Google Cloud Storage 和 Snowflake 集成

借助 Telegraf(InfluxData 构建的开源数据连接器),实现强大性能和轻松集成。

info

这不是实时大规模查询的推荐配置。为了获得查询和压缩优化、高速摄取和高可用性,您可能需要考虑 Google Cloud Storage 和 InfluxDB

50 亿+

Telegraf 下载量

#1

时序数据库
来源:DB Engines

10 亿+

InfluxDB 下载量

2,800+

贡献者

目录

强大性能,无限扩展

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,它都更有价值。InfluxDB 是排名第一的时序平台,旨在与 Telegraf 一起扩展。

查看入门方法

输入和输出集成概述

Google Cloud Storage 插件从指定的 Google Cloud Storage 存储桶收集指标,从而深入了解存储使用情况和性能。

Telegraf 的 SQL 插件允许在 SQL 数据库中无缝存储指标。当配置为 Snowflake 时,它采用专门的 DSN 格式和动态表创建,以将指标映射到适当的架构。

集成详情

Google Cloud Storage

Google Cloud Storage Telegraf 插件能够从指定的 Google Cloud Storage 存储桶中收集指标。随着组织越来越依赖云存储解决方案进行数据管理,监控这些资源的性能和利用率的能力变得至关重要。此插件对于跟踪存储使用情况、了解数据模式和确保运营效率特别有用。通过与 Google Cloud Storage API 集成,它允许用户从其云环境中收集见解,并将指标直接馈送到监控系统中以进行进一步分析。该插件支持各种配置选项,使用户能够根据其特定需求自定义数据收集过程。

Snowflake

Telegraf 的 SQL 插件旨在通过基于传入数据创建表和列,将指标动态写入 SQL 数据库。当配置为 Snowflake 时,它采用 gosnowflake 驱动程序,该驱动程序使用 DSN,DSN 将凭据、帐户详细信息和数据库配置封装在紧凑的格式中。此设置允许自动生成表,在表中记录每个指标以及精确的时间戳,从而确保详细的历史跟踪。尽管该集成被认为是实验性的,但它利用了 Snowflake 强大的数据仓库功能,使其适用于可扩展的、基于云的分析和报告解决方案。

配置

Google Cloud Storage

[[inputs.google_cloud_storage]]
  bucket = "my-bucket"
  # key_prefix = "my-bucket"
  offset_key = "offset_key"
  objects_per_iteration = 10
  data_format = "influx"
  # credentials_file = "path/to/my/creds.json"

Snowflake

[[outputs.sql]]
  ## Database driver
  ## Valid options: mssql (Microsoft SQL Server), mysql (MySQL), pgx (Postgres),
  ## sqlite (SQLite3), snowflake (snowflake.com), clickhouse (ClickHouse)
  driver = "snowflake"

  ## Data source name
  ## For Snowflake, the DSN format typically includes the username, password, account identifier, and optional warehouse, database, and schema.
  ## Example DSN: "username:password@account/warehouse/db/schema"
  data_source_name = "username:password@account/warehouse/db/schema"

  ## 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
  ## Defaults to ANSI/ISO SQL types unless overridden. Adjust if needed for Snowflake compatibility.
  #[outputs.sql.convert]
  #  integer       = "INT"
  #  real          = "DOUBLE"
  #  text          = "TEXT"
  #  timestamp     = "TIMESTAMP"
  #  defaultvalue  = "TEXT"
  #  unsigned      = "UNSIGNED"
  #  bool          = "BOOL"

输入和输出集成示例

Google Cloud Storage

  1. 自动化备份监控:利用 Google Cloud Storage 插件定期监控 Cloud Storage 存储桶中存储的备份文件的状态。通过配置插件来跟踪文件指标,组织可以自动发出警报,以防备份大小偏离预期模式,从而确保数据保护流程正常运行,并及时解决任何异常情况。

  2. 成本优化洞察:将此插件集成到成本管理工具中,以分析 Cloud Storage 的使用模式。通过收集有关文件大小和访问频率的指标,团队可以优化其存储解决方案,并就数据保留策略做出明智的决策,从而可能降低不必要的存储成本并提高资源分配。

  3. 合规性与审计:使用该插件生成有助于验证存储在 Google Cloud Storage 中的数据合规性的指标。通过提供有关数据访问和存储使用情况的详细见解,组织可以确保遵守法规要求,从而帮助进行审计并与数据治理的最佳实践保持一致。

  4. 性能基准测试:部署该插件以对 Google Cloud Storage 中的数据检索和存储操作的性能进行基准测试。通过随时间推移分析指标,团队可以识别性能瓶颈或效率低下之处,从而优化依赖云存储服务的应用程序和基础设施。

Snowflake

  1. 基于云的数据湖集成:利用该插件将来自各种来源的实时指标流式传输到 Snowflake,从而创建集中式数据湖。此集成支持云数据上的复杂分析和机器学习工作流程。

  2. 动态商业智能仪表板:利用该插件从传入指标自动生成表,并将它们馈送到 BI 工具中。这使企业能够创建动态仪表板,可视化性能趋势和运营见解,而无需手动架构管理。

  3. 可扩展的物联网分析:部署该插件以将来自物联网设备的高频数据捕获到 Snowflake 中。此用例有助于聚合和分析传感器数据,从而实现大规模的预测性维护和实时监控。

  4. 用于合规性的历史趋势分析:使用该插件在 Snowflake 中记录和存档详细的指标数据,然后可以查询这些数据以进行长期趋势分析和合规性报告。此设置确保组织可以维护强大的审计跟踪,并在需要时执行取证分析。

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。

强大性能,无限扩展

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,它都更有价值。InfluxDB 是排名第一的时序平台,旨在与 Telegraf 一起扩展。

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