孤寂的夜总有繁星点点
孤寂的夜总有繁星点点

InfluxDB文件结构解析

InfluxDB文件结构解析

    • InfluxDB文件目录结构
    • Time-Structured Merge Tree(TSM) File
    • Time Series Log(TSL)文件结构
    • Time Series Index(TSI)文件结构
    • Write Ahead Log(WAL)文件结构
    • Series Segment文件结构
    • Series Index文件结构

InfluxDB文件目录结构

InfluxDB文件结构解析_第1张图片
  InfluxDB文件目录结构如上图所示，从图中我们可以看出InfluxDB主目录下有3个子目录：data，wal，meta:

  • data：存放时序数据以及其索引文件
  • wal： 存放插入数据时产生的write ahead log(wal)
  • meta：存放元数据
    下面我们对重要的文件进行进一步的解析。

Time-Structured Merge Tree(TSM) File

InfluxDB文件结构解析_第2张图片
  TSM文件按列存储时序数据，其文件结构如上所示。该文件主要分为两个三个部分：

  • DataBlock : 按列式存储同一个Key = SeriesKey + 单个FieldKey所对应的FieldValue值，以按列的方式进行存储可以获得高效的压缩，节省大量的磁盘空间。
    • CheckSum: 该DataBlock的校验码
    • FieldValueType: 表示该DataBlock存储的FieldValue类型，InfluxDB中存在5中FieldValueType: Float, Integer, Unsigned, Boolean, String
    • TimestampSize: 表示TimeStamps block的长度，使用可变长编码
    • Timestamps: 将时间按列使用delta-delta编码压缩
    • Values: 将FieldValue值按列进行压缩，不同类型的FieldValue使用不同的压缩算法，具体参见：InlfuxDB FieldValue压缩算法
  • IndexBlock: 保存对应DataBlock的相关索引信息
    • KeySize: Key的长度
    • Key: Key = SeriesKey + 单个FieldKey，例插入一条记录insert cpu,brand=dell,country=china price=100,sale=true，则这条记录有两个Key，分别为cpu,brand=dell,country=china#!~#price和cpu,brand=dell,country=china #!~#sale， #!~#为SeriesKey和FieldKey之间的分隔符
    • Type: FieldValue类型
    • IndexEntryCount: 用于统计该IndexBlock中IndexEntry的数量
    • IndexEntry: DataBlock索引项
      • MinTime: 对应的DataBlock中最早数据的时间
      • MaxTime: 对应的DataBlock中最晚数据的时间
      • DataBlockOffset: 对应的DataBlock在该文件的偏移量
      • DataBlockSize: 对应的DataBlock的长度
  • Footer: 第一个IndexBlock在文件中的偏移量，通过Footer能够快速查找到IndexBlock的起始位置，再通过IndexBlock能查到对应的DataBlock

Time Series Log(TSL)文件结构

InfluxDB文件结构解析_第3张图片
  当有新的SeriesKey写入时，首先会将该SeriesKey写入到TSL文件，TSL文件结构如上图所示：

  • LogEntry:
    • Flag: LogEntry标志，目前有5种标志:
      • SeriesInsertFlag: 表示该SeriesKey插入
      • SeriesTombstoneFlag: 表示该Series删除
      • MeasurementTombstoneFlag: 表示该Measuremen删除
      • TagKeyTombstoneFlag: 表示该TagKey删除
      • TagValueTombstoneFlag: 表示该TagValue删除
    • SeriesID: 采用可变长编码，当Flag为SeriesInsertFlag和SeriesTombstoneFlag时，SeriesID为非0正数，其他情况均为0
    • MeasurementSize: 表示Measurement项的长度
    • Measurement: Measurement名称，当Flag为SeriesInsertFlag和SeriesTombstoneFlag时，MeasurementSize为0，该项为空
    • TagKeySize: 表示TagKey项的长度
    • TagKey：当Flag为TagKeyTombstoneFlag和TagValueTombstoneFlag时，TagKeySize不为0，TagKey保存对应值，其他情况TagKeySize均为0，TagKey为空
    • TagValueSize：表示TagValue项的长度
    • TagValue: 当Flag为TagValueTombstoneFlag时，TagValueSize非0，TagValue保存对应值，其他情况TagValueSize均为0，TagValue为空
    • Checksum: 4-byte定长BigEndian编码校验和

Time Series Index(TSI)文件结构

InfluxDB文件结构解析_第4张图片InfluxDB文件结构解析_第5张图片
InfluxDB文件结构解析_第6张图片
  当TSL文件大小达到配置的compaction阈值时（由配置文件中的max-index-log-file-size指定，默认为1M），TSL文件会compaction成TSI文件，TSI文件结构如上图所示：

