Influxdb что это

Что такое InfluxDB

Опубликовано: 14.04.2020

база данных, адаптированная для хранения статистических данных (параметры и их значения на определенный момент времени). Хорошо подходит для систем мониторинга, интернета вещей, различных метрик приложений (например, Grafana может строить свои графики на основе данных из InfluxDB). Подробнее с данной базой можно ознакомиться на официальном сайте в разделе документации.

Скачать последнюю или бета-версию можно в разделе загрузки. Установка может быть выполнена на все распространенные системы — Windows, Linux, BSD, MAX OS. На официальном сайте в разделе установки можно ознакомиться со способами развертывания InfluxDB для различных типов операционных систем. Системные требования минимальны — необходимы только права администратора.

• Наличие API.
• Стандартный SQL-язык запросов.
• Создание правил для хранения данных.
• Работа с очень большим объемом данных.
• Встроенная поддержка популярных протоколов передачи данных.
• Применение тегов для классификации данных и последующего ускорения работы с ними.

Другие базы, предназначенные для хранения временных рядов:

Еще немного о InfluxDB на Википедии

InfluxDB, отличная БД с открытым исходным кодом для обработки больших объемов данных

Когда дело доходит до выбора базы данных для нового проекта или существующего для замены того, над которым вы работаете, Я уже упоминал здесь, в блоге, что лучший веб-сайт для поиска варианта — это DB-Двигатели, в котором мы можем найти большое количество баз данных, о которых, я уверен, вы даже не знали об их существовании.

Но перейдем к основной теме, Эта статья, в которой мы поговорим сегодня, посвящена InfluxDB, которая является отличным вариантом для обработки больших объемов данных без необходимости жертвовать производительностью.

Мы должны знать, что InfluxDB — это база данных, оптимизированная для данных временных рядов. и может использоваться в локальном центре обработки данных или в качестве облачного решения в Microsoft Azure, Amazon Web Services (AWS) и Google Cloud Computing.

База данных временных рядов (TSDB) может работать без сервера в облаке или с собственными серверами в центре обработки данных. База данных разрабатывается американской компанией Influxdata.

InfluxDB фокусируется на хранении больших объемов данных в научной сфере. и данные, отправленные датчиками. InfluxDB это намного быстрее, чем обычные базы данных когда дело доходит до хранения временных рядов и управления ими. Также возможна обработка в реальном времени, а также запросы данных с помощью внутреннего языка запросов Flux, который основан на Javascript.

Это больше похоже на язык программирования, чем на язык запросов SQL, прослушивающий порт 8086, плюс InfluxDB. не имеет внешних зависимостей и имеет встроенные функции, ориентированные на время, для запроса структуры данных состоит из мер, серий и точек. Каждая точка состоит из нескольких пар ключ-значение, называемых набором полей и отметкой времени. Когда они сгруппированы по набору пар ключ-значение, называемому набором тегов, они определяют серию. Наконец, серии группируются по строковому идентификатору для формирования меры.

Значения могут быть 64-битными целыми числами, 64-битными числами с плавающей запятой, строками и логическими значениями. Баллы индексируются по времени и набору тегов. Политики хранения определяются в метрике и управляют сокращением и удалением данных. Периодически выполняются непрерывные запросы, результаты которых сохраняются в целевой метрике.

Если временные ряды должны храниться в базах данных, например, при использовании инфраструктуры Интернета вещей, InfluxDB можно использовать для сохранения информации датчика, включая временные метки.. Поскольку синхронизация играет важную роль в InfluxDB, внутренняя служба синхронизации гарантирует, что все узлы в кластере InfluxDB работают синхронно. Конечно, InfluxDB также подходит для хранения данных мониторинга в корпоративных сетях.

Базы данных в InfluxDB не должны быть сложными и содержать десятки столбцов. Имеет смысл использовать его только с несколькими столбцами, если, например, необходимо сохранить определенные измеренные значения датчика как функцию времени.

