Docker监控方案(TIG)的研究与实践之Influxdb-CSDN博客

Docker监控方案(TIG)的研究与实践之Influxdb

目录

Docker监控方案(TIG)的研究与实践之Influxdb

前言

Influxdb研究与实践

---

 

 

 

本文章向大家介绍Docker监控方案(TIG)的研究与实践之Influxdb主要内容包括前言、Influxdb研究与实践、基本概念、基础应用、原理机制和需要注意的事项等并结合实例形式分析了其使用技巧希望通过本文能帮助到大家理解应用这部分内容。

 

 

 

前言

Influxdb也是有influxdata公司(www.influxdata.com )开发的用于数据存储的时间序列数据库.可用于数据的时间排列。在整个TIG(Telegraf+influxdb+grafana)方案中influxdb可算作一个中间件主要负责原始数据的存储并按照时间序列进行索引构建以提供时间序列查询接口。在整个TIG方案中应该先构建的就是Influxdb。

Influxdb研究与实践

influxdb介绍

使用TSM(Time Structured Merge)存储引擎允许高摄取速度和数据压缩  使用go编写无需其他依赖  简单高性能写查询httpAPI接口  支持其他数据获取协议的插件比如graphite,collected,OpenTSDB  使用relay构建高可用https://docs.influxdata.com/influxdb/v1.0/high_availability/relay/ 扩展的类sql语言很容易查询汇总数据  tag的支持可用让查询变的更加高效和快速  保留策略有效地自动淘汰过期的数据  持续所产生的自动计算的数据会使得频繁的查询更加高效  web管理页面的支持

下载安装

githubGitHub - influxdata/influxdb: Scalable datastore for metrics, events, and real-time analytics 源码编译  官网下载  Centos系列wgethttps://dl.influxdata.com/influxdb/releases/influxdb-1.0.0.x86_64.rpm && sudo yum localinstall influxdb-1.0.0.x86_64.rpm  源码包系列wgethttps://dl.influxdata.com/influxdb/releases/influxdb-1.0.0_linux_amd64.tar.gz && tar xvfz influxdb-1.0.0_linux_amd64.tar.gz  docker系列docker pull influxdb  安装手册https://docs.influxdata.com/influxdb/v0.9/introduction/installation/

配置

#cat /etc/influxdb/influxdb.conf
reporting-disabled = false
[registration]
[meta]
dir = "/var/lib/influxdb/meta"
hostname = "10.0.0.2"    #此hostname必须写本机否则无法连接到数据操作的API
bind-address = ":8088"
retention-autocreate = true
election-timeout = "1s"
heartbeat-timeout = "1s"
leader-lease-timeout = "500ms"
commit-timeout = "50ms"
cluster-tracing = false
[data]
dir = "/var/lib/influxdb/data"
max-wal-size = 104857600 # Maximum size the WAL can reach before a flush. Defaults to 100MB.
wal-flush-interval = "10m" # Maximum time data can sit in WAL before a flush.
wal-partition-flush-delay = "2s" # The delay time between each WAL partition being flushed.
wal-dir = "/var/lib/influxdb/wal"
wal-logging-enabled = true
[hinted-handoff]
enabled = true
dir = "/var/lib/influxdb/hh"
max-size = 1073741824
max-age = "168h"
retry-rate-limit = 0
retry-interval = "1s"
retry-max-interval = "1m"
purge-interval = "1h"
[admin]
enabled = true
bind-address = ":8083"
https-enabled = false
https-certificate = "/etc/ssl/influxdb.pem"
[http]
enabled = true
bind-address = ":8086"
auth-enabled = false
log-enabled = true
write-tracing = false
pprof-enabled = false
https-enabled = false
https-certificate = "/etc/ssl/influxdb.pem"
[opentsdb]
enabled = false
[collectd]
enabled = false

注意influxdb服务会启动三个端口8086为服务的默认数据处理端口主要用来influxdb数据库的相关操作可提供相关的API8083为管理员提供了一个可视化的web界面用来为用户提供友好的可视化查询与数据管理8088主要为了元数据的管理。需要注意的是influxdb默认是需要influxdb用户启动且数据存放在/var/lib/influxdb/下面生产环境需要注意这个。