  • Magic: 魔数
  • TagSetBlock: 存储TagKey，TagValue相关信息
    • TagValueChunk: 存储TagValue相关信息
      • TagValueBlock:
        • TagValue
          • Flag: 标志位，根据该标志位可以判断TagValue是否已经删除
          • ValueSize: TagValue长度
          • Value: TagValue值
          • SeriesIDCount: 该TagValue对应的seriesID的数量（一个TagValue可以对应多个SeriesKey，SeriesKey和SeriesID是一对一的关系，从而一个TagValue对应对应多个seriesID）
          • SeriesIDDataSize: 序列化后的SeriesIDs数据长度
          • SeriesIDData：序列化后的SeriesIDs数据，SeriesIDs采用roaringBitmap的方式进行存储序列化
        • TagValueHashIndex:
          • TagValueCount: 该TagValueBlock中TagValue的数量
          • TagValueOffset：该TagValueBlock中TagValue在文件中的对应的偏移量
    • TagKeyBlock:
      • TagKey:
        • Flag: 标志位，表示该TagKey是否已经删除
        • TagValueBlockOffset: 对应的TagValueBlock在文件中的偏移量
        • TagValueBlockSize: 对应的TagValueBlock长度
        • TagValueHashIndexOffset
        • TagValueHashIndexSize
        • KeySize: TagKey长度
        • Key: TagKey
    • TagSetBlockTrailer:
      • TagValueChunkOffset
      • TagValueChunkSize
      • TagKeyBlockOffset
      • TagKeyBlockSize
      • TagKeyHashIndexOffset
      • TagKeyHashIndexSize
      • Version
  • MeasurementBlock
    • Flag: 标志位，根据该标志位可以判断measurement是否已经删除
    • TagSetBlockOffset
    • TagSetBlockSize
    • MeasurementNameSize: measurement长度
    • MeasurrementName: measurement名称
    • SeriesIDCount: 该measurement拥有的seriesID数量
    • SeriesIDDataSize
    • SeriesIDData
  • SeriesIDSet: 插入TSL的的所有seriesID
  • TombstoneSeriesIDSet：TSL中被删除的所有seriesID
  • SeriesSketch： hyhperLogLog结构，存储TSL中seriesID对应的SeriesKey（与SeriesIDSet中的seriesID相对应）
  • TombstoneSketch：存储TSL中tombstoneSeriesID对应的SeriesKey（与TombstoneSeriesIDSet中的seriesID相对应），与SeriesSketch结合使用获取measurement cardinality
  • Trailer
    • MeasurementBlockOffset
    • MeasurementBlockSize
    • SeriesIDSetOffset
    • SeriesIDSetSize
    • TombstoneSeriesIDSetOffset
    • TombstoneSeriesIDSetSize
    • SeriesSketchOffset
    • SeriesSketchSize
    • TombstoneSketchOffset
    • TombstoneSketchSize
    • Version

Write Ahead Log(WAL)文件结构

InfluxDB文件结构解析_第7张图片
  为了防止数据丢失，InfluxDB在进行每次写入或删除操作时首先会将该操作写入WAL文件中，WAL如上图所示：

  • Type：WAL Entry类型，目前有3中类型：WriteWALEntryType，DeleteWALEntryType，DeleteRangeWALEntryType
    • WriteWALEntry
      • FieldType: 插入的Field类型
      • KeySize
      • Key: SeriesKey + 单个FieldKey（因为是按列式存储）
      • FieldValueCount：该Field列写入的数据个数
      • Timestamp
      • FieldValue
    • DeleteWALEntry
      • Key: SeriesKey + 单个FieldKey
      • Newline：换行符\n
    • DeleteRangeWALEntry
      • MinTime: 批量删除中最小记录的时间戳
      • MaxTime:批量删除中最大记录的时间戳
      • KeySize
      • Key：同上
  • Snappy Compressed Data：不同类型Entry经过Snappy压缩后的数据（以上不同类型Entry经过snappy压缩后的数据）

Series Segment文件结构

InfluxDB文件结构解析_第8张图片
  Series Segment文件中存放SeriesKey，该文件结构如上所示：

  • Magic
  • Version
  • Entry:
    • SeriesInsertEntry
      • Flag: SeriesEntryInsertFlag，标志该entry为SeriesInsertEntry
      • SeriesID
      • TotalSize: SeriesKey的总长度
      • MeasurementSize
      • Measurement
      • TagEntryCount: TagEntry数量
      • TagEntry:
        • TagKeySize: TagKey长度
        • TagKey
        • TagValueSize: TagValue长度
        • TagValue
    • SeriesTombstoneEntry
    • Flag: SeriesEntryTombstoneFlag，标志该entry为SeriesTombstoneEntry
    • SeriesID

Series Index文件结构

InfluxDB文件结构解析_第9张图片
  Series Index文件为Series segment文件的索引文件，该文件存储seriesID -> SeriesKeyOffset的映射，series segment以及series index为db级别文件

