1 基础概念

TSDB与传统DB比较

传统数据库多用于记录数据的当前值。
时序数据库记录基于时间的一系列数据。

TSDB应用场景

由时序产生，并且需要展现其历史趋势、周期规律、异常性的，进一步对未来做出预测分析的，都是时序数据库适合的场景。具体场景：各类设备的监控数据，医学中的血糖、血压、心率的监控数据，金融业中交易、成交数据等。

为什么选择influxdb

开发者社区活跃，使用者众多，开源时间较长。性能经过检验；
类SQL的插入、查询语言，不会增加太大的学习成本；
原生HTTP接口支持各类语言调用；
仅仅作为存储方案，可插拔。

influxdb之TSM存储引擎概述

TSM 存储引擎主要由几个部分组成：
cache。在内存中是一个简单的 map 结构默认配置文件中为1g。
wal。记录内容和cache一样，目的是为了持久化cache数据，influxdb启动时会加载wal的数据到内存。
tsm file。用于数据存储。
compactor。主要进行两类操作：
- cache->snapshot->tsm；
- 合并小tsm成为大的 tsm。

Shard——TSM存储引擎之上的概念

按时间戳所在不同范围创建不同Shard；
根据时间可以快速定位要查询的数据资源，加快查询的过程；
让根据时间的批量删除操作变得非常简单且高效。

2 项目由来

influxdb社区版默认并未提供集群解决方案。
官方开源的influxdb-relay仅仅支持双写功能，并未支持负载均衡能力。
饿了么开源的influx-proxy集群方案组件众多，安装部署、后期维护成本高、复杂度大。
360公司内部需求：提供十万台主机的两百个监控项数据的实时出图、访问，基于这些监控项的告警以及故障预测。
基于上述需求，于是有了influxDB-HA项目。

3 程序架构

官方开源influxdb-relay方案

未解决的问题：

采用双写仅仅解决了数据备份的问题，并未解决influxdb读写性能的问题；
只是写入了数据，查询还是需要去读influxdb。增加了配置文件的复杂度不易维护；
并未对写入失败的数据做任何重试机制的处理。

饿了么influxdb高可用解决方案

优势：

influx-proxy是饿了么在influxdb-relay满足不了其性能要求、配置维护要求痛定思痛后重构的产物；
influxdb机器支持动态扩缩；
增加了强大的请求失败后的重试机制。

劣势：

架构中使用的组件较多，增加了使用者的学习成本，且不易于后期的维护；
请求失败重试本身是双刃剑，试想机器性能达到极限，重试无形中又增加了机器的负载；
与自身场景需求不相符，我们内部只是做监控数据的持久化存储，应该是最简单的接入和与influxdb最小的架构改造。

360内部influxDB-HA解决方案

优势：

以measurement为最小拆分单元，从而保证以时序查询influxdb的高效性。
支持业务层动态的拆库、拆表操作。

4 性能比较

与单机influxdb 磁盘IO对比。

与单机influxdb CPU使用对比。

5 业务方接入influxDB-HA说明

influxDB-HA管理influxdb实例配置。

Grafana接入influxDB-HA说明。

三方程序接入influxDB-HA写入数据说明。

完全兼容influxdb原生的/write接口方式写入，且支持原生查询接口的所有参数；
如果您说您以前习惯了使用influxdb的SDK方式写入，那也恭喜您。influxDB-HA支持任何语言的influxdb SDK接入。

6 后期迭代计划

一个优秀的项目需要经历无数的版本迭代和优化，而对于开发者而言，能兼容各类需求、适应各类场景是沉淀、提升技术的不二法门。鉴于此，我们应该不断完善influxDB-HA以支持360内部各类使用场景。接来下，仅提出未来可见的优化点：

接入kafka、RabbitMQ做写入请求之前的缓冲，降低数据丢失的风险；
influxDB-HA配置文件的热加载（目前已经通过golang的fsnotify库实现，将来更大规模的influxDB-HA集群应该通过etcd等外部的配置统一管理来实现）；

对接业务方分表，以支持更大数据规模场景下的解决方案，measurement始终作为influxDB-HA集群中可拆分的最小单元，避免不同measurement的合并排序问题。

7 influxdb使用注意事项

经过一段时间（近一个多月）的实践和对influxdb性能的综合观察，总结出以下结论供我们大家一起探讨：

1、continuous queries/select：

笔者看见很多对于influxdb的不满来自于对其性能的诟病。然而有目共睹的是其写入性能是极其优秀的，那究竟查询性能如何呢？

实践总结：对于超过10万样本数据的查询操作而言，我们通过索引（即influxdb中的tag）查询将能够节省机器性能，大大降低查询时间。查询操作往往耗死机器的根本原因是：OOM（Out Of Memory）

那么在配置CQ时，应该：

尽可能使用tag；
应该拿写好的CQ充分模拟线上环境的测试，证明性能没问题后再上线。

2、retention policy：

配置数据的留存策略好处是数据持久化，但数据量较大时劣势也非常明显，会占用很大的CPU，造成读写数据异常。所以配置RP时我们必须注意：

尽量在读写并发量较小的时刻去操作；
可以在influxdb slave库中反复设置RP实践出最佳方式再上线。

本文转载自公众号360云计算（ID：hulktalk）。

原文链接：

https://mp.weixin.qq.com/s/erNqCgUTEIVygNknydlPag

创作场景

influxDB 集群模式实践