启动

和telegraf启动方式一样可以使用init.d或者systemd进行管理influxdb  注意启动之后需要查看相关的端口是否正在监听并检查日志确保服务正常启动

使用

如果说使用telegraf最核心的部分在配置那么influxdb最核心的就是SQL语言的使用了。influxdb默认支持三种操作方式  登录influxdb的shell中操作:

创建数据库
create database mydb
创建用户
create user "bigdata" with password 'bigdata' with all privileges
查看数据库
show databases;
数据插入
insert bigdata,host=server001,regin=HC load=88
切换数据库
 use mydb
查看数据库中有哪些measurement(类似数据库中的表):
show measurements
查询
select * from cpu limit 2
查询一小时前开始到现在结束的
#select load from cpu where time > now() - 1h
查询从历史纪元开始到1000天之间
#select load from cpu where time < now() + 1000d
查找一个时间区间
#select load from cpu where time > '2016-08-18' and time < '2016-09-19'
查询一个小时间区间的数据比如在September 18, 2016 21:24:00:后的6分钟
#select load from cpu where time > '2016-09-18T21:24:00Z' +6m
使用正则查询所有measurement的数据
#select * from /.*/ limit 1
#select * from /^docker/ limit 3
#select * from /.*mem.*/ limit 3
正则匹配加指定tag=~ !~
#select * from cpu where "host" !~ /.*HC.*/ limit 4
#SELECT * FROM "h2o_feet" WHERE ("location" =~ /.*y.*/ OR "location" =~ /.*m.*/) AND "water_level" > 0 LIMIT 4
排序group by的用法必须得是在复合函数中进行使用
#select count(type) from events group by time(10s)
#select count(type) from events group by time(10s),type
给查询字段做tag
#select count(type) as number_of_types group by time(10m)
#select count(type) from events group by time(1h) where time > now() - 3h
使用fill字段
#select count(type) from events group by time(1h) fill(0)/fill(-1)/fill(null) where time > now() - 3h
数据聚合
select count(type) from user_events merge admin_events group by time(10m)

使用API进行操作数据:

创建数据库:
curl -G "http://localhost:8086/query" --data-urlencode "q=create database mydb"
插入数据
curl -XPOST 'http://localhost:8086/write?db=mydb' -d 'biaoge,name=xxbandy,xingqu=coding age=2'
curl -i -XPOST 'http://localhost:8086/write?db=mydb' --data-binary 'cpu_load_short,host=server01,region=us-west value=0.64 1434055562000000000'
curl -i -XPOST 'http://localhost:8086/write?db=mydb' --data-binary 'cpu_load_short,host=server02 value=0.67
cpu_load_short,host=server02,region=us-west value=0.55 1422568543702900257
cpu_load_short,direction=in,host=server01,region=us-west value=2.0 1422568543702900257'
将sql语句写入文件并通过api插入
#cat sql.txt
cpu_load_short,host=server02 value=0.67
cpu_load_short,host=server02,region=us-west value=0.55 1422568543702900257
cpu_load_short,direction=in,host=server01,region=us-west value=2.0 1422568543702900257
#curl -i -XPOST 'http://localhost:8086/write?db=mydb' --data-binary @cpu_data.txt

查询数据--data-urlencode "epoch=s" 指定时间序列 "chunk_size=20000" 指定查询块大小
# curl -G http://localhost:8086/query?pretty=true --data-urlencode "db=ydb" --data-urlencode "q=select * from biaoge where xingqu='coding'"
数据分析
#curl -G http://localhost:8086/query?pretty=true --data-urlencode "db=mydb" --data-urlencode "q=select mean(load) from cpu"
#curl -G http://localhost:8086/query?pretty=true --data-urlencode "db=mydb" --data-urlencode "q=select load from cpu"
可以看到load的值分别是42 78 15.4用mean(load)求出来的值为45,13
curl -G http://localhost:8086/query?pretty=true --data-urlencode "db=ydb" --data-urlencode "q=select mean(load) from cpu where host='server01'"

使用influxdb提供的web界面进行操作:

这里只是简单的介绍了influxdb的使用后期如果想在grafana中汇聚并完美地展示数据可能需要熟悉influxdb的各种查询语法。(其实就是sql语句的一些使用技巧聚合函数的使用子查询等等)