  • Magic
  • Version
  • MaxSeriesID: 最大seriesID
  • MaxOffset: 最大seriesID对应的offset
  • SeriesIDCount: KeyIDMapEntry的数量（IDOffsetMapEntry数量与KeyIDMapEntry数量相同）
  • Capacity: KeyIDMapBlock为hash表结构，Capacity表示hash桶的总数量
  • KeyIDMapBlockOffset
  • KeyIDMapBlockSize
  • IDOffsetMapBlockOffset
  • IDOffsetMapBlockSize
  • KeyIDMapBlock：通过该block可以获取不同SeriesKey对应的seriesID，hash对象为SeriesKey
    • KeyIDMapEntry
      • SeriesKeyOffset: 高32位表示series segment文件id，通过高32为可以找到存储该SeriesKey所在的series segment文件，低32位表示在series segment文件中的偏移量，通过低32位可以得到seriseID对应的SeriesKey
      • SeriesID
  • IDOffsetMapBlock：通过该block可以获得不同seriesID对应的SeriesKey，hash对象为seriesID
    • IDOffsetMapEntry:
      • SeriesID
      • SeriesKeyOffset

你可能感兴趣的:(influxDB)

  • 主流行架构 rainbowcheng 架构架构
    nexus，gitlab,svn,jenkins,sonar,docker，apollo，catteambition，axure，蓝湖，禅道,WCP；redis，kafka，es，zookeeper，dubbo，shardingjdbc，mysql，InfluxDB，Telegraf，Grafana，Nginx，xxl-job，Neo4j,NebulaGraph是一个高性能的,NOSQL图形数据库
  • 使用Docker部署Jmeter+InfluxDB+Grafana 搭建性能监控平台 Geraint丶 dockerjmeter
    前言之前写过一篇《linux下性能测试监控平台InfluxDB+Grafana+Jmeter的搭建》，后来在应用中发现，在linux下部署多个原生服务组合使用时移植性较差，每次更换一台linux机器都需要重新搭建所有的服务，在安装和修改配置文件的过程中很容易出现各种各样的问题，而且排查问题非常的耗费时间。Docker部署方便，没有那么多的环境参数配置，隔离性好，更重要是可移植性强，可以完美避开li
  • “Jmeter-InfluxDB-Grafana“常见错误有哪些如何解决？ 神即道 道法自然 如来 jmetergrafana
    常见错误：1.网络不同，检查网络IP是否写对，端口号有没有放开（Centos7端口号命令），防火墙是否关闭firewall-cmd--add-port=3000/tcp--permanentfirewall-cmd--add-port=3000/udp--permanentfirewall-cmd--reload2.Jmeter里面的influxDB地址里面的db=jmeter，和在influxd
  • Grafana仪表盘设计最佳实践：如何创建有效的监控面板 范范0825 grafana信息可视化
    Grafana仪表盘设计最佳实践：如何创建有效的监控面板引言Grafana是一个开源的数据可视化和监控平台，它提供了丰富的仪表盘功能，用于展示和分析各种数据源（如Prometheus、InfluxDB、Elasticsearch等）。有效的仪表盘设计能够帮助团队迅速识别和解决问题，提高系统的可靠性和性能。本文将深入探讨如何设计高效的Grafana仪表盘，涵盖最佳实践和实际应用。1.了解需求和目标1
  • 推荐开源项目：Fluxter - Elixir连接InfluxDB的高效桥梁 江奎钰
    推荐开源项目：Fluxter-Elixir连接InfluxDB的高效桥梁fluxterHigh-performanceandreliableInfluxDBwriterforElixir项目地址:https://gitcode.com/gh_mirrors/fl/fluxter项目介绍Fluxter是一款专为Elixir社区打造的轻量级工具，旨在简化与InfluxDB——高性能的时间序列数据库之间
  • InfluxDB和OpenTSDB两种时序数据库应用场景 CodeMaster_37714848 opentsdb时序数据库数据库
    InfluxDB概述：InfluxDB是一个开源的高性能时序数据库，专门用于处理大量的时间序列数据。它由InfluxData开发，支持高写入吞吐量和灵活的查询。特点：高性能写入和查询：设计上注重高写入速度和低延迟查询。SQL-like查询语言：使用类似SQL的InfluxQL或Flux查询语言，简化了复杂查询的编写。数据压缩：提供高效的数据压缩机制，减少存储需求。集成和工具：支持与Grafana等
  • 几款免费的时序数据库对比 易道合之逍遥峰 时序数据库数据库
    InfluxDB、TDengine、OpenTSDB、QuestDB都是当前主流的时序数据库，它们在性能、功能、适用场景等方面各有特点。下面将从多个维度对这四个数据库进行对比分析：一、性能InfluxDB：高效的时间序列数据写入性能，自定义TSM引擎，快速数据写入和高效数据压缩。排名在DB-EnginesRanking时序型数据库排行榜上常常名列前茅，具有极高的性能优势。TDengine：高性能、
