中间件学习--InfluxDB部署（docker）及springboot代码集成实例

news2024/11/19 11:42:45

一、需要了解的概念
1、时序数据
时序数据是以时间为维度的一组数据。如温度随着时间变化趋势图，CPU随着时间的使用占比图等等。通常使用曲线图、柱状图等形式去展现时序数据，也就是我们常常听到的“数据可视化”。

2、时序数据库
非关系型数据库，以时间作为数据主键，专门用来存储时序数据。

3、时序数据库特点
（1）、时序数据库能存储海量数据。数据特点就是冷热差别明显，一般近期产生的数据为热数据，产生时间较远的数据为冷数据，冷数据被压缩放到磁盘里去来节省空间。
（2）、写入性能极优，时序数据库通常都是采用LSM Tree 的变种，顺序写磁盘来增强数据的写入能力。通常，关系型数据库采用 B+树数据结构，在数据写入时，有可能会触发叶裂变，从而产生了对磁盘的随机读写，降低写入速度。
（3）、低延时、高并发查询：通过索引降低查询延时，通过缓存等技术提高数据并发能力。
（4）、数据只写不改。

4、InfluxDB
是一种时序数据库，通常被用在监控场景，比如运维和 IOT（物联网）领域。这类数据库旨在存储时序数据处理数据用于数据展示分析，和通过监控预警策略达到响应的服务预警等。

5、InfluxDB的相关概念说明
（1）、Bucket–相当于mysql的database–数据库概念
（2）、Measurement—相当于mysql的table–数据表概念
（3）、Point–相当于数据表的一行。
Point包含：tag(数据标签，非必须)、field(不带索引)、timestemp(唯一主键)
（3.1）、tag–数据的标签-类似mysql的索引
（3.2）、field–数据的值保存
（3.3）、time-数据采集时间,数据唯一标识，一个表内不可重复，重复会覆盖

二、docker部署influxDB
1、拉取镜像
docker pull influxdb
在这里插入图片描述
2、启动容器
docker run -d -p 8086:8086 --name influxdb influxdb:latest
在这里插入图片描述
3、打开浏览器，可以正常打开
http://192.168.249.88:8086/
在这里插入图片描述
4、首次访问需要配置账号密码组织等信息
userName：admin // 登录账户
password：12345678 // 密码
org：zw // 组织
bucket：fruit // 数据桶
下图为配置界面，具体本人配置如上面的文字描述，下面的界面仅第一次会出现，之后就没有，所以无法截图了。
在这里插入图片描述
5、再次登录
在这里插入图片描述

三、springboot集成
官方提供了很多语言的集成方式，这里我们以java为例，其他语言，可以在下图位置查看
在这里插入图片描述
具体步骤：
1、引入pom

<!-- influxdb -->
		<dependency>
			<groupId>com.influxdb</groupId>
			<artifactId>influxdb-client-java</artifactId>
			<version>3.1.0</version>
		</dependency>

2、添加配置（application.properties）

influxdb.url=http://192.168.249.88:8086
influxdb.bucket=fruit
influxdb.org=zw
influxdb.token=0jgapBVZ6GWMWpE77XYuPi_GLhWksvqEfNraocXMchivz5XvcLM_50tWLpXskTKFWQbUCoD_bS-iYFOjWvHzrg==

3、配置类，读取配置注入容器，不用导出应用配置
根据前缀读取配置，注入容器，以后就不用导出用@value引了，可以直接引入配置类

import lombok.Data;
import org.springframework.boot.context.properties.ConfigurationProperties;

@Data
@ConfigurationProperties(prefix = "influxdb")
public class InfluxdbProperties {
    private String url;
    private String bucket;
    private String org;
    private String token;
}

4、influxDB数据库客户端InfluxDBClient实例化和注入spring容器
初始化client连接和注入容器

import com.influxdb.client.InfluxDBClient;
import com.influxdb.client.InfluxDBClientFactory;
import org.springframework.boot.context.properties.EnableConfigurationProperties;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
@EnableConfigurationProperties(InfluxdbProperties.class)
public class InfluxdbConfig {

    @Bean
    public InfluxDBClient initInfluxDBClient(InfluxdbProperties properties){
        InfluxDBClient client = InfluxDBClientFactory.create(properties.getUrl(),properties.getToken().toCharArray(),properties.getOrg(),properties.getBucket());
        return client;
    }
}

