InfluxDB前篇介绍 Centos7 下 InfluxDB 从安装开始到入门
前一篇根据InfluxDB的官方开源文档进行了一次实践。这篇来继续看看InfluxDB的关键概念。
喜欢看英文开源文档的，可以访问InfluxDB key concepts，直接阅读关键概念。
如果不喜欢直接看英文的，就继续看我下面的翻译后描述吧。
InfluxDB的关键概念 在深入了解InfluxDB之前，熟悉数据库的一些关键概念是很好的。本文档简要介绍了这些概念和通用的InfluxDB术语。下面列出了涵盖的所有术语，但建议您从头到尾阅读本文档，以便更全面地了解我们最喜欢的时间序列数据库。
database
field key
field set
field value
measurement
point
retention policy
series
tag key
tag set
tag value
timestamp
如果想要更加详细地了解术语的定义，请查看术语表。
样本数据 Sample data name: census（普查）
time
butterflies
honeybees
location
scientist
2015-08-18T00:00:00Z
12
23
1
langstroth
2015-08-18T00:00:00Z
1
30
1
perpetua
2015-08-18T00:06:00Z
11
28
1
langstroth
2015-08-18T00:06:00Z
3
28
1
perpetua
2015-08-18T05:54:00Z
2
11
2
langstroth
2015-08-18T06:00:00Z
1
10
2
langstroth
2015-08-18T06:06:00Z
8
23
2
perpetua
2015-08-18T06:12:00Z
7
22
2
perpetua
上面的样例数据表示两个科学家 langstroth 和 perpetua 在不同时间点以及不同地点记录蝴蝶和蜜蜂的数量。
将样本数据插入到influxDB中
root@d2918dc47850:/# influx show databases name : databases name ---- use mydbUsing database mydbinsert census,scientist=langstroth,location=1 butterflies=12 ,honeybees=23 insert census,scientist=perpetua,location=1 butterflies=1 ,honeybees=30 insert census,scientist=langstroth,location=1 butterflies=11 ,honeybees=28 insert census,scientist=perpetua,location=1 butterflies=3 ,honeybees=28 insert census,scientist=langstroth,location=2 butterflies=2 ,honeybees=11 insert census,scientist=perpetua,location=2 butterflies=1 ,honeybees=10 insert census,scientist=langstroth,location=2 butterflies=8 ,honeybees=23 insert census,scientist=perpetua,location=2 butterflies=7 ,honeybees=22 select * from censusname : censustime butterflies honeybees location scientist---- ----------- --------- -------- --------- 1546741552382793960 12 23 1 langstroth1546741591954384804 1 30 1 perpetua1546741614036950839 11 28 1 langstroth1546741636651092337 3 28 1 perpetua1546741656423108444 2 11 2 langstroth1546741670749604756 1 10 2 perpetua1546741686055646710 8 23 2 langstroth1546741704010462064 7 22 2 perpetua样本数据字段的含义说明
time : 在上面的数据中有一个名为time- InfluxDB中的所有数据都有该列。 time存储时间戳，以及timestamp
butterflies和honeybees字段（fields）：这两个字段(fields)由字段键(field keys )和字段值(field values)组成。 字段键(field keys ) : butterflies和honeybees 则是表的字段名；字段值(field values) ：可以是字符串，浮点数，整数或布尔值，并且由于InfluxDB是时间序列数据库，因此字段值始终与时间戳相关联。
示例数据中的字段值为：
12 23
在上面的数据中，字段键(field keys)和字段值(field values)对的集合构成了一个 字段集(field set)
butterflies = 12 honeybees = 23
字段(fields)是InfluxDB数据结构的必需部分。没有字段，您不能在InfluxDB中拥有数据。同样重要的是要注意：字段不能设置为索引。 使用字段值作为过滤器的查询必须扫描与查询中的其他条件匹配的所有值，所以效率相对于标记（tag）查询偏低。其中标记（tag）查询可以设置索引，所以查询效率更高。
标记(tag)
location和
scientist：示例数据中的最后两列（
location和
scientist）是标记。标签由标签键和标签值组成。
标签键 标记值 location和
scientist。标记键
location有两个标记值：
1和
2。标记键
scientist还有两个标记值：
langstroth和
perpetua。
在上面的数据中， 标记集
location = 1， scientist = langstroth标签是可选的。您不需要在数据结构中包含标记，但通常最好使用它们，因为与字段不同，标记是索引的。这意味着对标签的查询更快，并且该标签非常适合存储常用查询元数据。
查询条件中，索引很重要 假设您注意到大多数查询都关注字段键的值，honeybees、butterflies查询语句如下：SELECT * FROM "census" WHERE "butterflies" = 1 SELECT * FROM "census" WHERE "honeybees" = 23
执行如下：
> SELECT * FROM "census" WHERE "butterflies" = 1 name : censustime butterflies honeybees location scientist---- ----------- --------- -------- --------- 1546741591954384804 1 30 1 perpetua1546741670749604756 1 10 2 perpetuaSELECT * FROM "census" WHERE "honeybees" = 23 name : censustime butterflies honeybees location scientist---- ----------- --------- -------- --------- 1546741552382793960 12 23 1 langstroth1546741686055646710 8 23 2 langstroth但是由于字段键(field key) 是没有索引的，在大规模数据查询的时候会扫描全表数据，此时效率就会很低，那么该如何去优化呢？
此时就应该将butterflies、honeybees 两个字段设置为tag，而location、scientist设置为field。
insert census,butterflies=1 ,honeybees=30 scientist="perpetua" ,location=1 insert census,butterflies=11 ,honeybees=28 scientist="langstroth" ,location=1 insert census,butterflies=3 ,honeybees=28 scientist="perpetua" ,location=1 insert census,butterflies=2 ,honeybees=11 scientist="langstroth" ,location=2 insert census,butterflies=1 ,honeybees=10 scientist="perpetua" ,location=2 insert census,butterflies=8 ,honeybees=23 scientist="langstroth" ,location=2 insert census,butterflies=7 ,honeybees=22 scientist="perpetua" ,location=2 insert census,butterflies=12 ,honeybees=23 scientist="langstroth" ,location=1 操作如下：
> use mydbUsing database mydb## 查看有哪些表 show measurementsname : measurementsname ---- ## 清空表数据 delete from census;select * from census;## 插入数据 insert census,butterflies=1 ,honeybees=30 scientist="perpetua" ,location=1 insert census,butterflies=11 ,honeybees=28 scientist="langstroth" ,location=1 insert census,butterflies=3 ,honeybees=28 scientist="perpetua" ,location=1 insert census,butterflies=2 ,honeybees=11 scientist="langstroth" ,location=2 insert census,butterflies=1 ,honeybees=10 scientist="perpetua" ,location=2 insert census,butterflies=8 ,honeybees=23 scientist="langstroth" ,location=2 insert census,butterflies=7 ,honeybees=22 scientist="perpetua" ,location=2 insert census,butterflies=12 ,honeybees=23 scientist="langstroth" ,location=1 select * from censusname : censustime butterflies honeybees location scientist---- ----------- --------- -------- --------- 1546743438630926762 1 30 1 perpetua1546743446986027738 11 28 1 langstroth1546743446997025073 3 28 1 perpetua1546743447019092699 2 11 2 langstroth1546743447023970929 1 10 2 perpetua1546743447027505445 8 23 2 langstroth1546743447032866644 7 22 2 perpetua1546743448855305845 12 23 1 langstroth此时，butterflies honeybees已经是tag，属于索引，查询大规模数据的时候效率就会提升。
