時(shí)序數(shù)據(jù)庫系列
時(shí)序數(shù)據(jù)庫-01-時(shí)序數(shù)據(jù)庫有哪些散休？為什么要使用
時(shí)序數(shù)據(jù)庫-02-聊一聊時(shí)序數(shù)據(jù)庫
時(shí)序數(shù)據(jù)庫-03-opentsdb-分布式時(shí)序數(shù)據(jù)庫
時(shí)序數(shù)據(jù)庫-04-InfluxData-分布式時(shí)序數(shù)據(jù)庫
時(shí)序數(shù)據(jù)庫-05-TDengine 是一款開源虚汛、高性能、云原生的時(shí)序數(shù)據(jù)庫 (Time-Series Database, TSDB)
時(shí)序數(shù)據(jù)庫-05-TDengine Time-Series Database, TSDB
時(shí)序數(shù)據(jù)庫-05-TDengine windows11 WSL 安裝實(shí)戰(zhàn)筆記 docker
時(shí)序數(shù)據(jù)庫-06-01-vm VictoriaMetrics 快速、經(jīng)濟(jì)高效的監(jiān)控解決方案和時(shí)間序列數(shù)據(jù)庫
時(shí)序數(shù)據(jù)庫-06-02-vm VictoriaMetrics install on docker 安裝 vm
時(shí)序數(shù)據(jù)庫-06-03-vm VictoriaMetrics java 整合
時(shí)序數(shù)據(jù)庫-06-04-vm VictoriaMetrics storage 存儲(chǔ)原理簡(jiǎn)介
時(shí)序數(shù)據(jù)庫-06-05-vm VictoriaMetrics cluster 集群原理
時(shí)序數(shù)據(jù)庫-06-06-vm VictoriaMetrics cluster 集群訪問方式
InfluxData
InfluxData 提供領(lǐng)先的時(shí)序平臺(tái)铃辖，用于檢測(cè)押搪、觀察、學(xué)習(xí)和自動(dòng)化各種系統(tǒng)择镇、應(yīng)用程序和業(yè)務(wù)流程，適用于多種使用場(chǎng)景括改。
核心功能
DevOps Observability
觀察并自動(dòng)化面向客戶的關(guān)鍵系統(tǒng)腻豌，基礎(chǔ)架構(gòu)，應(yīng)用程序和業(yè)務(wù)流程嘱能。
物聯(lián)網(wǎng)分析
實(shí)時(shí)分析和自動(dòng)化傳感器和設(shè)備吝梅，在仍然重要的同時(shí)提供洞察力和價(jià)值
實(shí)時(shí)分析
利用對(duì)儀器和可觀察性檢測(cè)模式的投資并創(chuàng)造新的商機(jī)
時(shí)間序列平臺(tái)
為何選擇專用時(shí)間序列平臺(tái)？
計(jì)算基礎(chǔ)架構(gòu)和架構(gòu)基于新的需求和需求而發(fā)展⊙骈荩現(xiàn)有技術(shù)通常不足以滿足這些新要求憔涉。
考慮大數(shù)據(jù)以及HDFS和Hadoop的出現(xiàn)：創(chuàng)建了一個(gè)全新的類別和市場(chǎng)，因?yàn)镾QL和noSQL存儲(chǔ)中的先前數(shù)據(jù)存儲(chǔ)技術(shù)不足以滿足這些新需求析苫。
沒有人會(huì)認(rèn)真考慮在SQL數(shù)據(jù)庫上運(yùn)行他們的數(shù)據(jù)湖 - 對(duì)于時(shí)間序列數(shù)據(jù)也是如此。
除了時(shí)間序列數(shù)據(jù)庫之外穿扳，沒有人應(yīng)該考慮將時(shí)間序列數(shù)據(jù)存儲(chǔ)在任這就是我們創(chuàng)建一個(gè)專門構(gòu)建的現(xiàn)代時(shí)間序列平臺(tái)的原因衩侥。
增長(zhǎng)最快的數(shù)據(jù)庫 - 時(shí)間序列數(shù)據(jù)庫
