SpringBoot整合InfluxDB的詳細(xì)過程
更新時間：2024年12月30日 14:56:40 作者：喝汽水的貓^
InfluxDB是一個開源的時間序列數(shù)據(jù)庫,由Go語言編寫,適用于存儲和查詢按時間順序產(chǎn)生的數(shù)據(jù),它具有高效的數(shù)據(jù)存儲和查詢機(jī)制,支持高并發(fā)寫入和查詢,靈活的數(shù)據(jù)模型和強(qiáng)大的查詢語言,本文介紹SpringBoot整合InfluxDB的詳細(xì)過程,感興趣的朋友一起看看吧
一、簡單介紹InfluxDB是什么？
InfluxDB是一個由InfluxData開發(fā)的開源時序型數(shù)據(jù)。它由Go寫成，著力于高性能地查詢與存儲時序型數(shù)據(jù)。InfluxDB被廣泛應(yīng)用于存儲系統(tǒng)的監(jiān)控?cái)?shù)據(jù)，IoT行業(yè)的實(shí)時數(shù)據(jù)等場景。
1、主要特點(diǎn)
時間序列數(shù)據(jù)存儲
專門設(shè)計(jì)用于高效處理按時間順序產(chǎn)生的數(shù)據(jù)，如傳感器數(shù)據(jù)、日志數(shù)據(jù)、指標(biāo)數(shù)據(jù)等。時間戳是 InfluxDB 中數(shù)據(jù)的關(guān)鍵組成部分，確保數(shù)據(jù)的時間順序性。
可以存儲大量的時間序列數(shù)據(jù)，并提供高效的查詢和存儲機(jī)制，以滿足對實(shí)時數(shù)據(jù)和歷史數(shù)據(jù)的處理需求。
高性能
針對時間序列數(shù)據(jù)的特點(diǎn)進(jìn)行了優(yōu)化，能夠快速寫入和查詢大規(guī)模的數(shù)據(jù)。它采用了高效的數(shù)據(jù)存儲結(jié)構(gòu)和索引機(jī)制，使得數(shù)據(jù)的讀寫操作非常迅速。
支持高并發(fā)的寫入和查詢，可以滿足大規(guī)模數(shù)據(jù)采集和實(shí)時監(jiān)控系統(tǒng)的需求。
靈活的數(shù)據(jù)模型
InfluxDB 使用一種靈活的數(shù)據(jù)模型，包括測量（measurement）、標(biāo)簽（tag）和字段（field）。
測量類似于傳統(tǒng)數(shù)據(jù)庫中的表，用于存儲具有相同數(shù)據(jù)結(jié)構(gòu)的時間序列數(shù)據(jù)。標(biāo)簽用于對數(shù)據(jù)進(jìn)行分類和索引，方便快速查詢。字段則存儲實(shí)際的測量值，可以是數(shù)值、字符串或布爾值等。
強(qiáng)大的查詢語言
InfluxDB 提供了一種功能強(qiáng)大的查詢語言 InfluxQL，用于查詢和分析時間序列數(shù)據(jù)。
InfluxQL 支持各種聚合函數(shù)、時間范圍查詢、過濾條件等，可以方便地進(jìn)行數(shù)據(jù)分析和可視化。它還支持連續(xù)查詢（Continuous Queries）和存儲策略（Retention Policies），可以自動對數(shù)據(jù)進(jìn)行聚合和清理，以提高查詢性能和節(jié)省存儲空間。
2、應(yīng)用場景
物聯(lián)網(wǎng)（IoT）
在物聯(lián)網(wǎng)應(yīng)用中，大量的傳感器設(shè)備會不斷產(chǎn)生時間序列數(shù)據(jù)，如溫度、濕度、壓力等。InfluxDB 可以高效地存儲和查詢這些數(shù)據(jù)，為物聯(lián)網(wǎng)數(shù)據(jù)分析和監(jiān)控提供支持。
可以實(shí)時監(jiān)測設(shè)備狀態(tài)、分析設(shè)備性能、預(yù)測設(shè)備故障等。
系統(tǒng)監(jiān)控
用于監(jiān)控服務(wù)器、網(wǎng)絡(luò)設(shè)備、應(yīng)用程序等的性能指標(biāo)。例如，可以收集 CPU 使用率、內(nèi)存使用率、網(wǎng)絡(luò)流量等數(shù)據(jù)，并使用 InfluxDB 進(jìn)行存儲和分析。
通過實(shí)時監(jiān)控和歷史數(shù)據(jù)分析，可以及時發(fā)現(xiàn)系統(tǒng)性能問題，進(jìn)行故障排除和優(yōu)化。
金融交易數(shù)據(jù)分析
在金融領(lǐng)域，時間序列數(shù)據(jù)非常重要，如股票價(jià)格、匯率、交易量等。InfluxDB 可以用于存儲和分析這些金融數(shù)據(jù)，為交易決策和風(fēng)險(xiǎn)評估提供支持。
可以進(jìn)行實(shí)時行情分析、歷史數(shù)據(jù)回溯、交易策略評估等。
日志分析
可以將日志數(shù)據(jù)以時間序列的形式存儲在 InfluxDB 中，方便進(jìn)行日志分析和故障排查。
通過查詢特定時間范圍內(nèi)的日志數(shù)據(jù)，可以快速定位問題發(fā)生的時間和原因。
總之，InfluxDB 是一個功能強(qiáng)大的時間序列數(shù)據(jù)庫，適用于各種需要處理時間序列數(shù)據(jù)的場景。它的高性能、靈活的數(shù)據(jù)模型和強(qiáng)大的查詢語言使得它成為了許多企業(yè)和開發(fā)者的首選數(shù)據(jù)庫之一。
想要更深入了解，請：點(diǎn)擊這里
二、使用步驟
1、集成原生的InfluxDB
依賴：
<!-- InfluxDB 原生依賴 --> <dependency> <groupId>org.influxdb</groupId> <artifactId>influxdb-java</artifactId> <version>2.22</version> </dependency>
配置：
#---------
# Influxdb
#---------
influxdb:
url: http://127.0.0.1:8086
username: admin
password: admin
database: test
