Når det gjelder valg av database for et nytt eller et eksisterende prosjekt som skal erstatte det du jobber med, Jeg har allerede nevnt her på bloggen at det beste nettstedet å finne et alternativ er DB-motorer, der vi kan finne et stort antall databaser, og som jeg er sikker på at du ikke en gang visste om deres eksistens.
Men å gå videre til hovedtemaet, Denne artikkelen der vi skal snakke i dag, handler om InfluxDB, som er et utmerket alternativ for å håndtere store datamengder uten å måtte ofre ytelse.
Vi bør vite at InfluxDB er en database optimalisert for tidsseriedata og kan brukes i det lokale datasenteret eller som en skyløsning på Microsoft Azure, Amazon Web Services (AWS) og Google Cloud Computing.
Tidsseriedatabasen (TSDB) kan drives uten en server i skyen eller med egne servere i datasenteret. Databasen er under utvikling av det amerikanske selskapet Influxdata.
InfluxDB fokuserer på lagring av store mengder data innen det vitenskapelige feltet og data sendt av sensorer. TilstrømningDB det er mye raskere enn konvensjonelle databaser når det gjelder lagring og administrering av tidsserier. Sanntidsbehandling er også mulig, i tillegg til å spørre dataene med det interne spørrespråket Flux, som er basert på Javascript.
Dette ser mer ut som et programmeringsspråk enn et SQL-spørringsspråk som lytter på port 8086, pluss InfluxDB har ingen eksterne avhengigheter og har tidsfokuserte innebygde funksjoner for å spørre om datastruktur sammensatt av tiltak, serier og punkter. Hvert punkt består av flere nøkkelverdipar som kalles feltsett og tidsstempel. Når de er gruppert etter et sett nøkkelverdipar som kalles et tag-sett, definerer de en serie. Til slutt er serien gruppert etter en strengidentifikator for å danne et mål.
Verdier kan være 64-biters heltall, 64-biters flytpoeng, strenger og boolske verdier. Poeng indekseres av tid og merkesett. Retningslinjer for oppbevaring er definert i en beregning og kontrollerer hvordan data reduseres og fjernes. Kontinuerlige spørsmål kjøres med jevne mellomrom og lagrer resultatene i en målberegning.
Hvis tidsseriene skal lagres i databaser, for eksempel når du bruker Internet of Things-infrastrukturer, InfluxDB kan brukes til å lagre sensorinformasjon, inkludert tidsstempler. Siden timing spiller en viktig rolle i InfluxDB, sikrer en intern timing-tjeneste at alle noder i InfluxDB-klyngen kjører synkront. Selvfølgelig er InfluxDB også egnet for lagring av overvåkingsdata i bedriftsnettverk.
Databasene i InfluxDB trenger ikke å være kompliserte og inneholder dusinvis av kolonner. Det er fornuftig å bruke den med bare noen få kolonner hvis for eksempel visse måleverdier fra en sensor må lagres som en funksjon av tiden.
Hvis data fra mange kilder må mottas og behandles parallelt, for eksempel når det gjelder sensorer, er det nødvendig at den tilknyttede databasen kan håndtere disse parallelle spørringene raskt. Siden data ofte mottas i sanntid, må skriveytelsen til databasen skreddersys tilsvarende. I tillegg er det utfordringen at måledata fra sensorer ikke alltid er nøyaktig skrevet og definert. Dataserier i tidsserier kan fremdeles lagre disse dataene og gjøre dem tilgjengelige.
Videre når en tidsseriedata er lagret, er det sjelden nødvendig å oppdatere dem senere. Derfor er det ikke nødvendig å optimalisere en tidsseriedatabase for dette. I tillegg er det funksjoner som kreves for å slette eller komprimere utdaterte data som ikke lenger er nødvendig. Disse oppgavene er også en del av rask databehandling av tidsserier.
InfluxDB består av bare noen få komponenter som er tilgjengelige for Linux og macOS. Alle funksjonene inngår i en fil, noe som gjør det enkelt å installere og bruke.
Endelig hvis du er interessert i å vite mer om det, kan du sjekk detaljene i følgende lenke.