根據(jù)DB-Engines的數(shù)據(jù)，時(shí)間序列數(shù)據(jù)庫（TSDB）的類別在過去兩年中一直是增長(zhǎng)最快的數(shù)據(jù)庫類別矛物。這一增長(zhǎng)受到兩大行業(yè)趨勢(shì)的推動(dòng) - 物聯(lián)網(wǎng)系統(tǒng)的快速增長(zhǎng)茫死，物聯(lián)網(wǎng)系統(tǒng)投資的增加，以及云原生應(yīng)用和服務(wù)軟件世界的爆炸式增長(zhǎng)履羞，所有這些都是真實(shí)的 - 時(shí)間可見性和控制力峦萎。這種“儀器時(shí)代”正在促進(jìn)專用時(shí)間序列平臺(tái)的增長(zhǎng)，該平臺(tái)可以支持實(shí)時(shí)處理無數(shù)指標(biāo)和事件的關(guān)鍵要求忆首，從而為數(shù)據(jù)驅(qū)動(dòng)的組織提供洞察力和競(jìng)爭(zhēng)優(yōu)勢(shì)爱榔。
時(shí)間序列數(shù)據(jù)庫的要求
時(shí)間序列數(shù)據(jù)庫必須處理特定的工作負(fù)載和要求。他們需要每秒攝取數(shù)百萬個(gè)數(shù)據(jù)點(diǎn);以非阻塞方式對(duì)這些大數(shù)據(jù)集執(zhí)行實(shí)時(shí)查詢;下采樣并驅(qū)逐高精度低值數(shù)據(jù);優(yōu)化數(shù)據(jù)存儲(chǔ)以降低存儲(chǔ)成本;并執(zhí)行復(fù)雜的時(shí)間限制查詢以從數(shù)據(jù)中提取有意義的洞察力糙及。只有使用InfluxData提供的專用平臺(tái)才能滿足這些要求详幽。
功能架構(gòu)
InfluxData平臺(tái)是一個(gè)完整的平臺(tái)，用于處理來自人類浸锨，傳感器或機(jī)器的所有時(shí)間序列數(shù)據(jù) - 無縫收集唇聘，存儲(chǔ)，可視化以及將洞察力轉(zhuǎn)化為行動(dòng)柱搜。憑借快速部署和快速性能迟郎，InfluxData可實(shí)時(shí)提供真正的價(jià)值。 InfluxData有三個(gè)主要產(chǎn)品：InfluxCloud（完全托管和托管服務(wù)）聪蘸，InfluxEnterprise（可在本地或任何云提供商運(yùn)行的軟件）宪肖，以及開源時(shí)間序列平臺(tái)表制。
儀器
InfluxData提供了一套全面的工具和服務(wù)，可以從傳感器匈庭，設(shè)備夫凸，系統(tǒng)，機(jī)器阱持，容器和應(yīng)用程序中獲取指標(biāo)和事件數(shù)據(jù)夭拌。 InfluxData的收集服務(wù)是從開源Telegraf項(xiàng)目或一組客戶端庫構(gòu)建的。 Telegraf代理是插件衷咽，可以從200多個(gè)來源收集數(shù)據(jù)鸽扁。數(shù)據(jù)存儲(chǔ)在InfluxDB中，支持高寫入負(fù)載镶骗，大數(shù)據(jù)集存儲(chǔ)桶现，并通過壓縮節(jié)省空間。
守
觀察過程要求您能夠?qū)崟r(shí)查詢鼎姊，分析和可視化大型數(shù)據(jù)集骡和。
InfluxData平臺(tái)提供此功能以及特定的基于時(shí)間的功能，用于“隨時(shí)間變化”分析和控制相寇。
自動(dòng)化
在實(shí)現(xiàn)系統(tǒng)自動(dòng)化的過程中慰于，您需要對(duì)時(shí)間序列數(shù)據(jù)采用相同的方法。 InfluxData允許用戶自動(dòng)下采樣唤衫，過期和刪除不需要的數(shù)據(jù)以及備份和恢復(fù)婆赠。通過數(shù)據(jù)本身，InfluxData允許用戶插入自定義邏輯或用戶定義的函數(shù)來處理具有動(dòng)態(tài)閾值的警報(bào)佳励，匹配模式的度量或計(jì)算統(tǒng)計(jì)異常休里，自動(dòng)擴(kuò)展容器，并且基本上可以執(zhí)行任何可編程的操作赃承。它可以對(duì)流式傳輸以及存儲(chǔ)在數(shù)據(jù)庫中的數(shù)據(jù)執(zhí)行這些分析妙黍。
學(xué)習(xí)
開發(fā)人員可以使用集成的開源項(xiàng)目Chronograf分析數(shù)據(jù)，繪圖并將其可視化楣导，并對(duì)數(shù)據(jù)進(jìn)行臨時(shí)探索废境。此外，InfluxDB還支持其他可視化工具筒繁，如Grafana噩凹。它們還可以促進(jìn)機(jī)器學(xué)習(xí)和異常檢測(cè)算法，以及為運(yùn)動(dòng)中的數(shù)據(jù)提供流分析毡咏。
個(gè)人感受
DevOps 是個(gè)非常好的思想驮宴。有時(shí)候?qū)⑵浜?database 結(jié)合起來，也可以成為產(chǎn)品的噱頭呕缭。
任何一個(gè)技術(shù)都應(yīng)該形成其對(duì)應(yīng)的生態(tài)堵泽。