retention: autogen //數(shù)據(jù)保留策略InfluxDB數(shù)據(jù)庫操作類：
package com.geesun.influxdb;
import cn.hutool.core.collection.CollUtil;
import org.influxdb.InfluxDB;
import org.influxdb.InfluxDB.ConsistencyLevel;
import org.influxdb.dto.*;
import org.influxdb.dto.Point.Builder;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.stereotype.Service;
import plus.ojbk.influxdb.autoconfigure.properties.InfluxdbProperties;
import javax.annotation.Resource;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.concurrent.TimeUnit;
/**
* InfluxDB數(shù)據(jù)庫操作類
*/
@Service
public class InfluxDbCommand {
@Resource
private InfluxDB influxDB;
@Resource
private InfluxdbProperties config;
@Value("${influxdb.retention}")
private String retentionPolicy;
/**
* 測試連接是否正常
*
* @return true 正常
*/
public boolean ping() {
boolean isConnected = false;
Pong pong;
try {
pong = influxDB.ping();
if (pong != null) {
isConnected = true;
}
} catch (Exception e) {
e.printStackTrace();
}
return isConnected;
}
/**
* 切換數(shù)據(jù)庫
*/
public void setDB(String dbName) {
influxDB.setDatabase(dbName);
}
/**
* 關(guān)閉數(shù)據(jù)庫
*/
public void close() {
influxDB.close();
}
/**
* 創(chuàng)建自定義保留策略
*
* @param policyName 策略名
* @param days 保存天數(shù)
* @param replication 保存副本數(shù)量
* @param isDefault 是否設(shè)為默認(rèn)保留策略
*/
public void createRetentionPolicy(String policyName, int days, int replication, Boolean isDefault) {
String sql = String.format("CREATE RETENTION POLICY \"%s\" ON \"%s\" DURATION %sd REPLICATION %s ", policyName,
config.getDatabase(), days, replication);
if (Boolean.TRUE.equals(isDefault)) {
sql = sql + " DEFAULT";
}
query(sql);
}
/**
* 切換策略
*
* @param policyName 策略名
*/
public void updRetentionPolicy(String policyName) {
String sql = "ALTER RETENTION POLICY \"" + policyName + "\" ON \"" + config.getDatabase() + "\" DEFAULT";
query(sql);
this.retentionPolicy = policyName;
}
/**
* 創(chuàng)建默認(rèn)的保留策略
* <p>
* 策略名：hour，保存天數(shù)：30天，保存副本數(shù)量：1,設(shè)為默認(rèn)保留策略
*/
public void createDefaultRetentionPolicy() {
String command = String.format("CREATE RETENTION POLICY \"%s\" ON \"%s\" DURATION %s REPLICATION %s DEFAULT"
, "hour", config.getDatabase(), "30d", 1);
this.query(command);
}
/*********************************增刪查**************************************************/
/**
* 查詢
*
* @param command 查詢語句
* @return
*/
public QueryResult query(String command) {
return influxDB.query(new Query(command, config.getDatabase()));
}
/**
* 插入
*
* @param measurement 表
* @param tags 標(biāo)簽
* @param fields 字段
*/
public void insert(String measurement, Map<String, String> tags, Map<String, Object> fields, long time,
TimeUnit timeUnit) {
Builder builder = Point.measurement(measurement);
