JAVA操作Influxdb

本文主要是介绍JAVA操作Influxdb，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！

1、安装influxdb

本文采用Influxdb2,版本为influxdb:2.7.6。安装方式为docker。

执行安装命令

docker pull influxdb:2.7.6

创建服务

docker run --name=influxdb2 -p 8086:8086 -v $PWD:/var/lib/influxdb -d influxdb:2.7.6

其中 $PWD 指定为当前目录。可以根据需求进行更换

2、访问 http://ip:8086/进入influxdb系统进行配置，需要配置org和bucket。

3、创建访问API。访问API创建成功后，一定要保存下来，否则，下次将无法查看。

4、开始编码，导入JAR包。需要导入 influxdb-client-java包

	<dependencies><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-test</artifactId><scope>test</scope></dependency>		<dependency><groupId>org.influxdb</groupId><artifactId>influxdb-java</artifactId></dependency><dependency><groupId>com.influxdb</groupId><artifactId>influxdb-client-java</artifactId><version>3.2.0</version></dependency></dependencies>

5、创建连接并进行写入数据

InfluxDBClientOptions options = InfluxDBClientOptions.builder().url("http://192.168.10.123:8086").authenticateToken("KHRmELvLVlof-iJu-t6EdZmotertANGJlq6BpLFV5Ezi9dvKBeYWe2eU8JzFt3PwhYb2YvIcXBLiACIITZ5hZw==".toCharArray()).org("szyk").bucket("szyk").build();InfluxDBClient client = InfluxDBClientFactory.create(options);OrganizationsApi organizationsApi = client.getOrganizationsApi();System.out.println(organizationsApi.findOrganizations());Instant now = Instant.now(); // 当前时间Point dataPoint = Point.measurement("temperature").addTag("location", "New York").addField("value", "123").time(now.toEpochMilli(), WritePrecision.MS); // 使用毫秒精度List<Bucket> list =  client.getBucketsApi().findBuckets();for (Bucket bucket : list) {System.out.println(bucket.getName());}client.getWriteApiBlocking().writePoint(dataPoint);System.out.println();}

6、注意事项

influxdb中measurement类似于关系形数据库中的表，tag为列，有索引，可以进行快速查询，field列没有索引不能进行快速查询，但field可以进行运算。

。以下是这三个概念的区别：
1. Measurement（测量）
定义： measurement是InfluxDB中存储时间序列数据的顶级容器。它代表了您想要收集和分析的某一类特定数据。每个measurement对应于关系型数据库中的一个表或消息队列中的一个主题。
作用： measurement将具有相同特性和目的的数据点集合在一起。它们定义了所存储数据的上下文，并作为查询InfluxDB中数据的主要入口点。
特点：
命名：measurement通过一个唯一的字符串名称来标识，通常反映其所代表的数据（如 cpu_usage、temperature、server_metrics）。
关系：多个measurement可以存在于同一个数据库（或InfluxDB 2.x中的“bucket”），但每个数据点只属于一个measurement。
无预定义结构：与关系型数据库中的表不同，measurement没有固定的模式。一个measurement关联的tag和field集可以在不同的数据点之间变化。
2. Tag（标签）
定义： tags是以键值对形式存在的，用于对measurement内数据点进行分类并提供上下文信息。它们用于查询时的数据过滤、分组和索引。
作用： tags使您能够基于元数据或分类信息高效地筛选和聚合数据。设计上，tag值被索引，使得基于tag条件的大规模数据查询变得快速。
特点：
键值对：每个tag由一个字符串键和一个字符串值组成（如 host="server-01" 或 region="us-west-2"）。
不可变：一旦写入，tag值无法更新。要更改tag值，必须写入一个带有更新后tag的新数据点。
查询性能：tag值被索引，有利于快速查找和高效过滤查询结果。然而，过度使用tags可能会影响写入性能并因索引开销增加存储需求。
不参与数值计算：tag值不适合用于数学运算或聚合函数。它们主要用于过滤和分组结果。
3. Field（字段）
定义： fields存储了时间序列数据的实际数值或字符串值。它们代表了measurement内数据点可测量的量或属性。
作用： fields包含了您希望随时间记录和分析的定量或定性数据。它们是InfluxDB中聚合、统计计算和可视化的主要目标。
特点：
类型：fields可以具有数值类型（整数、浮点数、布尔型）或字符串类型。数值类型的fields适合进行数学运算。
非索引：与tags不同，field值未被索引。涉及field值的查询可能需要进行全扫描，这可能比基于tag的查询慢，特别是在大规模数据集上。
参与计算：field值用于数学表达式、聚合函数（如 mean、max、sum）和统计分析中。
可变：对于同一组合的measurement、tags和时间戳，field值可以随时间改变。InfluxDB将这些变化记录为单独的数据点。
总结：
Measurement 定义了所收集数据的上下文和类别，类似于关系型数据库中的一个表。
Tag 提供了用于高效过滤和分组数据的元数据和分类信息，充当索引键。
Field 存储了您打算测量、分析和可视化的实际定量或定性数据值。