5、封装InfluxDB工具类–封装新增和查询的方法
本例仅简单封装了一下，还有很多批量操作等其他接口，可以自己在点进去看下如何调用。

import com.alibaba.fastjson.JSON;
import com.influxdb.client.InfluxDBClient;
import com.influxdb.client.QueryApi;
import com.influxdb.client.WriteApiBlocking;
import com.influxdb.client.domain.WritePrecision;
import com.influxdb.client.write.Point;
import com.influxdb.query.FluxRecord;
import com.influxdb.query.FluxTable;
import com.zw.study.influxdb.entity.Orange;
import org.springframework.beans.factory.DisposableBean;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import java.util.List;

@Service
public class InfluxdbService implements DisposableBean {

    @Autowired
    private InfluxDBClient client;

    @Autowired
    private InfluxdbProperties properties;

    // 新增1，字符串形式，格式：String data = "zw_pear,host=host1 value=1111.11";
    public void writeLine(String data){
        WriteApiBlocking writeApi = client.getWriteApiBlocking();
        writeApi.writeRecord(properties.getBucket(), properties.getOrg(), WritePrecision.NS, data);
    }

    // 新增2，Point形式
    public void writePoint(Point point){
        WriteApiBlocking writeApi = client.getWriteApiBlocking();
        writeApi.writePoint(properties.getBucket(), properties.getOrg(), point);
    }

    // 新增3，自定义pojo形式
    public void writePojo(Orange orange){
        WriteApiBlocking writeApi = client.getWriteApiBlocking();
        writeApi.writeMeasurement(WritePrecision.NS, orange);
    }

    @Override
    public void destroy() throws Exception {
        client.close();
    }

    public <M> List<M> queryList(){
        // 查询fruit库中过去1小时的数据
        String query = "from(bucket: \"fruit\") |> range(start: -1h)";
        QueryApi queryApi = client.getQueryApi();
        List<FluxTable> tables = queryApi.query(query, properties.getOrg());
        for (FluxTable table : tables) {
            for (FluxRecord record : table.getRecords()) {
                System.out.println(JSON.toJSONString(record));
            }
        }

        // 查询fruit库中zw_orange表中过去12小时数据，最多取10条，封装到pojo中
        String query1 = "from(bucket: \"fruit\")\n" +
                "  |> range(start: -12h, stop: now())\n" +
                "  |> filter(fn: (r) => r._measurement == \"zw_orange\" and r._field == \"value\")\n" +
                "  |> limit(n:10)";
        List<Orange> table2 = queryApi.query(query1, Orange.class);
        System.out.println("table2:"+ JSON.toJSONString(table2));
        return null;
    }
}

6、测试和验证新增

    @RequestMapping("/influx/test")
    public void test(String type) {
        logger.info("进入influxdb方法");
        if ("1".equals(type)) {
            String line = "zw_pear,host=host1 value=1111.11";
            influxdbService.writeLine(line);
        } else if ("2".equals(type)) {
            Point point = Point
                    .measurement("zw_apple")
                    .addTag("host", "host1")
                    .addField("value", 222.22)
                    .time(Instant.now(), WritePrecision.NS);
            influxdbService.writePoint(point);
        } else if ("3".equals(type)) {
            Orange orange = new Orange();
            orange.setHost("host1");
            orange.setValue(3333.33);
            orange.setTime(Instant.now());
            influxdbService.writePojo(orange);
        } else  if ("4".equals(type)) {
            influxdbService.queryList();
        }
    }

分别用type1，2，3验证新增，
浏览器查看
在这里插入图片描述
用type为4查看查询
在这里插入图片描述

不同的业务场景，选择适合的中间件还是比较重要的。对于工业行业中需要采集声音，温度，湿度等的情况，实时观察数据变化趋势，根据趋势或者其他策略做出响应的预警提示，时序数据库是相对关系数据库而言更优的选择。

学海无涯苦作舟！！！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1547447.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

gin语言基础学习--会话控制（下）

gin语言基础学习--会话控制（下）

练习 模拟实现权限验证中间件 有2个路由&#xff0c;/cookie和/home/cookie用于设置cookiehome是访问查看信息的请求在请求home之前&#xff0c;先跑中间件代码&#xff0c;检验是否存在cookie 访问home&#xff0c;会显示错误&#xff0c;因为权限校验未通过 package mainim…
阅读更多...
阿里云安全产品简介，Web应用防火墙与云防火墙产品各自作用介绍

