数据存储-大数据的三种存储方式 - 知乎 (zhihu.com)
一、时序数据库概述
1.1 什么是时序数据库
时序数据是一组按照时间维度索引的数据。时序数据在日常生活中随处可见，比如每个整点的温度、湿度等天气数据，每分钟的股票价格数据等。我们常用曲线图、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”。
时序数据库是一种非关系型数据库，以时间作为数据主键，专门用来存储时序数据。
1.2 时序数据库的特点
- 高压缩比：由于数据每分每秒都在变化，海量的时序数据往往体量巨大，占用大量硬件资源，所以需要优化数据压缩算法提高数据压缩比。
- 高并发写入：时序数据库采用持续高并发写入数据，无更新的方式，对于时间相同的重复的数据，只保留一份数据。
- 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。
1.3 时序数据库的使用场景
- IOT行业：电力、化工等工业物联网数据监测
- 金融行业：各类金融产品及其衍生品、数字货币数据存储与量化研究
- IT行业：服务器、虚拟机、容器等的状态数据实时监测
- 互联网行业：用户行为轨迹，日志等数据。
目前比较流行的时序数据库有：InfluxDB、Prometheus、OpenTSDB、TDengine等，其中使用最广泛的当属InfluxDB，行业内应用最广泛。还有就是刚进入业内视野的国产时序数据库TDengine。而Prometheus则是Prometheus监控系统自带的数据库。
二、InfluxDB简介
2.1 什么是InfluxDB
InfluxDB 是一个用于存储和分析时间序列数据的开源数据库。由 Golang 语言编写，也是由 Golang 编写的软件中比较著名的一个，在很多 Golang 的沙龙或者文章中可能都会把 InfluxDB 当标杆来介绍，这也间接帮助 InfluxDB 提高了知名度。
2.2 InfluxDB的特性
InfluxDB是一种时序数据高效读写、压缩存储、实时计算能力为一体的数据库服务，除了具有成本优势的高性能读、高性能写、高存储率，InfluxDB还具有如下特点：
- 无系统环境依赖，部署方便。
- 无结构化（SchemaLess）的数据模型，灵活强大。
- 原生HTTP管理接口，免插件配置和免第三方依赖。
- 强大的类SQL查询语句的操作接口，学习成本低，上手快。
- 丰富的权限管理功能，精细到“表”级别。
- 丰富的时效管理功能，自动删除过期数据，自定义删除指标数据。
- 低成本存储，采样时序数据，压缩存储。
- 丰富的聚合函数，支持AVG、SUM、MAX、MIN等聚合函数
2.3 InfluxDB几个基本概念
例如：监控系统系统中，保存某个服务器的cpu和内存等资源使用情况，使用cpu_usage_total 的表名（measurement）保存数据。以下表示某一个point的样例数据：
参考：
前言 · InfluxDB中文文档 (gitbooks.io)
彻底搞懂时序数据库InfluxDB，在SpringBoot整合InfluxDB-阿里云开发者社区 (aliyun.com)
InfluxDB安装使用介绍，小白向（附带安装包以及可视化工具安装包）_李欣峰的博客-CSDN博客
[InfluxDB--学习笔记 - 河图s - 博客园 (cnblogs.com)](https://www.cnblogs.com/qidaii/articles/17705431.html#:~:text=1 InfluxDB 1.8 在小版本上还在更新，主要是修复一些 BUG，不再添加新特性 2 InfluxDB 2.4,好，1.x 中的 database 到了 2.x 中变成了 bucket 等。)
2.4 InfluxDB2.0 的语法
InfluxDB 2.0 版本开始使用 Flux 语法，而不再支持 InfluxQL，这是一项重大变更。 Flux 是一种新的查询语言，它是基于函数式编程的，专门用于处理时间序列数据。相较于 InfluxQL，Flux 语法更加灵活、强大，可以更好地适配多变的、复杂的场景。下面是 InfluxQL 和 Flux 之间几个常见查询的对比。
1.查询测量值的具体值
InfluxQL：
SELECT mean(“field_name”) FROM “measurement_name” WHERE “tag_name” = ‘tag_value’ GROUP BY time(10m)
----------------------------------------------------------------------------------------------------------
Flux：
from(bucket: “bucket_name”)
|> range(start: -6h)
|> filter(fn: ® => r._measurement == “measurement_name” and r.tag_name == “tag_value”)
|> group(columns: [“_time”])
|> mean(column: “field_name”)