Если данные из многих источников должны приниматься и обрабатываться параллельно, например, в случае датчиков, необходимо, чтобы связанная база данных могла быстро обрабатывать эти параллельные запросы. Поскольку данные часто принимаются в режиме реального времени, производительность записи в базу данных должна быть адаптирована соответствующим образом. Кроме того, существует проблема, связанная с тем, что данные измерений с датчиков не всегда точно записываются и определяются. Базы данных временных рядов все еще могут хранить эти данные и делать их доступными.

Кроме того, после того, как данные временного ряда были сохранены, редко требуется обновлять их позже. Следовательно, для этого нет необходимости оптимизировать базу данных временных рядов. Кроме того, существуют функции, необходимые для удаления или сжатия устаревших данных, которые больше не нужны. Эти задачи также являются частью быстрой обработки данных временных рядов.

InfluxDB состоит всего из нескольких компонентов, доступных для Linux и macOS. Все функции содержатся в одном файле, что упрощает установку и работу.

Наконец, если вам интересно узнать об этом больше, вы можете проверьте подробности по следующей ссылке.

Содержание статьи соответствует нашим принципам редакционная этика. Чтобы сообщить об ошибке, нажмите здесь.

Полный путь к статье: Из Linux » приложений » InfluxDB, отличная БД с открытым исходным кодом для обработки больших объемов данных

Будьте первым, чтобы комментировать

Знакомство с InfluxDB и базами данных временных рядов

Статья расскажет о том, что такое базы данных временных рядов и в частности про InfluxDB. Будут рассмотрены основные концепции, а также некоторые тонкости.

InfluxDB, база данных временных рядов (TSDB), разработанная InfluxData, в последние несколько месяцев демонстрирует всё большую популярность. Она стала одной из справочников для разработчиков и инженеров, желающих внедрить мониторинг в реальном времени в свою собственную инфраструктуру. Но что именно из себя представляет InfluxDB? Зачем она нужна? Какую ценность вы можете привнести, внедрив InfluxDB в свою среду?

Эта статья — отправная точка для разработчиков, инженеров и ИТ-специалистов, которые хотят изучить InfluxDB, его концепции, случаи использования и реальные приложения.

Для начала поговорим в целом о базах данных временных рядов. О том, что они из себя представляют и чем отличаются от традиционных реляционных баз данных (РБД). После этого рассмотрим концепции, которые определяют InfluxDB. Не знакомы с измерениями, тегами или полями? Всё будет объяснено.

Что такое база данных временных рядов?

БД временных рядов, исходя из названия, представляют собой системы баз данных, специально предназначенные для обработки информации, связанной со временем.

В основном все имеют дело с реляционными базами данных (MySQL или SQL Server). Возможно, вы также имели дело с базами данных NoSQL (MongoDB или DynamoDB). Все они основаны на том, что у вас есть таблицы. Эти таблицы содержат столбцы и строки, каждая из которых определяет запись в вашей таблице. Часто эти таблицы специально предназначены для определённой цели. Одна может быть предназначена для хранения пользователей, другая — для фотографий или видео. Такие системы эффективны, масштабируемы и используются множеством гигантских компаний с миллионами запросов на своих серверах.

Базы данных временных рядов работают иначе. Данные по-прежнему хранятся в «коллекциях», но эти коллекции имеют общий знаменатель: они объединены со временем. Это означает, что для каждой точки, которую вы можете сохранить, у вас есть связанная с ней временная метка.

Возникает вопрос: нельзя ли использовать реляционную базу данных и просто включить в неё столбец с именем «время»? Например, в Oracle есть тип данных TIMESTAMP, который можно было бы использовать для этой цели. Конечно, такое возможно, но это неэффективно.

Зачем нужны базы данных временных рядов?

Три слова: быстрый приём данных.

