Spring Boot 中使用 InfluxDB (InfluxQL 方式) 详解

InfluxDB环境搭建以及在Springboot中的简单使用 目录 环境搭建 rpm安装 端口 配置文件 启动 查看状态 查看web页面 SHELL命令 链接shell 创建数据库 查看数据库 创建用户 --管理员用户 --创建普通用户并且授权 -- 创建数据库 -- 查询所有表 -- 删除 --写入 --查询具体表数据 -- 清空表数据 JAVA API 使用 yml配置influxdb Bean方式配置 A... 阅读详情

Spring Boot 中使用 InfluxDB (InfluxQL 方式) 详解

InfluxDB 是一个开源的时间序列数据库,特别适合处理带有时间戳的监控数据、指标数据等。下面详细介绍如何在 Spring Boot 项目中集成 InfluxDB 并使用 InfluxQL 进行数据操作。

1. 添加依赖

首先,在 pom.xml 中添加必要的依赖:

<dependencies>
    <!-- Spring Boot Starter -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter</artifactId>
    </dependency>
    
    <!-- InfluxDB Java Client -->
    <dependency>
        <groupId>org.influxdb</groupId>
        <artifactId>influxdb-java</artifactId>
        <version>2.23</version>
    </dependency>
    
    <!-- 可选,用于测试 -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-test</artifactId>
        <scope>test</scope>
    </dependency>
</dependencies>

2. 配置 InfluxDB 连接

在 application.properties 或 application.yml 中配置 InfluxDB 连接信息:

# application.properties
influxdb.url=http://localhost:8086
influxdb.username=admin
influxdb.password=admin
influxdb.database=mydb

或者 YAML 格式:

# application.yml
influxdb:
  url: http://localhost:8086
  username: admin
  password: admin
  database: mydb

3. 创建配置类

创建一个配置类来初始化 InfluxDB 连接:

import org.influxdb.InfluxDB;
import org.influxdb.InfluxDBFactory;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class InfluxDbConfig {
    
    @Value("${influxdb.url}")
    private String influxDbUrl;
    
    @Value("${influxdb.username}")
    private String username;
    
    @Value("${influxdb.password}")
    private String password;
    
    @Value("${influxdb.database}")
    private String database;
    
    @Bean
    public InfluxDB influxDB() {
        InfluxDB influxDB = InfluxDBFactory.connect(influxDbUrl, username, password);
        influxDB.setDatabase(database);
        // 设置日志级别
        influxDB.setLogLevel(InfluxDB.LogLevel.BASIC);
        return influxDB;
    }
}

4. 创建实体类

InfluxDB 中的数据点由 measurement(类似表)、tags(索引字段)、fields(数据字段)和时间戳组成:

import java.util.concurrent.TimeUnit;
import org.influxdb.annotation.Column;
import org.influxdb.annotation.Measurement;

@Measurement(name = "cpu_usage", timeUnit = TimeUnit.MILLISECONDS)
public class CpuUsage {
    
    @Column(name = "time")
    private String time;
    
    @Column(name = "host", tag = true)
    private String host;
    
    @Column(name = "region", tag = true)
    private String region;
    
    @Column(name = "usage")
    private Double usage;
    
    // getters and setters
    public String getTime() { return time; }
    public void setTime(String time) { this.time = time; }
    public String getHost() { return host; }
    public void setHost(String host) { this.host = host; }
    public String getRegion() { return region; }
    public void setRegion(String region) { this.region = region; }
    public Double getUsage() { return usage; }
    public void setUsage(Double usage) { this.usage = usage; }
}

5. 创建 Repository 类

创建一个操作 InfluxDB 的 Repository 类:

import org.influxdb.InfluxDB;
import org.influxdb.dto.BatchPoints;
import org.influxdb.dto.Point;
import org.influxdb.dto.Query;
import org.influxdb.dto.QueryResult;
import org.influxdb.impl.InfluxDBResultMapper;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Repository;

import java.util.List;
import java.util.concurrent.TimeUnit;

@Repository
public class InfluxDbRepository {
    
    @Autowired
    private InfluxDB influxDB;
    
    private final InfluxDBResultMapper resultMapper = new InfluxDBResultMapper();
    