  • 基于STM32的工厂安全监测系统：采用FreeRTOS、MQTT协议、InfluxDB存储与Grafana可视化，实现实时数据监测与异常检测算法优化的综合解决方案（代码示例） 极客小张 stm32安全grafana算法物联网c++异常检测算法
    一、项目概述项目目标与用途随着工业自动化的不断推进，工厂的安全问题成为了企业管理者关注的重点。工厂中的温度、湿度、气体浓度、烟雾、压力等环境参数直接影响着生产的安全性和产品的质量。本项目旨在设计并实现一个嵌入式工厂安全监测系统，实时监测工厂环境中的关键安全参数，通过无线通信模块将数据传输到云端进行存储和分析，从而实现对工厂环境的智能化监控和预警。项目解决的问题与价值实时监测：实时采集工厂内的温度、
  • centos7 安装influxdb+telegraf+grafana 监控服务器 吕吕-lvlv grafana服务器运维
    influxdbinfluxdb是一个时间序列数据库,所有数据记录都会打上时间戳,适合存储数字类型的内容telegraftelegraf可以用于收集系统和服务的统计数据并发送到influxdbgrafanagrafana是一个界面非常漂亮,可直接读取influxdb数据展示成各种图表的开源可视化web软件安装并启动influxdb数据库vim/etc/yum.repos.d/influxdb.re
  • Grafana入门：从0开始打造动态仪表板 M乔木 Grafanagrafana运维自动化深度学习
    Grafana入门：从0开始打造动态仪表板Grafana是一个开源的数据可视化和监控工具，它支持多种数据源，如Prometheus、InfluxDB、Elasticsearch等。通过Grafana，我们可以轻松地创建漂亮的仪表盘，实时监控应用程序和服务的性能。本文将详细介绍Grafana的安装、配置和使用。一、Grafana的安装使用官方提供的二进制文件进行安装：wgethttps://dl.g
  • Linux：docker的CIG部署 鲍海超-GNUBHCkalitarro linuxdocker运维
    CIG是：CAdvisor+InfluxDB+Granfana三部分组成他是docker监控CAdvisor用于收集监控InfluxDB用于存储Granfana用于展示CAdvisor简介他是一个容器资源监控工具，包括容器的cpu网络io磁盘io等进行监控，同时提供了一个web页面用于查看实时的一个运行状态，他默认只有2分钟的数据存储，而且只是针对单物理机，但是他提供了很多的数据集成接口，支持很多
  • Docker+Jmeter+InfluxDB+Grafana 搭建性能监控平台 咖啡加剁椒.. 软件测试dockerjmetergrafana功能测试软件测试自动化测试程序人生
    当今互联网发展迅速，应用程序的性能监控显得越来越重要。Docker+Jmeter+InfluxDB+Grafana是一种常用的性能监控平台，可以帮助开发者快速搭建一套可靠的监控体系。在本文中，我们将介绍如何使用这些工具搭建性能监控平台，以便开发人员可以快速发现并解决应用程序性能问题。01、Docker安装与配置首先，我们需要安装Docker。Docker是一种开源的容器化平台，可以将应用程序与它们
  • timescaledb和influxdb单行写入性能 小湿哥 PG学习笔记influxdbtimescaledb写入性能
    目录测试结果摘要测试环境Influxdb单行写入测试测试结果资源占用timescaledb单行写入测试测试结果资源占用结果对比测试结果摘要单行写入性能，timescaledb超过influxdb的2倍。不论单线程还是多线程。更详细的结果请看后文。线程平均速率（行/s）单线程2线程4线程8线程16线程32线程infuxdb422378398370341305timescaledb9128631018
  • C#中调用iotDB 码农小权 C#iotdbc#
    iotDB介绍：IoTDB(InternetofThingsDatabase)是由清华大学主导的Apache孵化项目，是一款聚焦工业物联网、高性能轻量级的时序数据管理系统，也是一款开源时序数据库，为用户提供数据收集、存储和分析等服务。作为一款时序数据库，IoTDB的相关竞品有KairosDB，InfluxDB，TimescaleDB等。IoTDB提供端云一体化的解决方案，在云端，提供高性能的数据读
  • 浅析下开源时序数据库VictoriaMetrics的存储机制 大铁憨
    VictoriaMetrics是一个快速高效且可扩展的监控解决方案和时序数据库，可以作为Prometheus的长期远端存储，具备的特性有：-支持prometheus查询api，同时实现了一个metricsql查询语言-支持全局查询视图，支持多prometheus实例写数据到VictoriaMetrics，然后提供一个统一的查询-支持集群-高性能-支持多种协议，包括influxdbline协议，pr
  • Docker容器监控-CIG 你小子在看什么…… Dockerdocker容器运维
    目录一、CIG说明1.CAdvisor2.InfluxDB3.Grafana二、环境搭建1.创建目录2.编写docker-compose.yml3.检查并运行容器三、进行测试1.查看influxdb存储服务是否能正常访问2.查看cAdvisor收集服务能否正常访问3.查看grafana展现服务，并且配置展现模板1.进行登录2.配置数据源3.配置面板panel一、CIG说明由CAdvisor+Inf
  • 【项目实战】Flink+InfluxDB+Grafana实现对YARN集群队列资源进行画像 大数据研习社 FlinkflinkFlink实时计算可视化监控InfluxDB
