正版包邮flutter实战杜文丛书书

71.3元

包邮

(需用券)

去购买 >

一，Influxdb安装与启动

1，创建yum仓库cat <

[influxdb]

name = InfluxDB Repository - RHEL $releasever

baseurl = https://repos.influxdata.com/rhel/$releasever/$basearch/stable

enabled = 1

gpgcheck = 1

gpgkey = https://repos.influxdata.com/influxdb.key

EO

2，安装启动influxdb## 安装influxdb

sudo yum install influxdb## 启动服务

sudo systemctl start influxdb

3，influxdb客户端使用## 进入命令行客户端

influx

Connected to http://localhost:8086 version 1.8.1

InfluxDB shell version: 1.8.1

二，Influxdb基本概念与操作

1，Database

数据库，可以创建多个，不同数据库中的数据文件，存放在磁盘上的不同目录。# 查看数据库

show databases

# 创建数据库

create database mydb

# 使用数据库

use mydb

# 删除数据库

drop database mydb

2，Measurement

相当于数据库中的表名，时间数据 time、Tag、Field 组合成了 Measurement。InfluxDB 没有创建表一说，直接 insert 就可以将数据插入 Measurement，可以理解为自动创建表。InfluxDB 没有对 measurement 的修改操作。-- 创建一个cpu的measurement，tags为host和regin,其中值为0.64

insert cpu,host=serverA,region=china\_shanghai value=0.64

-- 查询 measurement

> select * from cpu

name: cpu

time               host   region         value

----               ----   ------         -----

1596695999229393499 serverA china\_shanghai 0.64

3，Point

表里的一行数据，由时间戳(timestamp)、标签(tag)、数据(field)组成。timestamp 相当于 point 的时间戳，field 相当于point的值，tags 相当于 point 的属性。

4，Timestamp

数据的时间戳，相当于主键。不赋值时，默认为系统时间。

5，Tag

相当于索引。采用key=value形式，多个 tag 之间用 ',' 分隔。> show tag keys from cpu

name: cpu

tagKey

------

host

region

6，Field

相当于实际记录的数据值，也是采用key=value形式，多个 tag 之间用 ',' 分隔> show field keys

name: cpu

fieldKey fieldType

-------- ---------

value   float

7，Retention Policy

存储策略，InfluxDB 会自动清理数据，可以设置数据保留的时间，默认会创建存储策略 autogen (保留时间为永久)，之后用户可以自己设置，例如保留最近 30 天的数据。-- 查看默认策略

> show retention policies on mydb

name   duration shardGroupDuration replicaN default

----   -------- ------------------ -------- -------

0s       168h0m0s           1        true-- 创建新的策略

create retention policy "rp\_day\_30" on "mydb" duration 30d replication 1 default-- 修改策略

alter retention policy "rp\_day\_30" on "mydb" duration 20d replication 1 default

三，Influxdb api使用

1，首先配置influxdb的properties配置，如下：# influxDB

spring.influx.url\=http://192.168.60.201:8086

spring.influx.user\=admin

spring.influx.password\=admin

spring.influx.database\=mydb

2，添加influx java config@Configuration

@Slf4j

public class InfluxConfig {

@Value("${spring.influx.url}")

private String influxDBUrl;

@Value("${spring.influx.user}")

private String userName;

@Value("${spring.influx.password}")

private String password;

@Value("${spring.influx.database}")

private String database;

/**

* 异步插入：

* enableBatch这里第一个是point的个数，第二个是时间，单位毫秒

* point的个数和时间是联合使用的，如果满100条或者60 * 1000毫秒

* 满足任何一个条件就会发送一次写的请求。

*/

@Bean(name = "influxDB")

public InfluxDB influxdb() {

InfluxDB influxDB = InfluxDBFactory.connect(influxDBUrl, userName, password);

try {

influxDB.setDatabase(database).enableBatch(100, 1000 * 60, TimeUnit.MILLISECONDS);

} catch (Exception e) {

log.error("fail enableBatch:", e);

} finally {

//设置默认策略

influxDB.setRetentionPolicy("autogen");

}

//设置日志输出级别

influxDB.setLogLevel(InfluxDB.LogLevel.BASIC);

return influxDB;

}

}

3，抽象influxdb api接口，提供埋点事件接口@Component

@Slf4j

public class InfluxMonitor {

private ConcurrentLinkedDeque eventDeque = new ConcurrentLinkedDeque<>();

private static final String measurement = "Event";

private static final String eventName = "EventName";

private static final String eventCount = "EventCount";

private static AtomicInteger eventSize = new AtomicInteger();

private static ExecutorService executor = Executors.newFixedThreadPool(16);