    /**
     * 写入单条数据
     */
    public void insert(CpuUsage cpuUsage) {
        Point point = Point.measurement("cpu_usage")
                .time(System.currentTimeMillis(), TimeUnit.MILLISECONDS)
                .tag("host", cpuUsage.getHost())
                .tag("region", cpuUsage.getRegion())
                .addField("usage", cpuUsage.getUsage())
                .build();
        
        influxDB.write(point);
    }
    
    /**
     * 批量写入数据
     */
    public void batchInsert(List<CpuUsage> cpuUsages) {
        BatchPoints batchPoints = BatchPoints.database(influxDB.getDatabase())
                .consistency(InfluxDB.ConsistencyLevel.ALL)
                .build();
        
        for (CpuUsage cpuUsage : cpuUsages) {
            Point point = Point.measurement("cpu_usage")
                    .time(System.currentTimeMillis(), TimeUnit.MILLISECONDS)
                    .tag("host", cpuUsage.getHost())
                    .tag("region", cpuUsage.getRegion())
                    .addField("usage", cpuUsage.getUsage())
                    .build();
            batchPoints.point(point);
        }
        
        influxDB.write(batchPoints);
    }
    
    /**
     * 查询数据 - 使用 InfluxQL
     */
    public List<CpuUsage> queryCpuUsage(String host, long startTime, long endTime) {
        String queryString = String.format("SELECT * FROM cpu_usage WHERE host='%s' AND time >= %dms AND time <= %dms", 
                host, startTime, endTime);
        
        Query query = new Query(queryString, influxDB.getDatabase());
        QueryResult queryResult = influxDB.query(query);
        
        return resultMapper.toPOJO(queryResult, CpuUsage.class);
    }
    
    /**
     * 创建数据库
     */
    public void createDatabase(String dbName) {
        influxDB.query(new Query("CREATE DATABASE " + dbName));
    }
    
    /**
     * 删除数据库
     */
    public void deleteDatabase(String dbName) {
        influxDB.query(new Query("DROP DATABASE " + dbName));
    }
    
    /**
     * 创建保留策略
     */
    public void createRetentionPolicy(String policyName, String duration, int replication) {
        String query = String.format("CREATE RETENTION POLICY \"%s\" ON \"%s\" DURATION %s REPLICATION %d DEFAULT", 
                policyName, influxDB.getDatabase(), duration, replication);
        influxDB.query(new Query(query));
    }
}

6. 创建 Service 类

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;

import java.util.List;

@Service
public class CpuUsageService {
    
    @Autowired
    private InfluxDbRepository influxDbRepository;
    
    public void saveCpuUsage(CpuUsage cpuUsage) {
        influxDbRepository.insert(cpuUsage);
    }
    
    public void batchSaveCpuUsage(List<CpuUsage> cpuUsages) {
        influxDbRepository.batchInsert(cpuUsages);
    }
    
    public List<CpuUsage> getCpuUsageByHost(String host, long startTime, long endTime) {
        return influxDbRepository.queryCpuUsage(host, startTime, endTime);
    }
}

7. 创建 Controller

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;

import java.util.List;

@Service
public class CpuUsageService {
    
    @Autowired
    private InfluxDbRepository influxDbRepository;
    
    public void saveCpuUsage(CpuUsage cpuUsage) {
        influxDbRepository.insert(cpuUsage);
    }
    
    public void batchSaveCpuUsage(List<CpuUsage> cpuUsages) {
        influxDbRepository.batchInsert(cpuUsages);
    }
    
    public List<CpuUsage> getCpuUsageByHost(String host, long startTime, long endTime) {
        return influxDbRepository.queryCpuUsage(host, startTime, endTime);
    }
}

8. 常用 InfluxQL 查询示例

以下是一些常用的 InfluxQL 查询示例,可以在 Repository 中添加相应方法:

// 1. 查询最近一小时的数据
public List<CpuUsage> findRecentOneHour() {
    String query = "SELECT * FROM cpu_usage WHERE time > now() - 1h";
    QueryResult result = influxDB.query(new Query(query, database));
    return resultMapper.toPOJO(result, CpuUsage.class);
}

// 2. 按时间范围查询
public List<CpuUsage> findByTimeRange(long start, long end) {
    String query = String.format("SELECT * FROM cpu_usage WHERE time >= %dms AND time <= %dms", start, end);
    QueryResult result = influxDB.query(new Query(query, database));
    return resultMapper.toPOJO(result, CpuUsage.class);
}

// 3. 分组查询
public List<CpuUsage> findGroupByHost() {
    String query = "SELECT MEAN(usage) FROM cpu_usage GROUP BY host";
    QueryResult result = influxDB.query(new Query(query, database));
    return resultMapper.toPOJO(result, CpuUsage.class);
}