builder.tag(tags);
builder.fields(fields);
if (0 != time) {
builder.time(time, timeUnit);
}
influxDB.write(config.getDatabase(), retentionPolicy, builder.build());
}
/**
* 插入
*
* @param measurement 表
* @param tags 標(biāo)簽
* @param fields 字段
*/
public void insert(String measurement, Map<String, String> tags, Map<String, Object> fields) {
insert(measurement, tags, fields, System.currentTimeMillis(), TimeUnit.MILLISECONDS);
}
/**
* 刪除
*
* @param command 刪除語句
* @return 返回錯誤信息
*/
public String deleteMeasurementData(String command) {
QueryResult result = influxDB.query(new Query(command, config.getDatabase()));
return result.getError();
}
/**
* 構(gòu)建Point
*
* @param measurement 表
* @param time 時間
* @param timeUnit 時間單位
* @param tags tags
* @param fields
* @return
*/
public Point pointBuilder(String measurement, long time, TimeUnit timeUnit, Map<String, String> tags
, Map<String, Object> fields) {
return Point.measurement(measurement).time(time, timeUnit).tag(tags).fields(fields).build();
}
/**
* 批量寫入測點(diǎn)
*
* @param batchPoints
*/
public void batchInsert(BatchPoints batchPoints) {
influxDB.write(batchPoints);
}
/**
* 批量寫入數(shù)據(jù)
*
* @param database 數(shù)據(jù)庫
* @param retentionPolicy 保存策略
* @param consistency 一致性
* @param records 要保存的數(shù)據(jù)（調(diào)用BatchPoints.lineProtocol()可得到一條record）
*/
public void batchInsert(final String database, final String retentionPolicy, final ConsistencyLevel consistency
, TimeUnit timeUnit, final List<String> records) {
influxDB.write(database, retentionPolicy, consistency, timeUnit, records);
}
/**
* 查詢-把查詢出的結(jié)果集轉(zhuǎn)換成對應(yīng)的實(shí)體對象，聚合成list
* @param command : sql語句
*/
public List<Map<String, Object>> queryWrapper(String command) {
List<Map<String, Object>> list = new ArrayList<>();
QueryResult queryResult = influxDB.query(new Query(command));
List<QueryResult.Result> resultList = queryResult.getResults();
for (QueryResult.Result result : resultList) {
List<QueryResult.Series> seriesList = result.getSeries();
if (CollUtil.isEmpty(seriesList)) {
return list;
}
for (QueryResult.Series series : seriesList) {
List<String> columns = series.getColumns();
List<List<Object>> values = series.getValues();
if (CollUtil.isEmpty(values)) {
continue;
}
values.forEach(value -> {
Map<String, Object> map = new HashMap<>();
for (int i = 0; i < columns.size(); i++) {
map.put(columns.get(i), value.get(i));
}
list.add(map);
});
}
}
return list;
}
}2、集成封裝的InfluxDBTemplate
依賴：
<dependency>
<groupId>plus.ojbk</groupId>
<artifactId>influxdb-spring-boot-starter</artifactId>
<version>1.0.2</version>
</dependency>配置：
#---------
# Influxdb
#---------
influxdb:
url: http://127.0.0.1:8086
username: admin
password: admin
