InfluxDB

本文选自云栖大会下一代云数据库分析专场讲师 自修 的演讲——《TSDB云边一体化时序时空数据库技术揭秘》 自修 —— 阿里云智能数据库产品事业部高级专家 认识TSDB 第一代时序时空数据处理工具 虽然通用关系数据库可以存储时序数据，但是由于缺乏针对时间的特殊优化，比如按时间间隔存储和检索数据等等，因此在处理这些数据时效率相对不高。 第一代时序数据典型来源于监控领域，直接基于平板文件的简单存储工具成为这类数据的首先存储方式。 以RRDTool，Wishper为代表，通常这类系统处理的数据模型比较单一，单机容量受限，并且内嵌于监控告警方案。 第二代面向时序时空领域的数据库伴随着大数据和Hadoop的发展，时序数据量开始迅速增长，系统业务对于处理时序数据的扩展性等方面提出更多的要求。 基于通用存储而专门构建的时间序列数据库开始出现，它可以按时间间隔高效地存储和处理这些数据。像OpenTSDB，KairosDB等等。 这类时序数据库在继承通用存储优势的基础上，利用时序的特性规避部分通用存储的劣势，并且在数据模型，聚合分析方面做了贴合时序的大量创新。 比如OpenTSDB继承了HBase的宽表属性结合时序设计了偏移量的存储模型，利用salt缓解热点问题等等。 然而它也有诸多不足之处，比如低效的全局UID机制，聚合数据的加载不可控，无法处理高基数标签查询等等。 随着docker

云数据库 InfluxDB® 版介绍 阿里云数据库 InfluxDB® 版已于近日正式启动商业化 。 云数据库 InfluxDB® 是基于当前最流行的开源数据库 InfluxDB 提供的在线数据库服务，相比较开源具有免运维，稳定可靠，可弹性伸缩的优势，广泛应用于互联网基础资源监控，容器监控，业务运营监控分析，物联网设备远程实时监控，工业安全生产监控，生产质量评估和故障回溯。提供时序数据自动化采集，压缩存储，类SQL查询，多维聚合计算和数据可视化分析能力。 时序数据体现“数据变化”的价值 时序数据和企业业务密切相关，不可或缺。任何一家企业都需要一套高效的运维系统保证实时发现应用和业务问题，通过监控，故障告警的手段，进行故障定位，保证在线业务的稳定，减少不可用时常。业务运营人员依赖运营系统，保证有充足的数据进行业务分析判断，便于更准确的做出业务决策。物联网企业和工业企业都需要能够实时掌握设备的运行状态，对生产过程进行监控，实时判故障预警，故障定位，故障回溯以及业务。以上业务场景都需要 时序数据作为“数据证据”来表示指标“变化”过程，进而达到告警，诊断，修复和预测的业务目的。 时序数据很简单，构成具有三个要素， 主体 ， 时间戳 ，和 指标数据 。比如： xxx公司 （主体 ）2019年8月26日上午10时，11时， 12时 （时间戳） 的股价分别是：160 USD，165 USD

新拉的第三方镜像 1. 对新拉的镜像打上tag，如 docker tag influxdb registry.local/xxx.cn/third-party/influxdb:1.7.7 2. 如果之前已经存在改镜像的其他tag，则首先需要对已经存在的镜像打tag，再对新拉的打tag。 // 对已存在的registry.local/xxx.cn/third-party/influxdb:latest打上新的tag:registry.local/cloudtogo.cn/third-party/influxdb:1.3.3 docker tag registry.local/cloudtogo.cn/third-party/influxdb:latest registry.local/cloudtogo.cn/third-party/influxdb:1.3.3 // 对新拉的1.7.7的镜像打上tag:registry.local/xxx.cn/third-party/influxdb:1.7.7 docker tag influxdb registry.local/xxx.cn/third-party/influxdb:1.7.7 3. 把新的镜像push到registry.local/xxx.cn/third-party/influxdb:1.7.7 docker push

文章目录 概述 引言 解决方案 JMeter&InfluxDB集成 InfluxDB安装 安装要求 下载安装 InfluxDB配置 JMeter配置 Grafana&InfluxDB集成 安装启动 导入Dashboard模版 概述 本文我们将介绍如何使用JMeter+InfluxDB+Grafana打造压测可视化实时监控。 引言 我们很多时候在使用JMeter做性能测试，我们很难及时察看压测过程中应用的性能状况，总是需要等到测试完成后去看Report，如果是长时间压测，比如压测1~2天，那就更烦人了。 压测的时候，我们实时通过监听器 GenerateSummaryResults汇总输出，可以看到如下内容 GenerateSummaryResults汇总展示了压测中需要关注的大量信息，其中包括：Avg (Average), Min (Minimum) 、Max (Maximum)响应时间，TPS，错误率，活跃线程数等, jmeter.properties默认是30秒的统计频率，如果我们想使用小于30秒更细颗粒度的统计频率的时候，那么在控制台会有大量的输出，这个时候我们就不好观察结果了。 # jmeter.properties # Define the following property to automatically start a summariser with that

Centos7 MyPerf4J安装配置及可视化页面 一个针对高并发、低延迟应用设计的高性能 Java 性能监控和统计工具。 MyPerf4J 采用 JavaAgent 配置方式，透明化接入应用，对应用代码完全没有侵入。 参考： MyPerf4J 一、特性 高性能: 单线程支持每秒 1000 万次 响应时间的记录，每次记录只花费 73 纳秒 无侵入: 采用 JavaAgent 方式，对应用程序完全无侵入，无需修改应用代码 低内存: 采用内存复用的方式，整个生命周期只产生极少的临时对象，不影响应用程序的 GC 高精度: 采用纳秒来计算响应时间 高实时: 支持秒级监控，最低 1 秒 二、使用场景 在开发环境中快速定位 Java 应用程序的性能瓶颈 在生产环境中长期监控 Java 应用程序的性能指标 三、安装 1. 打包 如果你使用的是JDK7或者更高版本，可以尝试直接下载 MyPerf4J-ASM.jar 可以忽略打包步骤 git clone git@github.com:LinShunKang/MyPerf4J.git mvn clean package 把 /MyPerf4J-develop/MyPerf4J-ASM/target/MyPerf4J-ASM-${MyPerf4J-version}.jar 重命名为 MyPerf4J-ASM.jar 2. 配置

前言 Kubernetes是当今流行的容器调度系统，已经成为很多软件系统的底座，而kubernetes的监控也有很多方案可选，阿里云InfluxDB®提供时序数据的长期稳定存储，同时集成了grafana可视化组件，可以帮助用户快速搭建监控方案。这里的“快速”有多快呢？一条命令就能搞定！本文就介绍如何使用helm一键完成k8s监控数据到阿里云InfluxDB®的存储链路。 关于helm 对于helm的安装和使用，网上有很多资料，这里不赘述。有一点需要注意，虽然近期helm 3已经发布，但短期内不是所有的helm chart都兼容helm 3，比如社区的这个 issue 。 本文依然使用helm 2来安装。 准备 这里假设用户已经在阿里云购买了InfluxDB®实例，并且创建了账号以及数据库，具体流程请参考官方文档。假设使用的数据库为 k8s ,用户名是 user1 ，密码为 abcd1234 。 InfluxDB®的访问地址可以在阿里云控制台看到，如果kubernetes集群同InfluxDB®在同一个阿里云VPC，可以使用VPC地址，否则需要使用公网地址。这里假设访问地址为 https://ts-yourisntanceid.influxdata.rds.aliyuncs.com:3242 操作 配置好了helm，要做的就是运行下面这条命令： helm install \ -