    一、Flink实时计算第一章：Flink快速入门1.Flink架构2.Flink应用场景3.FlinkVSSpark4.实时计算技术选型第二章：Flink项目构建与测试1.快速构建Flink项目2.第一个Flink应用案例3.Flink单节点集群安装与测试4.FlinkShell代码测试第三章：FlinkONYARN集群部署1.FlinkONYARN集群架构讲解2.FlinkONYARN集群部署3
  • 性能测试瓶颈分析与系统调优(4)jmetrer+influxdb+grafana性能测试 当代键仙 grafanajava压力测试jmeter
    3.3性能测试领域概念细分基准测试：理论推断负载测试：实际性能数据（小规模）基准测试和负载测试目的：探索程序的负载能力压力测试：取负载测试结果中最高的负载能力-压取超过预期负载的测试没看程序的性能反应耐久性测试（疲劳测试）测试时长，取决于业务场景尖峰测试：模拟突然出现的高并发负载压力，耐久，尖峰测试目的，是为了探索程序在负载情况下的反应3.4jmeter性能测试技巧csv文件驱动：jmeter读取
  • 性能测试监控平台：InfluxDB+Grafana+Jmeter 测试界的路飞 技术分享软件测试grafanajmeter
    前言性能测试工具jmeter自带的监视器对性能测试结果的实时展示，在Windows系统下的GUI模式运行，渲染和效果不是太好，在linux环境下又无法实时可视化。因此如果有一个性能测试结果实时展示的页面，可以提高我们对系统性能表现的掌握程度，另一方面也提高了我们的测试效率。InfluxDB+Telegraf+Grafana+Jmeter的框集成，就很好的解决了这些问题。网上关于这些开源组建的介绍已
  • influxDB+grafana+jmeter监控平台搭建① zifan01 服务器性能优化
    目录一、influxDB配置1、上传influxDB的.rpm文件到服务器上解压2、启动/检查是否成功3、创建数据库4、创建数据库二、grafana配置1、上传grafana的.rpm文件到服务器上解压2、启动服务3、打开grafana4、数据库配置三、jmeter脚本编写1、简单登录demo2、jmeter写接口无赖方法四、本地调试及监控1、本地执行jmeter2、查看grafana监控数据3、
  • 使用influxdb+Grafana+nmon2influxdb+nmon实时监控vps性能 慕城南风 grafananmon
    Grafana可以用来实时查看linux系统的各种性能数据。1、安装环境：centos7+influxdb1.7.6+grafana-4.6.3-1+nmon2influxdb-2.1.7+nmon-16m2、安装influxdb：下载rpm包：influxdb官网：https://docs.influxdata.com/influxdb/v2.0/get-started/?t=Linuxwget
  • Docker进阶篇-CIG重量级监控系统 陪我养猪吧 docker运维linuxdocker容器
    一、简介通过dockerstats命令可以很方便的查看当前宿主机上所有容器的CPU、内存、网络流量等数据，可以满足一些小型应用。但是dockerstats统计结果只能是当前宿主机的全部容器，数据资料是实时的，没有地方存储、没有健康指标过线预警等功能。CAdvisor（监控收集）+InfluxDB（存储数据）+Granfana（展示图表），合称CIG。CAdvisorCAdvisor是一个容器资源监
  • Mac上新版InfluxDB使用教程 一只往上爬的蜗牛 #性能测试压力测试
    一、简介官网：influxdb二、influxdb安装建议使用Homebrew在macOS上安装InfluxDBv2：brewinstallinfluxdb启动influxdb服务：brewservicesstartinfluxdb停止influxdb服务：brewservicesstopinfluxdb查看是否启动成功：ps-ef|grepinfluxd删除influxdb：brewuninst
  • 时序数据库Influxdb查询多个字段_field同一时间的值，组成一条数据 小苹果1357 Influxdb数据库Influxdb
    Influxdb将表格数据多个字段_field从垂直列布局聚合成水平布局行字段。问题1、Influxdb是一种时间序列数据库，在我的项目中主要用来存储换热站的测点数据的。换热站有非常多的测点，我们用Flux语法去查询测点数据，返回的数据结构是每个测点字段对应的所有时间数据。from(bucket:"autodata")|>range(start:2023-04-11T06:34:16.000Z,s
  • Grafana+jmeter+influxdb 性能测试监控平台 火舞凤凰
    1，jmeter1.新建测试计划-addthreadgroup-addsamlerhttprequest2.Addbackendlistener这里有两种方式：influxdb和Graphite，两种都可以用，区别是传递到influxdb的数据存储不一样2，influxdb1.下载wgethttps://dl.influxdata.com/influxdb/releases/influxdb-1.
  • Frostmourne (霜之哀伤)日志告警系统部署安装 Songxwn elasticsearch网络
    简介Frostmourne(霜之哀伤)是汽车之家经销商技术部监控系统的开源版本，用于帮助监控几乎所有数据库数据(包括Elasticsearch,Prometheus,SkyWalking,MySql等等)。如果你已经建立起了日志系统，指标体系，却苦恼于没有一个配套监控系统，也许它能帮到你。支持数据源：Elasticsearch,HTTP,SkyWalking,Prometheus,InfluxDB
  • InfluxDB数据的导入导出 WaiSaa JavaLinux数据库java开发语言