database: test
retention: autogen //數(shù)據(jù)保留策略實(shí)體，對標(biāo)influxDB的表：
package io.springboot.influxdb.entity;
import lombok.Data;
import org.influxdb.annotation.Column;
import org.influxdb.annotation.Measurement;
import plus.ojbk.influxdb.annotation.Count;
import java.math.BigDecimal;
import java.time.LocalDateTime;
/**
* @version 1.0
* @since 2021/6/17 18:26
*/
@Data
@Measurement(name = "device")
public class Device {
/**
* 設(shè)備編號
*/
@Column(name="device_no", tag = true) //tag 可以理解為influxdb的索引
private String deviceNo;
/**
* 數(shù)據(jù)值
*/
@Count("value")
@Column(name="value")
private BigDecimal value;
/**
* 電壓
*/
@Column(name="voltage")
private Float voltage;
/**
* 狀態(tài)
*/
@Column(name="state")
private Boolean state;
/**
* 上報(bào)時間
*/
@Column(name="time")
private LocalDateTime time;
}測試：
package io.springboot.influxdb;
import com.alibaba.fastjson.JSON;
import io.springboot.influxdb.entity.Device;
import org.influxdb.dto.QueryResult;
import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;
import plus.ojbk.influxdb.core.Delete;
import plus.ojbk.influxdb.core.InfluxdbTemplate;
import plus.ojbk.influxdb.core.Op;
import plus.ojbk.influxdb.core.Order;
import plus.ojbk.influxdb.core.Query;
import plus.ojbk.influxdb.core.model.DeleteModel;
import plus.ojbk.influxdb.core.model.QueryModel;
import java.math.BigDecimal;
import java.time.LocalDateTime;
import java.util.ArrayList;
import java.util.List;
import java.util.Map;
import java.util.TreeMap;
@SpringBootTest
class InfluxdbDemoApplicationTests {
@Autowired
private InfluxdbTemplate influxdbTemplate;
private String measurement = "device";
@Test
void getCount() {
QueryModel countModel = new QueryModel();
///countModel.setMeasurement(measurement);
countModel.setMeasurement(InfluxdbUtils.getMeasurement(Device.class));
countModel.setStart(LocalDateTime.now().plusHours(-2L));
countModel.setEnd(LocalDateTime.now());
//countModel.setSelect(Query.count("voltage")); //只能count field字段
countModel.setSelect(Query.count(InfluxdbUtils.getCountField(Device.class)));
countModel.setWhere(Op.where(countModel));
//獲得總條數(shù)
long count = influxdbTemplate.count(Query.build(countModel));
System.err.println(count);
}
@Test
void getData() {
QueryModel model = new QueryModel();
model.setCurrent(1L); //當(dāng)前頁
model.setSize(10L); //每頁大小
//model.setMeasurement(measurement);
model.setMeasurement(InfluxdbUtils.getMeasurement(Device.class));
model.setStart(LocalDateTime.now().plusHours(-2L)); //開始時間
model.setEnd(LocalDateTime.now()); //結(jié)束時間
model.setUseTimeZone(true); //時區(qū)
model.setOrder(Order.DESC); //排序
//where 條件中額外參數(shù)可放入model.setMap();
model.setWhere(Op.where(model)); //理解為where條件