// 4. 条件查询
public List<CpuUsage> findByHostAndUsageGreaterThan(String host, double threshold) {
    String query = String.format("SELECT * FROM cpu_usage WHERE host='%s' AND usage > %f", host, threshold);
    QueryResult result = influxDB.query(new Query(query, database));
    return resultMapper.toPOJO(result, CpuUsage.class);
}

// 5. 分页查询
public List<CpuUsage> findWithLimit(int limit, int offset) {
    String query = String.format("SELECT * FROM cpu_usage LIMIT %d OFFSET %d", limit, offset);
    QueryResult result = influxDB.query(new Query(query, database));
    return resultMapper.toPOJO(result, CpuUsage.class);
}

9. 测试

创建一个测试类来验证功能:

import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;

import java.util.Arrays;
import java.util.List;

@SpringBootTest
public class InfluxDbTest {
    
    @Autowired
    private CpuUsageService cpuUsageService;
    
    @Test
    public void testInsertAndQuery() {
        // 插入单条数据
        CpuUsage cpu1 = new CpuUsage();
        cpu1.setHost("server1");
        cpu1.setRegion("north");
        cpu1.setUsage(0.65);
        cpuUsageService.saveCpuUsage(cpu1);
        
        // 批量插入
        CpuUsage cpu2 = new CpuUsage();
        cpu2.setHost("server2");
        cpu2.setRegion("south");
        cpu2.setUsage(0.72);
        
        CpuUsage cpu3 = new CpuUsage();
        cpu3.setHost("server3");
        cpu3.setRegion("east");
        cpu3.setUsage(0.58);
        
        cpuUsageService.batchSaveCpuUsage(Arrays.asList(cpu2, cpu3));
        
        // 查询
        long now = System.currentTimeMillis();
        long oneHourAgo = now - 3600 * 1000;
        List<CpuUsage> results = cpuUsageService.getCpuUsageByHost("server1", oneHourAgo, now);
        
        System.out.println("查询结果:");
        results.forEach(System.out::println);
    }
}

10. 注意事项

  1. 时间戳处理:InfluxDB 中的时间戳非常重要,确保正确设置时间戳和时区。
  2. 批量写入:对于大量数据,使用批量写入可以提高性能。
  3. 保留策略:根据数据保留需求设置合适的保留策略。
  4. 连接管理:生产环境中需要处理连接池和连接超时等问题。
  5. 错误处理:添加适当的错误处理逻辑,特别是网络问题和查询语法错误。
  6. 性能优化:对于高频写入场景,可以启用批处理和缓冲机制。

11. 高级用法

11.1 连续查询(Continuous Queries)

public void createContinuousQuery(String cqName, String sourceMeasurement, 
                                String targetMeasurement, String interval) {
    String query = String.format(
            "CREATE CONTINUOUS QUERY \"%s\" ON \"%s\" " +
            "BEGIN SELECT MEAN(usage) INTO \"%s\" FROM \"%s\" GROUP BY time(%s) END",
            cqName, database, targetMeasurement, sourceMeasurement, interval);
    influxDB.query(new Query(query));
}

11.2 用户管理

public void createUser(String username, String password, boolean admin) {
    String query = String.format("CREATE USER \"%s\" WITH PASSWORD '%s'", username, password);
    if (admin) {
        query += " WITH ALL PRIVILEGES";
    }
    influxDB.query(new Query(query));
}

11.3 数据备份与恢复

// 备份数据
public void backup(String backupPath) {
    String query = String.format("BACKUP DATABASE \"%s\" TO \"%s\"", database, backupPath);
    influxDB.query(new Query(query));
}

// 恢复数据
public void restore(String backupPath) {
    String query = String.format("RESTORE FROM \"%s\"", backupPath);
    influxDB.query(new Query(query));
}

通过以上步骤,您已经可以在 Spring Boot 项目中成功集成 InfluxDB 并使用 InfluxQL 进行数据操作了。根据实际需求,您可以进一步扩展和优化这些基础功能。

整合Spring Boot和InfluxDB实现时序数据存储 通过本教程,我们学习了如何在Spring Boot应用中集成和使用InfluxDB,以实现时序数据的高效存储和查询。从添加依赖、配置连接信息,到编写数据操作服务和控制器,这些步骤帮助开发者快速实现使用InfluxDB处理时序数据的功能。 阅读详情