from(bucket: "bucket_name")：指定从名为 “bucket_name” 的桶（数据存储单元）中读取数据。range(start: -6h)：设定时间范围，表示查询过去6小时内的数据。start参数指定时间范围的开始时间，这里使用了相对时间 “-6h” 表示当前时间往前推6个小时。filter(fn: (r) => r._measurement == "measurement_name" and r.tag_name == "tag_value")：根据条件过滤数据。fn参数是一个函数，用于定义过滤条件，筛选出_measurement字段值为 “measurement_name”，并且tag_name字段值为 “tag_value” 的数据。group(columns: ["_time"])：按指定的列对数据进行分组。这里使用了_time字段来分组数据，即按时间间隔进行分组。mean(column: "field_name")：计算指定列的平均值。通过指定column参数为 “field_name”，计算该列的平均值。
通过上述函数链式调用，Flux 依次执行每个函数操作从而实现查询逻辑。这样的函数式编程风格使得查询语句更加灵活、直观和易于理解，同时可以方便地添加、调整和组合多个操作来满足不同的需求。
这里， InfluxQL 使用 SELECT 语句查询测量值的平均值。Flux 使用 filter() 函数选出符合条件的数据，再使用 group() 函数分组，最后再应用 mean() 函数计算平均值。
2.选择最大值和最小值
InfluxQL：
SELECT max(“field_name”) FROM “measurement_name” WHERE “tag_name” = ‘tag_value’
SELECT min(“field_name”) FROM “measurement_name” WHERE “tag_name” = ‘tag_value’
----------------------------------------------------------------------------------------------------------
Flux：
from(bucket: “bucket_name”)
|> range(start: -6h)
|> filter(fn: ® => r._measurement == “measurement_name” and r.tag_name == “tag_value”)
|> max(column: “field_name”)
from(bucket: “bucket_name”)
|> range(start: -6h)
|> filter(fn: ® => r._measurement == “measurement_name” and r.tag_name == “tag_value”)
|> min(column: “field_name”)
使用 Flux 语法，查询最大值和最小值可以分别用 max() 和 min() 函数实现。与 InfluxQL 不同，Flux 语句的每个步骤都可以链式地链接在一起。
3.进行多表联合查询
InfluxQL：
SELECT * FROM “measurement_name1” WHERE “tag_name” = ‘tag_value’
INNER JOIN “measurement_name2”
ON “measurement_name1”.“tag_name” = “measurement_name2”.“tag_name”
WHERE “measurement_name2”.“tag_name” = ‘tag_value’
----------------------------------------------------------------------------------------------------------
Flux：
from(bucket: “bucket_name”)
|> range(start: -6h)
|> filter(fn: ® => r._measurement == “measurement_name1” and r.“tag_name” == “tag_value”)
|> join(
tables: {name: “measurement_name2”,on:[“_tag1”]},
on:[“_tag1”],
fn: (table1,table2) => ({table1 with otherField: table2.someField})
)
|> filter(fn: ® => r._measurement == “measurement_name2” and r._field == “someField” and r._tag1 == “tag_value”)
这里， InfluxQL 使用 INNER JOIN 操作符连接两个测量值。Flux 使用 join() 联结两个表，可以通过 fn 参数指定返回结果的格式，再使用 filter() 进行过滤。
综上所述，虽然 InfluxQL 和 Flux 语法有很大的差异，但 Flux 语法更加灵活、强大，在处理时间序列数据时，具有更广泛的适用性。