    Backgroundinfluxdb支持将时序数据导出到文件，然后再将文件导入到数据库中，以此实现数据的迁移。1、数据导出语法：示例：influx_inspectexport-datadir"/var/lib/influxdb/data"-waldir"/var/lib/influxdb/wal"-out"./db_wlf-output"-database"db_wlf"其中：datadir:in
  • influxdb学习之路——二、数据写入influxdb Lingoesforstudy influxdbinfluxdb
    一、命令行直接写入单条数据1、influxclient命令行直接写入数据root@vms50:~/csv#root@vms50:~/csv#influxwrite\>-bmy-bucket\>-omy-org\>--configs-path/mydata/influxdb/config/influx-configs\>-ps\>'test-measure,env=testaaField="this
  • 轻松打造智能化性能测试监控平台：【JMeter+Grafana+Influxdb】的优化整合方案 程序员油条 自动化测试软件测试技术分享jmetergrafana
    在当前激烈的市场竞争中，创新和效率成为企业发展的核心要素之一。在这种背景下，如何保证产品和服务的稳定性、可靠性以及高效性就显得尤为重要。而在软件开发过程中，性能测试是一项不可或缺的环节，它可以有效的评估一个系统、应用或者软件的性能指标。然而，如何提升性能测试效率，把测试结果转化为有价值的信息，则是一个更加重要的问题。因此，本文提供了一个基于JMeter、Grafana和Influxdb的优化整合方
  • 轻松打造智能化性能测试监控平台：【JMeter+Grafana+Influxdb】的优化整合方案 程序员念姐 软件测试技术分享jmetergrafana
    在当前激烈的市场竞争中，创新和效率成为企业发展的核心要素之一。在这种背景下，如何保证产品和服务的稳定性、可靠性以及高效性就显得尤为重要。而在软件开发过程中，性能测试是一项不可或缺的环节，它可以有效的评估一个系统、应用或者软件的性能指标。然而，如何提升性能测试效率，把测试结果转化为有价值的信息，则是一个更加重要的问题。因此，本文提供了一个基于JMeter、Grafana和Influxdb的优化整合方
  • ASM系列五 利用TreeApi 解析生成Class lijingyao8206 ASM字节码动态生成ClassNodeTreeAPI
       前面CoreApi的介绍部分基本涵盖了ASMCore包下面的主要API及功能，其中还有一部分关于MetaData的解析和生成就不再赘述。这篇开始介绍ASM另一部分主要的Api。TreeApi。这一部分源码是关联的asm-tree-5.0.4的版本。          在介绍前，先要知道一点， Tree工程的接口基本可以完
  • 链表树——复合数据结构应用实例 bardo 数据结构树型结构表结构设计链表菜单排序
    我们清楚：数据库设计中，表结构设计的好坏，直接影响程序的复杂度。所以，本文就无限级分类（目录）树与链表的复合在表设计中的应用进行探讨。当然，什么是树，什么是链表，这里不作介绍。有兴趣可以去看相关的教材。 需求简介： 经常遇到这样的需求，我们希望能将保存在数据库中的树结构能够按确定的顺序读出来。比如，多级菜单、组织结构、商品分类。更具体的，我们希望某个二级菜单在这一级别中就是第一个。虽然它是最后
  • 为啥要用位运算代替取模呢 chenchao051 位运算哈希汇编
        在hash中查找key的时候，经常会发现用&取代%，先看两段代码吧，     JDK6中的HashMap中的indexFor方法： /** * Returns index for hash code h. */ static int indexFor(int h, int length) {
  • 最近的情况 麦田的设计者 生活感悟计划软考想
          今天是2015年4月27号      整理一下最近的思绪以及要完成的任务             1、最近在驾校科目二练车，每周四天，练三周。其实做什么都要用心，追求合理的途径解决。为
  • PHP去掉字符串中最后一个字符的方法 IT独行者 PHP字符串
    今天在PHP项目开发中遇到一个需求，去掉字符串中的最后一个字符 原字符串1,2,3,4,5,6, 去掉最后一个字符","，最终结果为1,2,3,4,5,6 代码如下： $str = "1,2,3,4,5,6,"; $newstr = substr($str,0,strlen($str)-1); echo $newstr;
  • hadoop在linux上单机安装过程 _wy_ linuxhadoop
    1、安装JDK     jdk版本最好是1.6以上，可以使用执行命令java -version查看当前JAVA版本号，如果报命令不存在或版本比较低，则需要安装一个高版本的JDK，并在/etc/profile的文件末尾，根据本机JDK实际的安装位置加上以下几行：    export JAVA_HOME=/usr/java/jdk1.7.0_25  
  • JAVA进阶----分布式事务的一种简单处理方法 无量 多系统交互分布式事务
    每个方法都是原子操作： 提供第三方服务的系统，要同时提供执行方法和对应的回滚方法 A系统调用B,C,D系统完成分布式事务 =========执行开始======== A.aa(); try { B.bb(); } catch(Exception e) { A.rollbackAa(); } try { C.cc(); } catch(Excep
  • 安墨移动广 告：移动DSP厚积薄发 引领未来广 告业发展命脉 矮蛋蛋 hadoop互联网
