InfluxDB 关键概念

在深入研究InfluxDB之前，最好先熟悉一下InfluxDB关键概念，本文档对这些概念和常用术语进行了简要介绍。我们在下面提供了所有要涵盖的术语列表，但是建议您从头到尾阅读本文档，以更全面地了解时间序列数据库。

• database
• field key
• field set
• field value
• measurement
• point
• retention policy
• series
• tag key
• tag set
• tag value
• timestamp

样本数据

下一节将参考下面列出的数据。这些数据虽然都是虚构的，但代表了一个可信的数据库设置，主要显示了在2015年8月18日午夜至2015年8月18日上午6:12的时间段内，两名科学家scientists（langstroth和perpetua）在两个位置location（地点1和地点2）统计的蝴蝶(butterflies)和蜜蜂(honeybees)`的数量

假设数据位于一个名为my_database的数据库中，其保留策略是autogen（关于数据库和保留策略的更多内容将在后面介绍）。

提示： 将鼠标悬停在工具提示的链接上，可以熟悉InfluxDB术语和布局.

name: census

其中census是measurement，butterflies和honeybees是field key，location和scientist是tag key。

讨论

现在已经在InfluxDB中看到了一些示例数据，本节将介绍所有含义：

InfluxDB是一个时间序列数据库。在上面的数据中，有一列称之为time。在InfluxDB中所有的数据都有这一列。time存储时间戳，这个时间戳以RFC3339格式展示了与特定数据相关联的UTC日期和时间。

接下来的两列, 分别是 butterflies and honeybees这两个fields。 fields 是由 field keys 和 field values。

field key(butterflies和honeybees)都是字符串，他们存储元数据；field key butterflies告诉我们蝴蝶的计数从12到7；field key honeybees告诉我们蜜蜂的计数从23变到22。

field value就是你的数据，它们可以是字符串、浮点数、整数、布尔值，因为InfluxDB是时间序列数据库，所以field value总是和时间戳相关联。

样本数据中的字段field values为:

12   23
1    30
11   28
3    28
2    11
1    10
8    23
7    22

在上面的数据中, 每组field key和field value的集合构成了一个field set。 以下是样本数据中的全部八个field set：

• butterflies = 12 honeybees = 23
• butterflies = 1 honeybees = 30
• butterflies = 11 honeybees = 28
• butterflies = 3 honeybees = 28
• butterflies = 2 honeybees = 11
• butterflies = 1 honeybees = 10
• butterflies = 8 honeybees = 23
• butterflies = 7 honeybees = 22

field是InfluxDB数据结构所必需的一部分，即在InfluxDB中不能没有field。还要注意，fields是没有索引的。如果使用field value作为过滤条件来查询，则必须扫描与查询中其他条件匹配的所有值。因此，这些查询相对于tag查询（下文会介绍tags）的性能不高。通常，field不应包含通常查询的元数据。

样本数据的最后两列为 location 和 scientist, 它们都是tags。 tags由 tag keys 和 tag values组成. tag keys 和 tag values 存储为字符串并记录在元数据中。 样本数据中 tag keys 是 location 和 scientist。 tag key location 有两个 tag values: 1 and 2。 tag key scientist有两个 tag values: langstroth 和 perpetua。

在上面的数据中， tag set 是所有不同tag key和 tag value键值对的集合。 样本数据中的四个tag set是 :

• location = 1, scientist = langstroth
• location = 2, scientist = langstroth
• location = 1, scientist = perpetua
• location = 2, scientist = perpetua

tag不是必需的字段，但是在你的数据中使用tag总是大有裨益，因为不同于field，tag是索引起来的。这意味着对tag的查询更快，tag是存储常用元数据的最佳选择。

请避免使用以下保留关键字：

• _field
• _measurement
• time

如果保留的关键字作为tag或field的key值，则关联的point数据将被丢弃。

为什么索引重要: Schema研究案例

如果大多数查询都集中在field value honeybees 和 butterflies:

SELECT * FROM "census" WHERE "butterflies" = 1 SELECT * FROM "census" WHERE "honeybees" = 23

由于未对field建立索引，因此InfluxDB在 在第一个查询里面InfluxDB会扫描所有的butterflies的值，第二个查询会扫描所有honeybees的值。这样会使请求时间很长，特别在规模很大时。 为了优化查询，您应该重新设计模式 ，把field(butterflies和honeybees)改为tag，而将tag（location和scientist）改为field：

name: census

现在 butterflies 和 honeybees 都是tags, InfluxDB 在执行上面的查询时就不会扫描它们的每一个值，这样就意味着你的查询会更快。

measurement 充当 tags、fields 和 time 的容器, measurement的名字是存储在相关fields数据的描述measurement 名称是字符串, 对于 SQL 用户，measurement在概念上类似于table数据表。样本数据中唯一的 measurement 是census。

census 告诉我们， field values 记录的是 butterflies 和 honeybees 的数量，而不是它们的大小、方向或者某种幸福指数。

单个 measurement 可以属于不同的 retention policy。 一个 retention policy 描述了 InfluxDB 保留数据多长时间 (DURATION) 以及该数据在集群中存储了多少副本 (REPLICATION)。 如果你有兴趣阅读有关 retention policy的更多信息，请查阅 Database Management章节。

在样本数据中，measurement census中的所有内容都属于 autogen 的retention policy。InfluxDB 自动创建该retention policy; 它具有无限的持续保留时间，并且 replication factor 设置为1.

现在您已经熟悉 measurements、tag sets 和 retention policy, 下面我们讨论下series。 在InfluxDB中, _series是共享同一套measurement、 tag set 和 field key 的数据点（point）的集合。 上面的数据包含八个series：

在设计schema 以及在InfluxDB中处理数据时，了解series的概念至关重要。

一个 point 表示具有四个部分的单个数据记录: measurement, tag set, field set 和一个 timestamp。每一个 point 是有其series 和 timestamp唯一标识。

例如，这是一个 point:

name: census
-----------------
time                    butterflies honeybees   location    scientist
2015-08-18T00:00:00Z    1           30          1           perpetua

本例中point隶属于上述的series 3 和7 ，其具体位置为measurement (census)、所述 tag set (location = 1, scientist = perpetua)、field set (butterflies = 1, honeybees = 30)以及 timestamp 2015-08-18T00:00:00Z。

刚介绍的所有内容都存储在样本 my_database数据库中。InfluxDB database 类似于传统的关系型数据库，并作为users、retention policy、 continuous queries以及point的逻辑上的容器。有关这些主题的更多信息，请参见 身份验证与授权 和 连续查询 。

数据库可以有多个users、continuous queries、retention policies和 measurements。 InfluxDB 是 schemaless 数据库，这意味着可以随时轻松添加新的measurements、tags 和 fields。它旨在使时序数据的处理变得很优秀。

要想了解更多InfluxDB，建议阅读 入门指南 和 写入数据 以及 查询数据 指南。