阿里云安全产品简介，Web应用防火墙与云防火墙产品各自作用介绍

在阿里云的安全类云产品中&#xff0c;Web应用防火墙与云防火墙是用户比较关注的安全类云产品&#xff0c;二则在作用上并不是完全一样的&#xff0c;Web应用防火墙是一款网站Web应用安全的防护产品&#xff0c;云防火墙是一款公共云环境下的SaaS化防火墙&#xff0c;本文为大家…
阅读更多...
canal: 连接kafka (docker)

canal: 连接kafka (docker)

一、确保mysql binlog开启并使用ROW作为日志格式 docker 启动mysql 5.7配置文件 my.cnf [mysqld] log-binmysql-bin # 开启 binlog binlog-formatROW # 选择 ROW 模式 server-id1一定要确保上述两个值一个为ROW&#xff0c;一个为ON 二、下载canal的run.sh https://github.c…
阅读更多...
【Java】LinkedList vs. ArrayList：Java中的数据结构选择

【Java】LinkedList vs. ArrayList：Java中的数据结构选择

人不走空 &#x1f308;个人主页&#xff1a;人不走空 &#x1f496;系列专栏&#xff1a;算法专题 ⏰诗词歌赋&#xff1a;斯是陋室&#xff0c;惟吾德馨 目录 &#x1f308;个人主页&#xff1a;人不走空 &#x1f496;系列专栏&#xff1a;算法专题 ⏰诗词歌…
阅读更多...
Kindling the Darkness:A Practical Low-light Image Enhancer

Kindling the Darkness:A Practical Low-light Image Enhancer

Abstract 在弱光条件下拍摄的图像通常会出现&#xff08;部分&#xff09;可见度较差的情况。,除了令人不满意的照明之外&#xff0c;多种类型的退化也隐藏在黑暗中&#xff0c;例如由于相机质量有限而导致的噪点和颜色失真。,换句话说&#xff0c;仅仅调高黑暗区域的亮度将不…
阅读更多...
R语言随机抽取数据，并作两组数据间t检验，并保存抽取的数据，并绘制boxplot

R语言随机抽取数据，并作两组数据间t检验，并保存抽取的数据，并绘制boxplot

前提&#xff1a;接着上述R脚本输出的seed结果来选择应该使用哪个seed比较合理&#xff0c;上个R脚本名字&#xff1a; “5utr_计算ABD中Ge1和Lt1的个数和均值以及按照TE个数小的进行随机100次抽样.R” 1.输入数据&#xff1a;“5utr-5d做ABD中有RG4和没有RG4的TE之间的T检验.c…
阅读更多...
String类（三）

String类（三）

文章目录 string类&#xff08;三&#xff09;string类的模拟实现&#xff1a;1.默认成员变量和函数2.string的长度和下表引用3.字符串拷贝构造4. 赋值拷贝5.字符串比较6.字符串的增添操作7.insert插入操作8.遍历字符 string类&#xff08;三&#xff09; string类的模拟实现&…
阅读更多...
jupyter lab使用虚拟环境

jupyter lab使用虚拟环境

python -m ipykernel install --name 虚拟环境名 --display-name 虚拟环境名然后再启动jupyter lab就行了
阅读更多...
【Unity】调整Player Settings的Resolution设置无效

【Unity】调整Player Settings的Resolution设置无效

【背景】 Build时修改了Player Settings下的Resolution设置&#xff0c;但是再次Building时仍然不生效。 【分析】 明显是沿用了之前的分辨率设定&#xff0c;所以盲猜解决办法是Build相关的缓存文件&#xff0c;或者修改打包名称。 【解决】 实测修改版本号无效&#xf…
阅读更多...
IDEA使用常用的设置

IDEA使用常用的设置

一、IDEA常用设置 可参考&#xff1a;IDEA这样配置太香了_哔哩哔哩_bilibili 波波老师 二、插件 可参考&#xff1a;IDEA好用插件&#xff0c;强烈推荐_哔哩哔哩_bilibili 波波老师 三、其他 学会用点“.” IDEA弹窗Servers certificate is not trusted怎么禁止&#xf…
阅读更多...
基于SSM作业提交与批改