Системы баз данных временных рядов построены так, чтобы быстро и эффективно принимать данные. Реляционные базы данных тоже имеют большую скорость загрузки данных (от 20 000 до 100 000 строк в секунду). Тем не менее, приём не постоянен во времени. У реляционных баз данных есть один ключевой аспект, который делает их медленными при росте данных — индексы.

При добавлении новых записей в реляционную БД и при наличии в таблице индексов СУБД будет многократно переиндексировать данные для быстрого и эффективного доступа к ним. Как следствие, производительность со временем снижается. При этом увеличивается нагрузка, что приводит к трудностям при чтении данных.

База данных временных рядов оптимизирована для быстрого приёма данных. Такие системы используют индексацию данных, объединённых со временем. Как следствие, скорость загрузки не уменьшается со временем и остается достаточно стабильной (от 50 до 100 тыс. строк в секунду на одном узле).

Специфичные концепции баз данных временных рядов

Кроме высокой скорости приёма, базы данных временных рядов вводят специфичные для этих технологий концепции.

Одной из них является организация хранения данных. В традиционной РБД данные хранятся до тех пор, пока вы не решите их удалить. Учитывая сценарии использования БД временных рядов, вы можете не хранить ваши данные слишком долго: это или слишком дорого, или данные со временем теряют актуальность.

Системы вроде InfluxDB могут позаботиться об удалении данных через определённое время, используя концепцию, называемую политикой хранения. Вы также можете выполнять непрерывные запросы к оперативным данным для выполнения определённых операций. В реляционной БД можно найти эквивалентные операции (например «задания» в SQL), которые могут выполняться по заданному расписанию.

Совершенно другая экосистема

Особенности БД временных рядов хорошо видны, когда речь заходит об их экосистемах. Как правило, реляционные базы данных окружены приложениями, которые подключаются к ним для получения информации или добавления новых записей.

Часто база данных ассоциируется с одной системой. Клиенты подключаются к веб-сайту, который обращается к базе данных для получения информации. БД временных рядов созданы под множество клиентов (программ). Здесь нет простого сервера, обращающегося к БД, но есть куча разных сенсоров (к примеру), выполняющих вставку данных одновременно.

Как следствие, её инструменты были разработаны для того, чтобы предоставить эффективные способы потребления или производства данных.

Потребление данных

Потребление данных часто осуществляется с помощью инструментов мониторинга вроде Grafana или Chronograf. Эти клиенты имеют встроенные решения для визуализации данных и даже для создания пользовательских предупреждений.

Эти инструменты часто используются для создания живых панелей мониторинга, которые могут быть представлены графиками, гистограммами, датчиками или картами окружающего мира.

Производство данных

Производство данных осуществляется агентами, которые нацеливаются на специальные элементы в инфраструктуре и извлекают из них метрики. Такие агенты называются «агентами мониторинга». Вы можете легко настроить их для запроса данных за определённый промежуток времени. Примерами являются Telegraf (который является официальным агентом мониторинга), CollectD или StatsD.

Теперь вы лучше понимаете, что такое базы данных временных рядов и чем они отличаются от реляционных. Пришло время углубиться в конкретные концепции InfluxDB.

Концепции InfluxDB

В этом разделе будут объяснены ключевые концепции InfluxDB и ключевые запросы, связанные с этими концепциями. InfluxDB встраивает свой собственный язык запросов и это заслуживает отдельного пояснения.

Язык запросов InfluxDB

Прежде чем начать, важно знать, какую версию InfluxDB вы используете в настоящее время. По состоянию на октябрь 2019 года InfluxDB выпускается в двух версиях: v1.7+ и v2.0.

InfluxDB v2.0 в настоящее время (на октябрь 2019 года) является альфа-версией и использует язык Flux. InfluxDB v1.7 оснащён языком InfluxQL (а также Flux, если его активировать). Пока лучше использовать InfluxQL, так как Flux не полностью установлен в текущей версии платформы.