@Value("${spring.influx.database}")

private String database;

@Autowired

private InfluxDB influxDB;

/**

* 多线程异步处理

*/

public InfluxMonitor() {

for (int i = 0; i < 8; i++) {

executor.submit((Runnable) () -> {

while (true) {

try {

Thread.sleep(100);

int size = 2000;

Point point;

BatchPoints batchPoints = BatchPoints.database(database).build();

while ((point = eventDeque.pollLast()) != null && size-- > 0) {

eventSize.getAndDecrement();

batchPoints.point(point);

}

if (batchPoints.getPoints().size() > 0) {

influxDB.write(batchPoints);

}

} catch (Exception e) {

log.error("influxDB:", e);

}

}

});

}

}

/**

* 多线程处理件

*/

public void produce(Point point) {

if (eventSize.getAndIncrement() < 5000) {

eventDeque.offerFirst(point);

}

}

/**

* 创建订单事件

*/

public void createOrderEvent(String messageCode, CreateOrderDTO order) {

Map tags = new HashMap<>();

tags.put("messageCode", messageCode);

tags.put("channel", order.getChannel());

this.logEvent("createOrder", new HashMap<>(), tags);

}

/**

* 发送数据

*

* @param logEventName 事件类型 如:创建订单

* @param fields influx field 指标如: 下单次数

* @param tags influx tags 查询索引

*/

public void logEvent(String logEventName, Map fields, Map tags) {

try {

tags.put(eventName, logEventName);

fields.put(eventCount, 1);

Point point = Point.measurement(measurement)

.tag(tags)

.fields(fields)

.build();

this.produce(point);

} catch (Exception e) {

log.error("influx log event:", e);

}

}

}

4，添加controller模拟下单接口@RestController

@RequestMapping(value = "/influx")

@Slf4j

public class InfluxController {

​

@Autowired

private InfluxMonitor influxMonitor;

​

@PostMapping("/createOrder")

public Object createOrder(@RequestBody CreateOrderDTO createOrder) {

log.info("订单业务处理..............");

String messageCode = "200";

influxMonitor.createOrderEvent(messageCode, createOrder);

return Boolean.TRUE;

}

}

5，使用postman测试，下一节我们使用可视化页面展示

四，可视化工具Grafana介绍

Grafana 是以纯 Javascript 开发的前端工具，用于访问 InfluxDB，自定义报表、显示图表等，Grafana下载地址。

安装wget https://dl.grafana.com/oss/release/grafana-7.1.2-1.x86\_64.rpm

sudo yum install grafana-7.1.2-1.x86\_64.rpm

修改配置 : vim /etc/grafana/grafana.ini[server]

# Protocol (http, https, h2, socket)

;protocol = http

​

# The ip address to bind to, empty will bind to all interfaces

http_addr = 192.168.60.201

​

# The http port to use

http_port = 3000

启动检查systemctl start grafana-server ## 启动grafana服务

systemctl status grafana-server ## 检查启动状态

在浏览器中访问我们配置的ip及端口，本文配置的为：http://192.168.60.201:3000，默认的用户名和密码是admin/admin，首次登陆提醒你修改密码即可

配置数据源(官网地址)Grafana支持多种数据源如：MySQL，Graphite，InfluxDB，Elasticsearch等，本文说的是influxDB，当然使用的就是InfluxDB了，我们看到有很多可选的数据源如下：

下面是本地基于InfluxDB的配置，主要是url，database等一些基本配置

Grafana像写sql一样统计展示不同的面板，非常方便，下面就是以下单次数及各渠道下单分布创建不同的面板来展示Grafana的强大！FROM 指定目标

autogen：我们代码中指定的存储策略

Event ：我们代码中指定的measurement

EventName：指定的tags中的一个，本文中就是创建订单事件 createOrder

SELECT 查询指标

field(EventCount) : 指定的fields中的一个，也是我们需要监控的指标，本文中就是下单次数，我默认指定了一次接口调用存储了一次EventCount=1

sum()：这个就不多说了相当于mysql中的求和，计算的就是前面指定的field

GROUP BY 分组

time($_interval)：面板上指定的时间

ALIAS BY 查询结果别名，本文中就是下单成功次数

Grafana支持很多复杂的查询，这里就不一一演示了，最后看下我们做的面板效果图，InfluxDB的性能是非常好的近实时的，我们通过选择不同的时间来查看业务埋点监控看板

java 11官方入门(第8版)教材

79.84元

包邮

(需用券)

去购买 >