一个项目的诞生(一)：重拾InfluxDb

Mar 17, 2021 · 1 min read ·

Overview

记得2017年基于InfluxDb以及所谓的TICK监控解决方案，实现了公司近实时的业务监控，对核心业务指标进行监控预警，方便运营人员及时调整运营策略。

市面上，时序数据库的选型不少，比如OpenTSDB,Postgre(没错，它也可以变身时序数据库)-很多做模型的公司会选型postgre做模型样本数据的存储。

对于2017年提出的TICK这个历史概念，稍作介绍（注意：目前TICK已经不作为官方推荐方案）

是一个数据收集和入库的工具。提供了很多 input 和 output 插件，比如收集本地的 cpu、load、网络流量等数据，然后写入 InfluxDB 或者 Kafka 等。Java里有类似的组件，比如Filebeat，Flume。

时序数据库，TICK的核心组件“I”。

绘图工具，优点是默认绑定了 Kapacitor，缺点是难用。

Kapacitor是一款针对时序数据做优化的流式处理引擎，并通过插件机制实现通知功能。

Kapacitor处理一般分两种，一种是 stream，一种是 batch。stream 方式相当于 Kapacitor 一直接收 InfluxDB 传递过来的数据并做相应分析和告警；而 batch 则是自动定义查询间隔和周期，对数据做一些聚合计算后再告警。

2020年，InfluxDB2.0发布，自身已经具备数据收集、存储、查询、处理、监控与提醒全能力，且提供了一种新型的数据查询与处理语言-Flux，因此TICK组合被统一进了InfluxDB 2.0中。之前TICK中需要学习多种查询语言的历史一去不返。

新版本的具体功能还在体验中，有不少惊喜。