//分頁數(shù)據(jù)
List<Device> deviceList = influxdbTemplate.selectList(Query.build(model), Device.class);
System.err.println(JSON.toJSONString(deviceList));
}
@Test
void insert() {
List<Device> deviceList = new ArrayList<>();
for (int i = 0; i < 10; i++) {
Device device = new Device();
device.setDeviceNo("device-" + i);
device.setValue(new BigDecimal(12.548));
device.setState(true);
device.setVoltage(3.5F);
deviceList.add(device);
}
influxdbTemplate.insert(deviceList);
}
@Test
void delete() {
Map<String, Object> map = new TreeMap<>();
map.put("device_no", "device-1");
DeleteModel model = new DeleteModel();
model.setMap(map);
//model.setStart(LocalDateTime.now().plusHours(-10L));
//model.setEnd(LocalDateTime.now());
model.setMeasurement(measurement);
model.setWhere(Op.where(model));
influxdbTemplate.delete(Delete.build(model));
}
void other(){
influxdbTemplate.execute("自己寫sql");
}
}相較于原版，它封裝了自有的Util以及Template等，對于原版Point的time列類型問題，它對number和long 型轉(zhuǎn)換成了LocalDateTime類型，并且封裝了更多的方法（具體自行拓展）。
注：原生的influxDB和spring自帶的可一起使用。
到此這篇關(guān)于SpringBoot整合InfluxDB的文章就介紹到這了,更多相關(guān)SpringBoot整合InfluxDB內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要為大家詳細(xì)介紹了Java精確抽取網(wǎng)頁發(fā)布時間的相關(guān)資料，盡量做到精確無誤，感興趣的小伙伴們可以參考一下2016-06-06
本文主要介紹了java中RabbitMQ高級應(yīng)用，中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2022-05-05
這篇文章運(yùn)用實(shí)例代碼介紹了Java中線程的創(chuàng)建和啟動，非常詳細(xì)，有需要的朋友們可以參考借鑒，下面一起來看看。2016-08-08
Java Yml格式轉(zhuǎn)換為Properties問題
本文介紹了作者編寫一個Java工具類來解決在線YAML到Properties轉(zhuǎn)換時屬性內(nèi)容遺漏的問題,通過遍歷YAML文件的樹結(jié)構(gòu),作者成功實(shí)現(xiàn)了屬性的完整轉(zhuǎn)換,總結(jié)指出,該工具類適用于多種數(shù)據(jù)類型,并且代碼簡潔易懂2024-12-12
使用java代碼代替xml實(shí)現(xiàn)SSM教程
這篇文章主要介紹了使用java代碼代替xml實(shí)現(xiàn)SSM教程，具有很好的參考價(jià)值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2021-12-12
關(guān)于MyBatis中SqlSessionFactory和SqlSession簡解
這篇文章主要介紹了MyBatis中SqlSessionFactory和SqlSession簡解，具有很好的參考價(jià)值，希望大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2021-12-12
Springboot 整合 Java DL4J 實(shí)現(xiàn)文物保護(hù)系統(tǒng)的詳細(xì)過程
在數(shù)字化時代,文物保護(hù)尤為關(guān)鍵,本文介紹如何利用SpringBoot和Deeplearning4j構(gòu)建一個圖像識別的文物保護(hù)系統(tǒng),系統(tǒng)采用卷積神經(jīng)網(wǎng)絡(luò)（CNN）,能夠識別文物的損壞情況,本文介紹Springboot 整合 Java DL4J 實(shí)現(xiàn)文物保護(hù)系統(tǒng),感興趣的朋友一起看看吧2024-10-10
圖片模糊是圖像處理中的一種常見效果,它通過平均周圍像素的顏色來使圖像變得模糊,下面我們來看看如何使用Swing庫實(shí)現(xiàn)圖片模糊效果吧2025-02-02
Java的String類中的startsWith方法和endsWith方法示例詳解
大家應(yīng)該都知道startsWith()方法用于檢測字符串是否以指定的前綴開始,endsWith()方法用于測試字符串是否以指定的后綴結(jié)束,本文就Java的String類中的startsWith方法和endsWith方法給大家詳細(xì)講解,感興趣的朋友一起看看吧2023-11-11
使用idea搭建一個spring mvc項(xiàng)目的圖文教程
這篇文章主要介紹了使用idea直接創(chuàng)建一個spring mvc項(xiàng)目的圖文教程,本文通過圖文并茂的方式給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2020-03-03