influxDB에서 테이블을 연장하는 방법은 무엇입니까?

이봐! 인기있는 테이블을 연장하는 방법에 대해 이야기하게되어 기쁩니다. 그러나 먼저, 나 자신에 대해 조금 말해 드리겠습니다. 나는 테이블을 확장하는 공급 업체로연장 식탁 리프팅,,,울트라 연습 럭셔리 확장 테이블, 그리고이탈리아 대리석 확장 가능한 콘솔 식탁.

좋아요, 따라서 인플 룸 B로 뛰어들합시다. InfluxDB는 매우 멋진 시간 시리즈 데이터베이스입니다. 서버, 센서 등의 메트릭과 같은 시리즈 데이터를 저장 및 쿼리하는 데 널리 사용됩니다. 때때로, 당신은 influxDB에서 테이블을 연장 할 필요가있을 수 있으며, 나는 당신을 안내 할 것입니다.

유입 기본 사항 이해

테이블을 확장하기 전에 기본 사항을 무너 뜨리는 것이 중요합니다. InfluxDB에서는 데이터가 측정으로 구성되며, 이는 전통적인 관계형 데이터베이스의 테이블과 비슷합니다. 각 측정에는 필드 (온도 또는 압력과 같은 실제 데이터 값을 보유하는 열) 및 태그 (위치 또는 장치 이름과 같은 데이터에 대한 메타 데이터)가 있습니다.

건물의 다른 센서에서 온도 판독 값을 저장하는 "sensor_data"라는 측정 값이 있다고 가정 해 봅시다. 다음은 데이터를 작성하는 방법에 대한 간단한 예입니다.

infusdb_client import influxdbclient에서 infusdb_client.client.write_api import synchronous # 클라이언트 클라이언트를 설정하십시오. 클라이언트 클라이언트 설정 = infuxdbclient (url = "http : // localhost : 8086", token = "your_token", org = "your_org") 데이터 포인트 = 포인트 = 포인트 ( "sensor_data") \ .tag ( "sensor_location", "room_1") \ .field ( "온도", 25.5) # 측정 write_api.write (buct = "your_bucket", record = point)에 데이터를 쓰십시오.

테이블을 연장 해야하는 이유 (측정)

인내에서 테이블을 확장하려는 몇 가지 이유가 있습니다.

1. 새로운 데이터 유형 추가: 아마도 시스템에 새 센서를 설치했을 수 있으며이 센서는 다른 종류의 데이터를 수집하고 있습니다. 예를 들어, 처음에는 온도 센서 만 있었지만 이제는 습도 센서도 있습니다. 새로운 습도 필드를 수용하려면 기존 "Sensor_Data"측정을 확장해야합니다.
2. 데이터 모델 스케일링: 응용 프로그램이 커지면 더 자세한 메타 데이터가 필요할 수 있습니다. 예를 들어 센서의 위치뿐만 아니라 장치의 제조업체 및 모델도 녹음을 시작할 수 있습니다. 즉, 측정에 새 태그를 추가해야합니다.

새 필드 추가

기존 측정에 새로운 필드를 추가하려면 실제로 인기도에서 매우 간단합니다. 데이터를 추가하기 전에 스키마를 명시 적으로 정의 할 필요가 없습니다. 새로운 필드로 데이터를 작성하기 시작하면 InfluxDB가 나머지를 처리합니다.

"sensor_data"예제로 돌아 갑시다. 이제 "습도"필드를 추가하고 싶다고 가정합니다.

point = point ( "sensor_data") \ .tag ( "sensor_location", "room_1") \ .field ( "온도", 25.5) \ .field ( "습도", 60) write_api.write (buct = "your_bucket", record = point)

나중에 데이터를 쿼리하면 infusdb에는 온도와 새로 추가 된 습도 필드가 모두 표시됩니다.

query_api = client.query_api () query = 'from (버킷 : "your_bucket") |> 범위 (시작 : -1h) |> 필터 (fn : (r) => r._measurement == "sensor_data") print (f "온도 : {record.values.get ( 'lestement')}, 습도 : {record.values.get ( '습도')}").

새 태그 추가

새 태그를 추가하는 것은 새 필드를 추가하는 것만 큼 쉽습니다. 태그는 데이터를 빠르게 필터링하고 그룹화하는 데 사용됩니다. "sensor_data"측정에 "Sensor_Model"태그를 추가한다고 가정 해 봅시다.

point = point ( "sensor_data") \ .tag ( "sensor_location", "room_1") \ .tag ( "sensor_model", "model_xyz") \ .field ( "온도", 25.5) \ .field ( "humity", 60) write_api.write (Bucket = "your_bucket")

이제 데이터를 쿼리하면 새 태그를 기반으로 필터를 필터링 할 수 있습니다.

query = 'from (버킷 : "your_bucket") |> 범위 (시작 : -1h) |> 필터 (fn : (r) => r._measurement == "sensor_data"및 r.sensor_model == "model_xyz")'result = query_api.query (org = "your_org", query) 테이블에서 Query = Query). Print (F "센서 모델 XYZ에 대한 데이터 : 온도 {record.values.get ( 'recorde')}, 습도 {record.values.get ( 'maildy')")).

고려 사항

influxDB에서 테이블을 확장하는 것은 간단하지만 명심해야 할 몇 가지 사항이 있습니다.

• 데이터 무결성: 기존 데이터의 맥락에서 새 필드와 태그가 이해되도록하십시오. 예를 들어, 의도 한 데이터 유형이 다른 새 필드를 추가하면 데이터를 쿼리하거나 분석 할 때 문제가 발생할 수 있습니다.
• 성능: 태그가 너무 많은 태그를 추가하면 태그가 색인화됨에 따라 쿼리 성능에 영향을 줄 수 있습니다. 따라서 가장 중요한 메타 데이터에만 태그를 드물게 사용하십시오.

확장 테이블 제품

앞에서 언급했듯이, 우리는 실제 세계 가구 감각에서 테이블을 확장하는 공급 업체입니다. 우리의연장 식탁 리프팅공간이 제한되어 있지만 필요할 때 더 많은 손님을 수용하고 싶다면 훌륭한 옵션입니다. 그것은 독특한 리프팅 메커니즘을 가지고있어 테이블을 산들 바람으로 만듭니다.

그만큼울트라 연습 럭셔리 확장 테이블고급 식사 경험을 원하는 사람들에게 적합합니다. 프리미엄 재료로 만들어졌으며 원활한 확장 기능이 있습니다.

그리고 당신이 더 우아하고 정교한 모습을 보면, 우리는이탈리아 대리석 확장 가능한 콘솔 식탁필수입니다. 대리석 탑은 모든 식사 공간에 고급 스러움을 더합니다.

결론

Time -Series 데이터로 작업하는 모든 개발자 또는 데이터 분석가에게 유용한 기술입니다. 더 자세한 메타 데이터를 위해 다양한 유형의 데이터 또는 새 태그를 저장하기 위해 새 필드를 추가하든 INFLUXDB를 사용하면 응용 프로그램이 발전함에 따라 데이터 모델을 쉽게 조정할 수 있습니다.

가구 측면에서, 당신이 확장 테이블을 시장에 나누는 경우, 우리는 당신을 위해 훌륭한 선택이 있습니다. 우리 제품에 대해 더 많이 배우거나 InfluxDB에 대해 궁금한 점이 있으시면 언제든지 문의하십시오. 우리는 귀하의 데이터 (저장 및 식당 - 공간)를 모두 지원하기 위해 여기에 있습니다.

참조

• influxDB 문서
• Python influxDB 클라이언트 라이브러리 문서