InfluxQL — это язык запросов, который очень похож на SQL, и позволяет любому пользователю запрашивать свои данные и фильтровать их. Вот пример запроса InfluxQL:

SELECT * FROM cpu_metrics WHERE time < now() - 10ms

Дальше будут рассмотрены ключевые концепции InfluxDB, предоставляемые с соответствующими запросами IQL (InfluxQL).

Ключевые концепции InfluxDB

Рассмотрим список основных терминов, которые необходимо знать для работы с InfluxDB в 2019 году.

База данных

База данных — само по себе простое для понимания понятие, потому что вы привыкли использовать этот термин в реляционных базах данных. В SQL-среде БД будет содержать набор таблиц и схем и будет представлять один экземпляр самостоятельно.

В InfluxDB БД содержит набор измерений. Однако один экземпляр InfluxDB может содержать несколько баз данных. В этом его отличие от традиционных систем. Эта логика подробно представлена на графике ниже:

Наиболее распространённые способы взаимодействия с базами данных — это либо их создание ( CREATE DATABASE “devconnected”; ), либо переход в них ( USE devconnected; ) для просмотра коллекций (вы должны быть «в базе данных», чтобы запрашивать коллекции, иначе это не сработает).

Измерение

Как показано выше, база данных хранит несколько измерений (measurement). Для простоты восприятия думайте об измерении как о таблице SQL. Она хранит данные и даже метаданные в разные моменты времени. Данные, которые должны сосуществовать вместе, должны храниться в одном измерении.

SELECT * FROM cpu_metrics WHERE temperature=’40’; 

Теги и поля

Обратите внимание, есть тонкая разница между тегами и полями.

Для тех, кто впервые начинает работать с InfluxDB, будет трудно понять, чем отличаются теги и поля. Они похожи на «столбцы», где вы можете хранить точно такие же данные. Определяя новый «столбец» в InfluxDB, вы можете либо объявить его как тег, либо как значение, и между ними есть различия.

Самая большая разница между ними заключается в том, что теги индексируются, а значения — нет. Теги можно рассматривать как метаданные, определяющие данные в измерении. Это подсказки, дающие дополнительную информацию о данных, но не сами данные. Поля — это сами данные. В прошлом примере столбец «температура» был бы полем.

Вернёмся к примеру cpu_metrics . Допустим, вы хотите добавить столбец с именем «location», определяющий местоположение датчика.

Что вам выбрать: тег или поле?

В данном случае стоит выбрать тег. Необходимо, чтобы столбец «местоположение» индексировался и учитывался при выполнении запроса к местоположению.

Хорошей практикой будет держать измерения относительно небольшими, когда речь идёт о большом количестве полей. Всё большее количество полей часто связано с меньшей производительностью. Вы можете создать другие измерения, чтобы сохранить другое поле и правильно его проиндексировать.

Теперь, когда мы добавили метку местоположения в измерение, немного углубимся в таксономию.

Набор тега называется «tag set». Имя столбца в теге называется «tag key». Значения тега называются «tag values». Та же систематика повторяется для полей. Вернёмся к чертежам.

Временная метка

Временная метка (timestamp) — наверное, самое простое для определения ключевое слово. В InfluxDB — это дата и время, определённые в формате RFC3339. При использовании InfluxDB очень часто определяют столбец времени как метку в Unix-времени, выраженную в наносекундах.

Вы можете выбрать формат наносекунд для временного столбца и позже снизить точность, добавляя нули в конец значения, чтобы оно соответствовало формату наносекунд.

Политика хранения

Политика хранения определяет, как долго вы собираетесь хранить ваши данные. Политики хранения определяются для каждой базы данных и их может быть несколько. По умолчанию политика хранения будет autogen и хранит ваши данные вечно. Как правило, базы данных имеют несколько политик хранения, которые используются для разных целей.

Представим, что вы используете InfluxDB для оперативного мониторинга всей инфраструктуры.

