.0);
vo.setTimestamp(record.getTime().toString());
return vo;
})
.collect(Collectors.toList());
}说明
- Flux 查询 过去
1h内的数据 - 遍历
FluxTable提取 标签 + 字段 数据
6、Controller 层：API 设计
@RestController
@RequestMapping("/api/influxdb")
public class InfluxDBController {
编程 @Autowired
private TestService influxDBService;
@PostMapping("/write")
public String writeData(@RequestBody TemperatureDTO temperatureDTO) {
influxDBService.writeSingleData(temperatureDTO);
return "✅ 单条数据写入成功！";
}
@PostMapping("/write-batch")
public String writeBatchData() {
List<TemperatureDTO> data = generateTestData(10000);
influxDBService.writeBatchData(data);
return "✅ 10,000 条数据成功写入！";
}
@GetMapping("/query")
public List<TemperatureVO> queryTemperatureData() {
return influxDBService.queryTemperatureData();
}
private List<TemperatureDTO> generateTestData(int count) {
List<TemperatureDTO> dataList = new ArrayList<>();
Random random = new Random();
for (int i = 0; i < count; i++) {
TemperatureDTO dto = new TemperatureDTO();
dto.setLocation("office-" + (random.nextInt(1000) + 1));
dto.setValue(15 + (random.nextDouble() * 10));
dataList.add(dto);
}
return dataList;
}
}说明
/write➝ 单条写入/write-batch➝ 生成 10,000 条数据并写入/query➝ 查询过去 1 小时数据
7、运行 & 测试
7.1 启动项目
mvn spring-boot:run
7.2 使用 Postman 进行测试
1、写入单条数据
POST http://localhost:8080/api/influxdb/write
{
"location": "office-1",
"value": 22.5
}2、批量写入
POST http://localhost:8080/api/influxdb/write-batch
3、查询数据
GET http://localhost:8080/api/influxdb/query
以上就是使用SpringBoot+InfluxDB实现高效数据存储与查询的详细内容，更多关于SpringBoot InfluxDB数据存储与查询的资料请关注编程China编程(www.chinasem.cn)其它相关文章！
这篇关于使用SpringBoot+InfluxDB实现高效数据存储与查询的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