    　　“谁掌握了强大的DSP技术，谁将引领未来的广 告行业发展命脉。”2014年，移动广 告行业的热点非移动DSP莫属。各个圈子都在纷纷谈论，认为移动DSP是行业突破点，一时间许多移动广 告联盟风起云涌，竞相推出专属移动DSP产品。 　　到底什么是移动DSP呢? 　　DSP(Demand-SidePlatform)，就是需求方平台，为解决广 告主投放的各种需求，真正实现人群定位的精准广
  • myelipse设置 alafqq IP
      在一个项目的完整的生命周期中，其维护费用，往往是其开发费用的数倍。因此项目的可维护性、可复用性是衡量一个项目好坏的关键。而注释则是可维护性中必不可少的一环。 注释模板导入步骤  安装方法： 打开eclipse/myeclipse 选择 window-->Preferences-->JAVA-->Code-->Code
  • java数组 百合不是茶 java数组
    java数组的   声明  创建  初始化；   java支持C语言      数组中的每个数都有唯一的一个下标 一维数组的定义 声明： int[] a = new int[3];声明数组中有三个数int[3] int[] a 中有三个数，下标从0开始，可以同过for来遍历数组中的数
  • javascript读取表单数据 bijian1013 JavaScript
    利用javascript读取表单数据，可以利用以下三种方法获取： 1、通过表单ID属性：var a = document.getElementByIdx_x_x("id"); 2、通过表单名称属性：var b = document.getElementsByName("name"); 3、直接通过表单名字获取：var c = form.content.
  • 探索JUnit4扩展：使用Theory bijian1013 javaJUnitTheory
    理论机制（Theory） 一.为什么要引用理论机制（Theory）         当今软件开发中，测试驱动开发（TDD — Test-driven development）越发流行。为什么 TDD 会如此流行呢？因为它确实拥有很多优点，它允许开发人员通过简单的例子来指定和表明他们代码的行为意图。 TDD 的优点：     &nb
  • [Spring Data Mongo一]Spring Mongo Template操作MongoDB bit1129 template
    什么是Spring Data Mongo Spring Data MongoDB项目对访问MongoDB的Java客户端API进行了封装，这种封装类似于Spring封装Hibernate和JDBC而提供的HibernateTemplate和JDBCTemplate，主要能力包括 1. 封装客户端跟MongoDB的链接管理 2. 文档-对象映射，通过注解:@Document(collectio
  • 【Kafka八】Zookeeper上关于Kafka的配置信息 bit1129 zookeeper
    问题： 1. Kafka的哪些信息记录在Zookeeper中 2. Consumer Group消费的每个Partition的Offset信息存放在什么位置 3. Topic的每个Partition存放在哪个Broker上的信息存放在哪里 4. Producer跟Zookeeper究竟有没有关系？没有关系！！！   //consumers、config、brokers、cont
  • java OOM内存异常的四种类型及异常与解决方案 ronin47 java OOM 内存异常
          　OOM异常的四种类型： 　　　 　　一：　StackOverflowError ：通常因为递归函数引起（死递归，递归太深）。-Xss 128k 一般够用。     　  二：　out Of memory: PermGen Space：通常是动态类大多，比如web 服务器自动更新部署时引起。-Xmx
  • java-实现链表反转-递归和非递归实现 bylijinnan java
    20120422更新： 对链表中部分节点进行反转操作，这些节点相隔k个： 0->1->2->3->4->5->6->7->8->9 k=2 8->1->6->3->4->5->2->7->0->9 注意1 3 5 7 9 位置是不变的。 解法： 将链表拆成两部分： a.0-&
  • Netty源码学习-DelimiterBasedFrameDecoder bylijinnan javanetty
    看DelimiterBasedFrameDecoder的API，有举例： 接收到的ChannelBuffer如下： +--------------+ | ABC\nDEF\r\n | +--------------+ 经过DelimiterBasedFrameDecoder(Delimiters.lineDelimiter())之后，得到： +-----+----
  • linux的一些命令 -查看cc攻击-网口ip统计等 hotsunshine linux
    Linux判断CC攻击命令详解 2011年12月23日 ⁄ 安全 ⁄ 暂无评论 查看所有80端口的连接数 netstat -nat|grep -i '80'|wc -l 对连接的IP按连接数量进行排序 netstat -ntu | awk '{print $5}' | cut -d: -f1 | sort | uniq -c | sort -n 查看TCP连接状态 n
  • Spring获取SessionFactory ctrain sessionFactory
    String sql = "select sysdate from dual"; WebApplicationContext wac = ContextLoader.getCurrentWebApplicationContext(); String[] names = wac.getBeanDefinitionNames(); for(int i=0; i&