Например, вы хотите знать, когда сервер отключается. В этом случае вас интересуют данные, поступающие с этого сервера в настоящий момент или за несколько минут до этого. Вы не заинтересованы в хранении данных в течение нескольких месяцев, поэтому хотите определить небольшую политику хранения: например один или два часа.

Предположим, вы используете InfluxDB для IoT, например для сбора данных, поступающих из резервуара для воды. Позже вы захотите поделиться своими данными с группой научных специалистов, чтобы они могли их проанализировать. В этом случае вы можете хранить данные дольше: например пять лет.

Точка

Точка (point) — это просто набор полей с одинаковой отметкой времени. В SQL это будет выглядеть как строка или как уникальная запись в таблице. Здесь нет ничего особенного.

Случаи использования InfluxDB

Мониторинг DevOps — очень объёмная тема. Всё больше команд вкладывают средства в создание быстрой и надёжной архитектуры, основанной на мониторинге. Начиная от сервисов и заканчивая кластерами серверов, инженеры часто создают стек мониторинга, который обеспечивает интеллектуальные оповещения.

Чтобы узнать больше о мониторинге DevOps, ознакомьтесь со статьёй «Monitoring systemd services in realtime with Chronograf».

С помощью инструментов в начале статьи вы можете создать собственную инфраструктуру мониторинга и принести прямую пользу вашей компании или начинающему предприятию.

IoT

Развитие IoT, вероятно, будет революцией, которая произойдёт в ближайшие несколько лет. Предполагается, что к 2020 году более 30 миллиардов устройств будут считаться устройствами IoT. Независимо от того, осуществляете ли вы мониторинг одного устройства или гигантской сети таких девайсов, вам необходимо иметь точные и мгновенные показатели, чтобы вы могли принимать наилучшие решения.

Реальные компании уже работают с InfluxDB для IoT. Одним из примеров может быть WorldSensing, компания, которая нацелена на расширение умных городов с помощью индивидуальных концепций, таких как интеллектуальная парковка или система мониторинга трафика.

Промышленные и умные заводы

Заводы становятся всё более и более связанными. Процесс выполнения задач более автоматизирован, чем когда-либо. Как следствие, возникает очевидная необходимость иметь возможность контролировать каждый элемент производственной цепочки для обеспечения максимальной производительности. Но даже когда машины не выполняют всю работу и задействованы люди, мониторинг временных рядов даёт уникальную возможность донести соответствующие показатели до менеджеров.

Помимо повышения производительности, они могут способствовать созданию более безопасных рабочих мест, поскольку они способны быстрее обнаруживать проблемы.

Ваше собственное воображение

Приведённые выше примеры являются лишь примерами. Ваше воображение — это единственное ограничение для приложений, которые вы можете применить для баз данных временных рядов. Например, временные ряды могут использоваться даже в кибербезопасности.

Идём дальше

В этой статье было рассмотрено, что такое базы данных временных рядов и как они используются в реальном мире. А также много технических терминов, стоящих за InfluxDB.

Хороший совет — создайте что-то сами. Установите InfluxDB, поиграйте с инструментами. Создайте информационную панель, поиграйтесь с запросами, настройте некоторые оповещения. Только так вы сможете сами «пощупать» эту технологию и составить о ней своё мнение.

Знакомство с InfluxDB и базами данных временных рядов

Influxdb create database – это база данных временных рядов с доступом к исходному коду. Она разработана с применением языка GO и отлично подходит для мониторинга ресурсов. У нее довольно богатый функционал, а наличие исходного кода позволяет допилить базу под себя с учетом индивидуальных потребностей. Стоит подробнее рассмотреть, что это за временная база данных, и в чем заключаются ее особенности.

Общая информация

InfluxDB является относительно новым продуктом, который активно набирает популярность. Первый релиз относится к 2013 году. Основная ее задача заключается в хранении временных файлов, метрик и информационных событий.