相关推荐

InfluxDB 2.1.1 安装、使用、flux查询、数据可视化

InfluxDB 2.0.8 安装、使用、flux查询、数据可视化

GY的的专栏 5171

springboot操作influxdb

每个数据库允许的最大series数,默认设置是一百万。若超过则会返回500错误,并提示{“error”:“max series per database exceeded: ”}设置每一个tag允许的value最大数量,默认10W,设置0可以取消限制。这个文件映射是数据文件,配置文件在/etc/influxdb 目录下。这个配置类的功能是增加各种操作延时时间,避免查询大量数据时延时报错。将该设置更改为0,以允许每个数据库的序列数量不受限制。进入容器后输入influx 客户端登陆。安装之后编辑配置文件。

weixin_46666822的博客 6804

时序数据库InfluxDB实战:从环境搭建到Spring Boot集成全解析

本文全面解析时序数据库InfluxDB的实战应用,从Ubuntu系统安装、Docker部署到Spring Boot集成,详细介绍了InfluxQL核心操作和性能优化技巧。特别适合需要处理海量时间序列数据的开发者,涵盖物联网和监控等热门场景,帮助快速掌握InfluxDB的安装与使用。

weixin_30681615的博客 679

SpringBoot 整合 InfluxDB1.x 三种方式

本人已知SpringBoot集成InfluxDB有三种方式,原生集成、spring封装集成、influxDB封装框架,使用如同Mybatis简洁方便,本文将依次介绍使用方式。

TCLms的博客 1万+

Spring Boot进阶(59):【实战教程】使用Spring Boot集成InfluxDB时序数据库,打造高效数据监控系统!

SpringBoot如何集成时序数据库InfluxDB?手把手教学,等你来战!

**My Coding Family** 5184

STM32 超声波模块输入捕获测距(标准库)

通道2设置为下降沿触发,触发瞬间会将CNT的记录到CCR2中,由于上升沿触发时已经将CNT置零所以此时的CNT的值就是高电平的持续时间。通道1设置为上升沿触发,触发的瞬间会将CNT的值记录到CCR1里面,同时设置通道1触发带有从模式,并把从模式设置为置零CNT。超声波传感器模块上面通常有两个超声波元器件,一个用于发射,一个用于接收。电路板上有四个引脚:VCC、GND、Trig(触发)、Echo(回应)。输入捕获原理可以看看这位大佬,感觉写的很清楚,工作电压与电流:5V,15mA。感测角度:不小于15度。

qq_62425900的博客 2083

Spring Boot实战:InfluxDB 2.x简单教程

本文介绍了Spring Boot整合InfluxDB 2.x的实战教程,主要内容包括:1)InfluxDB 2.x的环境搭建与初始化配置;2)SpringBoot项目中引入2.x专属客户端依赖和配置;3)封装InfluxDB 2.x的配置类,管理写入和查询API。文章提供了完整的代码示例,帮助开发者快速实现时序数据的读写操作,解决版本升级带来的适配问题。通过Docker部署InfluxDB 2.7.1,详细说明了从1.x到2.x的架构变化和核心功能差异。

qq_43843951的博客 655

云模型在综合评价过程中的应用

目录 1 云模型标尺(标准云模型)的构建方法 1.1 通过正态云的“3En 规则”来表示评价论域 1.2 通过论域的边界值隶属度相等来表示评价论域 1.3 通过黄金分割法来表示评价论域 2 确定评价结果的过程 2.1 基本云发生器 2.2 X条件云发生器 2.3 两种方法的区别 综合评价问题一般分为以下六个步骤 1、明确评价目的; 2、确定被评价对象; 3、建立评价指标体系(包括收集评价指标的原始值、评价指标的若干预处理等); 4、确立与各项评价指标相对应的权重系数; 5、选..

weixin_62223576的博客 1万+

Spring Boot 集成 InfluxDB 3.x

Spring Boot 集成 InfluxDB 3.x 的核心是引入依赖,并配置客户端 Bean。连接参数(URL、Token、Bucket、Org)需在配置文件中统一配置,便于环境切换。数据写入优先使用 Line Protocol 格式,数据查询支持 SQL 和 InfluxQL 两种语法。通过可自动管理客户端连接的生命周期,避免资源泄露。

weixin_42023748的博客 1221

《BiLSTM with Multi-Polarity Orthogonal Attention for Implicit Sentiment Analysis》论文阅读笔记

