ActiveMQ 和 Clickhouse 集成

通过易于集成的强大性能,由 InfluxData 构建的开源数据连接器 Telegraf 提供支持。

info

对于大规模实时查询,这不是推荐的配置。为了进行查询和压缩优化、高速摄取和高可用性,您可能需要考虑 ActiveMQ 和 InfluxDB

50 亿 +

Telegraf 下载量

#1

时序数据库
来源:DB Engines

10 亿 +

InfluxDB 的下载量

2,800+

贡献者

目录

强大的性能,无限的扩展能力

收集、组织和处理海量高速数据。当您将任何数据视为时序数据时,它会更有价值。InfluxDB 是排名第一的时序平台,旨在通过 Telegraf 进行扩展。

查看入门方法

输入和输出集成概述

ActiveMQ 输入插件通过其控制台 API 从 ActiveMQ 消息代理收集指标,从而深入了解消息队列、主题和订阅者的性能和状态。

Telegraf 的 SQL 插件使用简单的表模式和动态列生成,将收集的指标发送到 SQL 数据库。当配置为 ClickHouse 时,它会调整 DSN 格式和类型转换设置,以确保无缝数据集成。

集成详情

ActiveMQ

ActiveMQ 输入插件与 ActiveMQ 控制台 API 接口,以收集与队列、主题和订阅者相关的指标。ActiveMQ 是一种广泛使用的开源消息代理,支持各种消息传递协议,并提供强大的 Web 控制台用于管理和监控。此插件允许用户跟踪关键指标,包括队列大小、消费者计数和不同 ActiveMQ 实体中的消息计数,从而增强消息传递系统中的可观察性。用户可以配置各种参数,例如 Web 控制台 URL 和基本身份验证凭据,以根据其环境定制插件。收集的指标可用于监控消息传递应用程序的运行状况和性能,从而促进主动管理和故障排除。

Clickhouse

Telegraf 的 SQL 插件旨在通过基于传入指标动态创建表和列,将指标数据写入 SQL 数据库。当配置为 ClickHouse 时,它使用 clickhouse-go v1.5.4 驱动程序,该驱动程序采用独特的 DSN 格式和一组专门的类型转换规则,将 Telegraf 的数据类型直接映射到 ClickHouse 的原生类型。这种方法确保了高吞吐量环境中的最佳存储和检索性能,使其非常适合实时分析和大规模数据仓库。动态模式创建和精确的类型映射实现了详细的时序数据日志记录,这对于监控现代分布式系统至关重要。

配置

ActiveMQ

[[inputs.activemq]]
  ## ActiveMQ WebConsole URL
  url = "http://127.0.0.1:8161"

  ## Required ActiveMQ Endpoint
  ##   deprecated in 1.11; use the url option
  # server = "192.168.50.10"
  # port = 8161

  ## Credentials for basic HTTP authentication
  # username = "admin"
  # password = "admin"

  ## Required ActiveMQ webadmin root path
  # webadmin = "admin"

  ## Maximum time to receive response.
  # response_timeout = "5s"

  ## Optional TLS Config
  # tls_ca = "/etc/telegraf/ca.pem"
  # tls_cert = "/etc/telegraf/cert.pem"
  # tls_key = "/etc/telegraf/key.pem"
  ## Use TLS but skip chain & host verification
  # insecure_skip_verify = false

Clickhouse

[[outputs.sql]]
  ## Database driver
  ## Valid options include mssql, mysql, pgx, sqlite, snowflake, clickhouse
  driver = "clickhouse"

  ## Data source name
  ## For ClickHouse, the DSN follows the clickhouse-go v1.5.4 format.
  ## Example DSN: "tcp://localhost:9000?debug=true"
  data_source_name = "tcp://localhost:9000?debug=true"

  ## Timestamp column name
  timestamp_column = "timestamp"

  ## Table creation template
  ## Available template variables:
  ##  {TABLE}        - table name as a quoted identifier
  ##  {TABLELITERAL} - table name as a quoted string literal
  ##  {COLUMNS}      - column definitions (list of quoted identifiers and types)
  table_template = "CREATE TABLE {TABLE} ({COLUMNS})"