Вот основные достоинства InfluxDB:

• из-за использования языка программирования GO нет никаких зависимостей;
• можно работать в различных режимах, в том числе и в кластерном;
• есть библиотеки для большого количества языков программирования;
• SQL- подобный язык запросов понятен и прост;
• удобный и интуитивно понятный интерфейс для работы с базой данных.

Для хранения пар «ключ-значение» используется БД Level DB или Rocks DB. Согласно данным от разработчиков, эти хранилища показывают наилучшую производительность при работе с данным софтом.

Запись ведется одним из следующих способов:

• передача json файлов в http API;
• использование протокола Carbon;
• передача через UDP.

Также данный софт можно применять для бэкенда для Graphite, что позволяет значительно увеличить производительность.

Сегодня InfluxDB отличается высокой совместимостью с другими программами, которые используются для мониторинга, хранения статистики, обработки логов и так далее.

Программисты продолжают развивать InfluxDB, постоянно появляются новые возможности. В частности, планируется:

• добавление бинарного протокола для обмена данными;
• появление интерфейса «издатель-подписчик»;
• индексирование столбцов;
• добавление новых функций благодаря новым сценариям, которые появятся на языке Lua;
• возможность объединять хранимую информацию;
• повышение уровня безопасности.

Все это делает InfluxDB весьма популярным ПО для хранения временных файлов и статистики.

Не все понимают, зачем требуется база данных временных рядов. Преимущество в скорости приема данных. С помощью этого ПО удается записывать до 100 тысяч строк в секунду, что является отличным показателем (учитывая, что без InfluxDB этот показатель редко превышает 20 000 строк в секунду). Также подобные базы позволяют автоматизировать процесс удаления информации. В обычных базах файлы хранятся до момента их ручного удаления. Здесь же удается задать временной отрезок, в течение которого информация будет актуальна, а потом будет удаляться автоматически.

База данных временных рядов работает в другой экосистеме, не в той, которая привычна рядовым пользователям. Однако она позволяет эффективнее использовать ресурсы.

Установка

Стоит понимать, что установка может отличаться в зависимости от используемой операционной системы. Таким образом, необходимо изучать официальную документацию, чтобы понимать, как инсталлировать софт в конкретно взятом случае.

Установка начинается через командную строку. Требуется использовать соответствующие команды, которые будут отличаться в разных ОС. Также существует разделение команд, исходя из того, используется 32 или 64 битная версия системы.

После завершения установки требуется запустить софт. По умолчанию используются порты 8083, 8086, 8090 и 8099, но в настройках это можно легко исправить. Стоит рассмотреть подробнее особенности настройки InfluxDB.

Настройка и конфигурирование

Все настройки требуется совершать через файл config.toml. Все конфигурации можно разделить на отдельные группы:

• управление логами;
• настройка веб-интерфейса;
• настройка HTTP API;
• работа с вводом данных из внешних источников;
• протокол согласования RAFT;
• общие настройки;
• работа в кластерном режиме;
• опережающее ведение журнала.

В Influxdb настройка понятная, софт можно настроить под себя, учитывая текущие задачи конкретно взятого проекта. За счет наличия исходного кода компания также может с помощью программистов допилить программу, создав новые возможности для реализации проекта.

Создаем базу данных

Для начала работы требуется открыть в браузере страницу localhost:8083. По умолчанию логин и пароль root, однако это можно изменить в настройках (настоятельно рекомендуется это сделать). Далее нажимается кнопка Connect и появляется новое окно.

Преимущество в том, что интерфейс данного софта довольно простой. Стоит рассмотреть несколько нюансов, которые нужно знать в процессе создания базы данных.

1. Для упрощения и ускорения чтения информации при поступлении запроса стоит разделять файлы на небольшие части равного объема. Такие файлы называют шардами, а их формирование на основе определенного принципа зовется шардовым пространством.
2. Во время создания базы обязательно указывается, какие именно шардовые пространства будут использоваться. Retention указывает, как долго шарды должны храниться в базе. Также через настройки можно задать и другие параметры.
3. Допускается хранение шардов для каждого пользователя или по другим параметрам.
4. В графе RF указывается, на скольких узлах информация должна сохраняться, что позволяет работать с ней даже на кластерном уровне. Рекомендуется использовать формулу RF = NoS/Split, чтобы можно было быстро записать в кластере новую информацию в любое время.