文章名:《BiLSTM with Multi-Polarity Orthogonal Attention for Implicit Sentiment Analysis》 作者Jiyao Wei a,1, Jian Liaoa,1, Zhenfei Yanga, Suge Wanga,b,∗, Qiang Zhaoa 年份 2019 1 Introduction 目前文本情感分析多分析带...

weixin_39036944的博客 1633

CYUSB3065配置CMOS

按照OG02B10的时序电路,在通过SCCB配置CMOS之前,需要三个电源上电,Xshutdown高电平和配置时钟电路。找到手册的第6章SCCB(跟IIC很像),可以看到SCCB的地址与SID引脚有关,这个需要到硬件原理图上确认下。这是Cypress的一个支持MIPI和UVC的模块,有例程支持OV5640,现在要替换替换成OG02B10。寄存器参数需要找到厂家的FAE,由他们提供,OG02B10的资料已经上传。(2)参考得宏的电路,时钟由主控提供,目前程序未实现。这里有两个重要参数需要搞定,摄像头的。

qq_40773212的博客 2949

InfluxDB与Spring Boot的深度整合:从零搭建高性能监控系统

本文详细介绍了如何将InfluxDB时序数据库与Spring Boot深度整合,从零搭建高性能监控系统。内容涵盖InfluxDB基础配置、Spring Boot项目集成、数据模型设计、查询优化及性能调优等关键环节,帮助开发者快速掌握时序数据处理技术,构建高效的监控解决方案。

melon的博客 775

破解现代反爬虫:JS加密、OB混淆与CSS反爬的实战攻防分析

摘要: 随着反爬技术的升级,JS加密、OB混淆和CSS反爬成为主流防护手段,阻碍传统爬虫获取数据。本文解析了这些技术的工作原理,并提出破解策略:通过模拟浏览器(如Selenium、Puppeteer)执行动态JS,逆向混淆代码,以及利用开发者工具突破CSS隐藏。针对复杂防护,开发者需结合技术分析与工具应用,如API接口抓取、动态渲染破解等,以应对不断演进的反爬机制。未来,爬虫攻防将持续升级,需保持技术敏锐性。

专注于Python爬虫开发,分享爬虫技巧、项目实战与反爬经验,使用Scrapy、BeautifulSoup等工具,解决数据抓取难题。 1658

如何将 Spring Boot Actuator 的指标信息输出到 InfluxDB 和 Prometheus

来源:SpringForAll社区Spring Boot Actuator是Spring Boot 2发布后修改最多的项目之一。它经过了主要的改进,旨在简化定制,并包括一...

程序猿DD 1701

【经验&技巧】IBIS AMI模型眼图仿真问题探讨

在ADS的仿真环境中,不论发送和接收的AMI模型是否为true或者false,都可以将通道仿真设置为统计模式,但是,如果有一方的Init函数为false,在统计模式下,处于false状态的模型将不能执行其自带的后处理功能,如下图所示,左边的统计模式和右边的逐比特模式眼图存在明显的差异,原因在于,接收端的init函数为false导致在统计模式中不能对眼图进行DFE处理,换言之,此时统计模式下的眼图就是未经任何处理的“生图”。

一只豌豆象的博客 1767

1位2路选择器设计

1位2路选择器设计

好好学习,天天向上 3580

SpringBoot 3.5 集成 InfluxDB 1.8

本文分析了 InfluxDB 1.x 版本广受欢迎的原因,指出其类 SQL 语法 InfluxQL 相比 2.x 引入的 Flux 语法更具易用性。随着 Spring Boot 升级至 3.5 版本,官方移除了对 InfluxDB 1.x 的自动配置支持,导致原有集成方式失效。为解决兼容性问题,作者参照 Spring Boot 3.3 的实现范式,通过引入 influxdb-java 依赖,手动编写配置类与属性类,利用 OkHttp 重新实现了 InfluxDB 1.8 的集成方案,并提供了完整的代码示例与

全栈实战心得 × 前沿动态追踪,输出一线落地经验与深度行业洞察,与同频开发者共进化。 387

PyQt5开发编译器安装(PyCharm安装)

PyCharm 提供了最完整的 PyQt5 开发体验,特别是其集成的调试工具和 Qt Designer 支持,能显著提高开发效率。是最受欢迎和功能最完整的 IDE。它专门为 Python 开发优化,对 PyQt5 有很好的支持。右键运行该文件,如果出现窗口说明配置成功。对于 PyQt5 开发,

