InfluxDB 核心概念与数据模型：Measurement/Tag/Field/Time 一篇讲透

-- 我最初的想法（关系型思维）
CREATE TABLE sensor_data (
    id BIGINT AUTO_INCREMENT,
    sensor_id INT,
    device_id INT,
    temperature DOUBLE,
    humidity DOUBLE,
    vibration DOUBLE,
    collect_time DATETIME,
    PRIMARY KEY (id)
);

# Line Protocol — InfluxDB 的数据写入格式
# 格式: measurement,tag1=val1,tag2=val2 field1=val1,field2=val2 timestamp
sensor_data,sensor_id=S001,device_id=DEV-A temperature=25.3,humidity=65.2,vibration=0.12 1689123456000000000

# ❌ 错误设计：所有属性都塞 Field
sensor_data,sensor_id=S001 temperature=25.3,humidity=65.2,location="Room-A",floor="3F" 1689123456000000000
# 查询：查 3 楼的所有传感器
SELECT * FROM sensor_data WHERE floor = '3F'
# → 慢！floor 是 Field，没索引，全表扫描

# ✅ 正确设计：查询条件放 Tag，数值指标放 Field
sensor_data,sensor_id=S001,location=Room-A,floor=3F temperature=25.3,humidity=65.2 1689123456000000000
# 查询：查 3 楼的所有传感器
SELECT * FROM sensor_data WHERE floor = '3F'
# → 快！floor 是 Tag，走索引

# ⚠️ InfluxDB 不支持 UPDATE Tag
UPDATE sensor_data SET floor='5F' WHERE floor='3F'  # ❌ 不支持
# ✅ 只能写入一条新数据（带新 Tag，新时间戳）
sensor_data,sensor_id=S001,location=Room-A,floor=5F temperature=25.3,humidity=65.2 1689123457000000000
# 老数据还在，查询时需要去重或限制时间范围

# 低基数：floor 只有 1F/2F/3F/4F/5F → 5 个值 ✅
# 中基数：device_id 有 DEV-001 ~ DEV-500 → 500 个值 ✅
# 高基数：trace_id 有 a1b2c3d4... → 数百万个值 ❌

# 高基数查询 — 把 user_id 放 Tag
http_request,user_id=u10001,path=/api/orders duration_ms=45 1689123456000000000
http_request,user_id=u10002,path=/api/orders duration_ms=62 1689123456000000000
http_request,user_id=u10003,path=/api/users duration_ms=28 1689123456000000000
# ... 100 万用户 → Tag 基数 100 万 → InfluxDB 内存爆了

# 查看 Cardinality
SHOW SERIES CARDINALITY ON mydb
# 结果：1,245,678  → 124 万 → 爆炸！
SHOW TAG KEY CARDINALITY ON mydb
# trace_id: 1,200,000  → 元凶在这

# ❌ 错误：trace_id 放 Tag
apm_span,trace_id=a1b2c3,tag_count=12 span_duration_ms=450,trace_id="a1b2c3" 1689123456000000000
# Tag 基数：trace_id × service_name × span_name → 无限
# ✅ 正确：trace_id 放 Field，只保留必要的 Tag
apm_span,service=order-service,span=create_order duration_ms=450,trace_id="a1b2c3",tag_count=12 1689123456000000000
# Tag 基数：service × span → 有限

# 拉取 InfluxDB 2.x
docker pull influxdb:2.7
# 启动（带持久化数据目录）
docker run -d \
  --name influxdb \
  -p 8086:8086 \
  -v /data/influxdb:/var/lib/influxdb2 \
  -e DOCKER_INFLUXDB_INIT_MODE=setup \
  -e DOCKER_INFLUXDB_INIT_USERNAME=admin \
  -e DOCKER_INFLUXDB_INIT_PASSWORD=Admin123! \
  -e DOCKER_INFLUXDB_INIT_ORG=myorg \
  -e DOCKER_INFLUXDB_INIT_BUCKET=mydb \
  -e DOCKER_INFLUXDB_INIT_RETENTION=30d \
  influxdb:2.7

# 查看容器状态
docker ps | grep influxdb
# 通过 API 确认
curl -s http://localhost:8086/health
# {"name":"influxdb","message":"ready for queries and writes","status":"pass"}
# 打开浏览器访问 http://localhost:8086
# 用 admin / Admin123! 登录 Web 管理界面

version: '3.8'
services:
  influxdb:
    image: influxdb:2.7
    ports:
      - "8086:8086"
    volumes:
      - ./data/influxdb:/var/lib/influxdb2
      - ./config/influxdb.yml:/etc/influxdb2/influxdb.yml
    environment:
      DOCKER_INFLUXDB_INIT_MODE: setup
      DOCKER_INFLUXDB_INIT_USERNAME: admin
      DOCKER_INFLUXDB_INIT_PASSWORD: Admin123!
      DOCKER_INFLUXDB_INIT_ORG: myorg
      DOCKER_INFLUXDB_INIT_BUCKET: mydb
  telegraf:
    image: telegraf:1.28
    volumes:
      - ./config/telegraf.conf:/etc/telegraf/telegraf.conf:ro
      - /var/run/docker.sock:/var/run/docker.sock:ro
    depends_on:
      - influxdb
  grafana:
    image: grafana/grafana:latest
    ports:
      - "3000:3000"
    volumes:
      - ./data/grafana:/var/lib/grafana
    depends_on:
      - influxdb

# 确认拉取的镜像架构
docker inspect influxdb:2.7 --format '{{.Architecture}}'
# 期望输出: arm64
# 如果是 x86_64，手动拉 ARM64 版本
docker pull --platform linux/arm64 influxdb:2.7

【设计阶段】
□ 查询条件列 → Tag（WHERE/GROUP BY 用的）
□ 数值指标列 → Field（温度/耗时/计数等）
□ Tag 基数评估 → 每个 Tag ≤ 10 万（所有 Tag 组合 ≤ 100 万）
□ Tag 一旦确定 → 上线后不支持修改
□ 时间戳精度 → 全系统统一（纳秒/微秒/毫秒）
【运维监控】
□ 定期检查 Cardinality：SHOW SERIES CARDINALITY
□ 高频 Tag 监控：SHOW TAG KEY CARDINALITY
□ 写入性能监控：如果 QPS 骤降 → 检查是不是高基数了
□ 字段类型一致性：同一个 Field 每次写入类型必须一致