  • Hive几种导出数据方式 daizj hive数据导出
    Hive几种导出数据方式   1.拷贝文件   如果数据文件恰好是用户需要的格式，那么只需要拷贝文件或文件夹就可以。 hadoop fs –cp source_path target_path   2.导出到本地文件系统   --不能使用insert into local directory来导出数据，会报错 --只能使用
  • 编程之美 dcj3sjt126com 编程PHP重构
    我个人的 PHP 编程经验中，递归调用常常与静态变量使用。静态变量的含义可以参考 PHP 手册。希望下面的代码，会更有利于对递归以及静态变量的理解   header("Content-type: text/plain"); function static_function () { static $i = 0; if ($i++ < 1
  • Android保存用户名和密码 dcj3sjt126com android
    转自：http://www.2cto.com/kf/201401/272336.html 我们不管在开发一个项目或者使用别人的项目，都有用户登录功能，为了让用户的体验效果更好，我们通常会做一个功能，叫做保存用户，这样做的目地就是为了让用户下一次再使用该程序不会重新输入用户名和密码，这里我使用3种方式来存储用户名和密码 1、通过普通 的txt文本存储 2、通过properties属性文件进行存
  • Oracle 复习笔记之同义词 eksliang Oracle 同义词Oracle synonym
    转载请出自出处：http://eksliang.iteye.com/blog/2098861 1.什么是同义词       同义词是现有模式对象的一个别名。       概念性的东西，什么是模式呢？创建一个用户，就相应的创建了 一个模式。模式是指数据库对象，是对用户所创建的数据对象的总称。模式对象包括表、视图、索引、同义词、序列、过
  • Ajax案例 gongmeitao Ajaxjsp
    数据库采用Sql Server2005 项目名称为:Ajax_Demo 1.com.demo.conn包 package com.demo.conn; import java.sql.Connection;import java.sql.DriverManager;import java.sql.SQLException; //获取数据库连接的类public class DBConnec
  • ASP.NET中Request.RawUrl、Request.Url的区别 hvt .netWebC#asp.nethovertree
      如果访问的地址是：http://h.keleyi.com/guestbook/addmessage.aspx?key=hovertree%3C&n=myslider#zonemenu那么Request.Url.ToString() 的值是：http://h.keleyi.com/guestbook/addmessage.aspx?key=hovertree<&
  • SVG 教程 （七）SVG 实例，SVG 参考手册 天梯梦 svg
    SVG 实例 在线实例 下面的例子是把SVG代码直接嵌入到HTML代码中。 谷歌Chrome，火狐，Internet Explorer9，和Safari都支持。 注意：下面的例子将不会在Opera运行，即使Opera支持SVG - 它也不支持SVG在HTML代码中直接使用。   SVG 实例 SVG基本形状 一个圆 矩形 不透明矩形 一个矩形不透明2 一个带圆角矩
  • 事务管理 luyulong javaspring编程事务
    事物管理 spring事物的好处 为不同的事物API提供了一致的编程模型 支持声明式事务管理 提供比大多数事务API更简单更易于使用的编程式事务管理API 整合spring的各种数据访问抽象 TransactionDefinition 定义了事务策略 int getIsolationLevel()得到当前事务的隔离级别 READ_COMMITTED 
  • 基础数据结构和算法十一：Red-black binary search tree sunwinner AlgorithmRed-black
      The insertion algorithm for 2-3 trees just described is not difficult to understand; now, we will see that it is also not difficult to implement. We will consider a simple representation known
  • centos同步时间 stunizhengjia linux集群同步时间
    做了集群，时间的同步就显得非常必要了。 以下是查到的如何做时间同步。 在CentOS 5不再区分客户端和服务器，只要配置了NTP，它就会提供NTP服务。 1)确认已经ntp程序包： # yum install ntp 2)配置时间源（默认就行，不需要修改） # vi /etc/ntp.conf server pool.ntp.o
  • ITeye 9月技术图书有奖试读获奖名单公布 ITeye管理员 ITeye
    ITeye携手博文视点举办的9月技术图书有奖试读活动已圆满结束，非常感谢广大用户对本次活动的关注与参与。 9月试读活动回顾：http://webmaster.iteye.com/blog/2118112本次技术图书试读活动的优秀奖获奖名单及相应作品如下（优秀文章有很多，但名额有限，没获奖并不代表不优秀）：      《NFC：Arduino、Andro
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他