啊渊的专栏 423

工业物联网数据中台实战:基于Kafka+Flink+InfluxDB构建时序数据平台

时序数据作为物联网和工业互联网场景下的核心数据类型,其特点是按时间顺序产生、写入和查询频率高、数据量巨大。其技术原理在于通过优化的存储结构和索引机制,实现对海量时间序列数据的高效写入与快速范围查询。这一技术价值在于为实时监控、预测性维护等关键业务提供了可靠的数据底座。在工业物联网应用场景中,从传感器到云端的数据流需要经过采集、传输、处理和存储等多个环节,最终服务于智能分析与决策。本文以构建高可用、可扩展的工业时序数据平台为目标,深入探讨了如何利用Kafka、Flink和InfluxDB等技术栈,解决海量高频

weixin_34111790的博客 421

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

工业自动化系统架构实战:从数据采集到智能决策的全栈技术路径

工业自动化系统的核心在于构建一个从物理设备到云端决策的稳定数据流。其基本原理是通过OPC UA、MQTT等工业通信协议,将PLC、传感器等设备层的数据实时采集并上传。这一技术架构的价值在于打通信息孤岛,实现生产过程的透明化与可追溯性,为数据驱动的决策奠定基础。在应用场景上,它广泛服务于离散制造与流程工业的监控、排产与质量控制。本文以构建一个可扩展的自动化工厂软件系统为例,深入探讨了基于Spring Boot微服务、Docker容器化以及InfluxDB时序数据库的工程实践方案,并重点分析了MQTT协议在实现

weixin_30888413的博客 363

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

2026时序数据库选型指南:五款主流产品深度对比

随着监控、物联网、车联网和金融行情等场景的普及,海量带时间戳的数据已成为业务底层基础设施。这类数据具备高写入、乱序到达、长期保留等特点,需要专门的时间序列数据库进行高效存储与分析。理解时序数据压缩、窗口聚合和水平扩展原理,是评估存储方案的关键。不同产品在写入吞吐、查询语言和高可用架构上差异显著,例如InfluxDB生态完整但版本迭代复杂,Prometheus是云原生监控事实标准,VictoriaMetrics以低成本著称,TDengine适合物联网设备模型,TimescaleDB则复用PostgreSQL的

weixin_34380948的博客 373

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

Vortex TSDB:一条命令起集群的实时指标库,HTTP 写入、分钟聚合、滑动窗口、内存复制

Vortex TSDB是面向实时指标的分布式时序数据库:用 HTTP 写入数值,读回分钟级聚合、瞬时值以及滚动 / 滑动窗口。每个节点在内存里持有全量数据。

tomcat201609的博客 1949

Java在工业领域到底行不行?一文讲透应用层与设备层的边界

工业软件的分层架构中,实时性要求从设备层的微秒级到管理层的分钟级差异巨大。Java凭借成熟生态和分布式架构能力,在监控层(SCADA)到制造执行层(MES)乃至工业互联网平台中扮演着核心角色:基于Netty的数据采集网关、Spring Boot构建的MES系统、数字孪生后台,处处都是Java的主场。然而在PLC、运动控制等设备控制层,JVM的实时性瓶颈、资源约束和工业安全认证壁垒,使其难以跨越硬边界。本文结合二十年工程落地经验,解析Java在工业领域的具体应用场景、技术选型与常见坑点,帮助工程师理解分层思维

weixin_33853794的博客 237

Influxdb 整合 springboot

<dependency> <groupId>plus.ojbk</groupId> <artifactId>influxdb-spring-boot-starter</artifactId> <version>1.0.2</version> </dependency> #--------- # Influxdb #--------- influxdb: url: http:/.

lizhengyu891231的博客 4615

SpringBoot整合InfluxDB(实战)

InfluxDB是一个由InfluxData开发的开源时序型数据。它由Go写成,着力于高性能地查询与存储时序型数据。InfluxDB被广泛应用于存储系统的监控数据,IoT行业的实时数据等场景。

javaeEEse的博客 5395

springboot整合influxDB

influxdb整合入springboot入门

mx132465的博客 3048
上一篇: 这些 Spring Boot 默认配置不改,迟早踩坑
下一篇: SpringBoot3集成MapstructPlus
程序员职业指南
博客等级 码龄4年 2141粉丝 960原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值