Вот как происходит деление информации на шарды в этой базе данных:

1. Происходит изучение всех шардовых пространств, которые есть в базе.
2. Изучение каждого шарда циклично, чтобы понять, какому именно шарду соответствуют новые данные, которые поступили в систему.
3. Просмотр шардов, которые подходят для данного отрезка времени.
4. При отсутствии шардов создаются новые в соответствии с числом, указанным в графе split.
5. Осуществление записи новой информации.

Лучше, чтобы шарды сохранились недолго, чтобы не переполнять базу. Но в некоторых случаях требуется хранить информацию в течение долгого времени. Тогда можно указать в настройках значение inf. Тогда данный шард не будет удален автоматически системой, удаление будет происходить только вручную.

Работа в кластере

В кластерном режиме серверы InfluxDB выглядят, как единая система, поэтому каждый кластер может отвечать на запросы и сохранять поступающую информацию. При работе используется протокол RAFT.

Важно. На данный момент работа в кластерном режиме доступна только в качестве теста. Это значит, что могут возникать различные баги, а сама работа не отличается стабильностью. Но уже скоро эта возможность будет реализована полноценно.

Для начала работы требуется выполнить следующие действия:

1. Запустить узел InfluxDB с подходящими настройками, но не использовать параметр seed-servers, который находится в разделе cluster.
2. На остальных узлах нужно указывать IP-адрес первого сервера в значении seed-servers.

Важно. Во время добавления нового узла допускается указывать IP адрес любого сервера, который уже входит в кластер. Используется порт 8090 по умолчанию, но это можно изменить при необходимости.

Управление правами пользователей

На данный момент определение прав пользователей очень ограничено, если использовать графический интерфейс. Так, администраторы могут только выполнять наиболее простые функции, среди которых добавление и удаление других пользователей, наделенных правами администратора.

Если требуется выполнить другие настройки, то необходимо использовать API. Там можно выполнять требуемые настройки, а доступ к метрике реализован через регулярные выражения.

В официальных документах приведены команды, которые требуется использовать для разграничения доступа через API. Рекомендуется это делать, если в проекте активно участвуют несколько пользователей. Это позволит предотвратить потерю информации и возникновение других ошибок. Так, администратор может позволить всем пользователям читать хранящуюся информацию, но изменять ее сможет только он.

Интеграция с Grafana

Grafana – это простой и понятный дашборд, используемый для просмотра метрик. Стоит отметить, что публикаций об этом софте на русском языке в Интернете практически нет. Однако есть возможность найти сведения о том, как работает InfluxDB и Grafana совместно. Соответствующая информация размещена в открытом доступе.

Для тестового запуска требуется клонировать репозиторий и указать IP-адреса устройств, которые будут входить в кластер.

Заключение

Программное обеспечение InfluxDB в России только начинает набирать популярность, но оно очень перспективное. Есть высокая вероятность, что в будущем его будут активно использовать в разных проектах. Этому способствуют:

• простой интерфейс;
• достаточно широкий функционал;
• возможность разграничить права доступа между пользователями;
• отсутствие проблем при работе с другим софтом;
• стабильная работа ПО на всех известных и популярных операционных системах;
• постоянное развитие проекта и появление новых возможностей;
• открытый исходных код, который позволяет заточить ПО под собственный проект с учетом индивидуальных требований;
• возможность ускорить процесс чтения и записи данных.

Таким образом, InfluxDB – интересный софт, который стоит вашего внимания. Рекомендуется установить это ПО, «поиграть» с полями, чтобы понять, на что способна эта программа. Только опытным путем удастся узнать все ее достоинства и понять, насколько она подходит в конкретно взятом случае.