  ## Table existence check template
  ## Available template variables:
  ##  {TABLE} - table name as a quoted identifier
  table_exists_template = "SELECT 1 FROM {TABLE} LIMIT 1"

  ## Initialization SQL (optional)
  init_sql = ""

  ## Maximum amount of time a connection may be idle. "0s" means connections are never closed due to idle time.
  connection_max_idle_time = "0s"

  ## Maximum amount of time a connection may be reused. "0s" means connections are never closed due to age.
  connection_max_lifetime = "0s"

  ## Maximum number of connections in the idle connection pool. 0 means unlimited.
  connection_max_idle = 2

  ## Maximum number of open connections to the database. 0 means unlimited.
  connection_max_open = 0

  ## Metric type to SQL type conversion for ClickHouse.
  ## The conversion maps Telegraf metric types to ClickHouse native data types.
  [outputs.sql.convert]
    conversion_style = "literal"
    integer          = "Int64"
    text             = "String"
    timestamp        = "DateTime"
    defaultvalue     = "String"
    unsigned         = "UInt64"
    bool             = "UInt8"
    real             = "Float64"

输入和输出集成示例

ActiveMQ

  1. 主动队列监控:对于高容量交易应用程序,使用 ActiveMQ 插件实时监控队列大小。此实现允许团队在队列大小超过特定阈值时接收警报,从而快速响应由积压引起的潜在停机时间,从而确保交易操作的持续可用性。

  2. 性能基线和异常检测:将此插件与机器学习框架集成,以建立消息吞吐量的性能基线。通过分析通过此插件收集的历史数据,团队可以标记处理速率中的异常,从而更快地识别影响服务可靠性和性能的问题。

  3. 跨消息传递系统分析:将来自 ActiveMQ 的指标与来自集中式仪表板中其他消息传递系统的指标相结合。用户可以可视化和比较性能数据(例如入队和出队速率),从而深入了解整体消息传递架构,并协助优化不同代理之间的消息流。

  4. 订阅者性能洞察:利用此插件收集的订阅者指标来分析行为模式并优化消费者应用程序的配置。了解诸如分派队列大小和计数器值之类的指标可以指导调整,以提高处理效率和资源分配。

Clickhouse

  1. 高容量数据的实时分析:使用插件将来自大规模系统的流式指标馈送到 ClickHouse。此设置支持超快速查询性能和近乎实时的分析,非常适合监控高流量应用程序。

  2. 时序数据仓库:将插件与 ClickHouse 集成以创建强大的时序数据仓库。此用例允许组织存储详细的历史指标,并执行复杂的查询以进行趋势分析和容量规划。

  3. 分布式环境中的可扩展监控:利用插件在 ClickHouse 中为每种指标类型动态创建表,从而更轻松地管理和查询来自大量分布式系统的数据,而无需事先定义模式。

  4. 物联网部署的优化存储:部署插件以将来自物联网传感器的数据摄取到 ClickHouse 中。其高效的模式创建和原生类型映射有助于处理海量数据,从而实现实时监控和预测性维护。

反馈

感谢您成为我们社区的一份子!如果您有任何一般性反馈或在这些页面上发现了任何错误,我们欢迎并鼓励您提出意见。请在 InfluxDB 社区 Slack 中提交您的反馈。

强大的性能,无限的扩展能力

收集、组织和处理海量高速数据。当您将任何数据视为时序数据时,它会更有价值。InfluxDB 是排名第一的时序平台,旨在通过 Telegraf 进行扩展。

查看入门方法

相关集成

HTTP 和 InfluxDB 集成

HTTP 插件从一个或多个 HTTP(S) 端点收集指标。它支持各种身份验证方法和数据格式的配置选项。

查看集成

Kafka 和 InfluxDB 集成

此插件从 Kafka 读取消息,并允许基于这些消息创建指标。它支持各种配置,包括不同的 Kafka 设置和消息处理选项。

查看集成

Kinesis 和 InfluxDB 集成

Kinesis 插件允许从 AWS Kinesis 流中读取指标。它支持多种输入数据格式,并提供带有 DynamoDB 的检查点功能,以实现可靠的消息处理。

查看集成