基于SSM作业提交与批改

基于SSM作业提交与批改的设计与实现 摘要 社会的进步导致人们对于学习的追求永不止境&#xff0c;那么追求学习的方式也从单一的书本教程变成了多样化的学习方式。多样化的学习方式不仅仅是需要人们智慧的依靠&#xff0c;还需要能够通过软件的加持进行信息化的价值体现。软件…
阅读更多...
uniapp开发小程序遇到的问题，持续更新中

uniapp开发小程序遇到的问题，持续更新中

一、uniapp引入全局scss 在App.vue中引入uni.scss <style lang"scss">/* #ifndef APP-NVUE */import "uni.scss";/* #endif */ </style>注意&#xff1a;nvue页面的样式在编译时&#xff0c;有很多样式写法被限制了&#xff0c;容易报错。所…
阅读更多...
干货分享DS5L1伺服电机通过倍讯科技485转 Profinet 网关与西门子PLC进行通信的配置方法

干货分享DS5L1伺服电机通过倍讯科技485转 Profinet 网关与西门子PLC进行通信的配置方法

倍讯科技485转 ProfinetDS5L1 伺服电机与 Profinet 网关进行通信需要了解 Profinet 协议和伺服电机的具体通信要求。以下是您可以如何解决此问题的总体概述&#xff1a; 了解 Profinet&#xff1a;Profinet 是自动化工业以太网标准。您需要了解 Profinet 的工作原理、其寻址方案…
阅读更多...
2024 解决 Failed to launch process [ElasticSearch]

2024 解决 Failed to launch process [ElasticSearch]

操作系统&#xff1a;centos 7 (x86) sonarQube不能使⽤root账号进⾏启动&#xff0c;所以需要创建普通⽤户及其⽤户组 一、问题描述&#xff1a;使用root启动时&#xff0c;一直反馈 SonarQube is not running 问题原因&#xff1a;不能够使用root用户进行启动 解决方案…
阅读更多...
三点估算计算

三点估算计算

当历史数据不充分时&#xff0c;通过考虑估算中的不确定性和风险&#xff0c;可以提高活动持续时间估算的准确性。使用三点估算有助于界定活动持续时间的近似区间: 乐观时间&#xff08;Optimistic Time&#xff0c;To&#xff09;&#xff1a;在任何事情都顺利的情况下&#…
阅读更多...
DFS深度优先搜索刷题（二）

DFS深度优先搜索刷题（二）

一.P1683 入门 算法思想&#xff1a;设置瓷砖状态st&#xff0c;这里瓷砖状态是否走过决定计数与否&#xff0c;因为可以重复走过但只记一次&#xff0c;所以可以不用回溯。每一次dfs都记录此时的坐标与进入可能的新坐标。 const int N 25;int W, H; char map[N][N];//存地图…
阅读更多...
20240319-2-机器学习基础面试题

20240319-2-机器学习基础面试题

⽼板给了你⼀个关于癌症检测的数据集&#xff0c;你构建了⼆分类器然后计算了准确率为 98%&#xff0c; 你是否对这个模型很满意&#xff1f;为什么&#xff1f;如果还不算理想&#xff0c;接下来该怎么做&#xff1f; 首先模型主要是找出患有癌症的患者&#xff0c;模型关注的…
阅读更多...
苹果与百度合作，将在iPhone 16中使用生成式AI

苹果与百度合作，将在iPhone 16中使用生成式AI

3月25日&#xff0c;《科创板日报》消息&#xff0c;苹果将与百度进行技术合作&#xff0c;为今年即将发布的iPhone16、Mac系统和iOS 18提供生成式AI&#xff08;AIGC&#xff09;功能。 据悉&#xff0c;苹果曾与阿里巴巴以及另外一家国产大模型厂商进行了技术合作洽谈。最终…
阅读更多...
机器学习模型及其使用方法——《机器学习图解》

机器学习模型及其使用方法——《机器学习图解》

本书教你两件事——机器学习模型及其使用方法 机器学习模型有不同的类型&#xff0c;有些返回确定性的答案&#xff0c;例如是或否&#xff0c;而另一些返回概率性的答案。有些以问题的形式呈现&#xff1b;其他则使用假设性表达。这些类型的一个共同点是它们都返回一个答案或…
阅读更多...
单链表专题（上）（顺序表链表线性表）

单链表专题（上）（顺序表链表线性表）

在开始之前思考一个顺序表的问题 1. 中间/头部的插⼊删除&#xff0c;时间 复杂度为O(N) 2. 增容需要申请新空间&#xff0c;拷⻉数据&#xff0c;释放旧空间。会有不⼩的消耗。 3. 增容⼀般是呈2倍的增⻓&#xff0c;势必会有⼀定的空间浪费。例如当前容量为100&#xff0c;…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023