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,它都更有价值。 借助 InfluxDB,这是 #1 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
Webhooks 插件允许 Telegraf 通过 Webhooks 接收和处理来自各种外部服务的 HTTP 请求。 此插件使用户能够收集实时指标和事件,并将它们集成到他们的监控解决方案中。
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
Webhooks
此 Telegraf 插件旨在充当 Webhook 监听器,通过启动一个 HTTP 服务器来注册多个 Webhook 端点。 它提供了一种通过捕获发送到已定义路径的 HTTP 请求来收集来自各种服务的事件的方法。 每个服务都可以配置其特定的身份验证详细信息和请求处理选项。 该插件的突出之处在于允许与任何 Telegraf 输出插件集成,使其在事件驱动架构中具有通用性。 通过有效地接收事件,它为实时监控和响应系统开辟了可能性,这对于需要即时事件处理和处理的现代应用程序至关重要。
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,以将 Telegraf 的数据类型直接映射到 ClickHouse 的本机类型。 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
Webhooks
[[inputs.webhooks]]
## Address and port to host Webhook listener on
service_address = ":1619"
## Maximum duration before timing out read of the request
# read_timeout = "10s"
## Maximum duration before timing out write of the response
# write_timeout = "10s"
[inputs.webhooks.filestack]
path = "/filestack"
## HTTP basic auth
#username = ""
#password = ""
[inputs.webhooks.github]
path = "/github"
# secret = ""
## HTTP basic auth
#username = ""
#password = ""
[inputs.webhooks.mandrill]
path = "/mandrill"
## HTTP basic auth
#username = ""
#password = ""
[inputs.webhooks.rollbar]
path = "/rollbar"
## HTTP basic auth
#username = ""
#password = ""
[inputs.webhooks.papertrail]
path = "/papertrail"
## HTTP basic auth
#username = ""
#password = ""
[inputs.webhooks.particle]
path = "/particle"
## HTTP basic auth
#username = ""
#password = ""
[inputs.webhooks.artifactory]
path = "/artifactory"
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
Webhooks
-
来自 Github 的实时通知:将 Webhooks 输入插件与 Github 集成,以接收有关拉取请求、提交和问题等事件的实时通知。 这使开发团队能够立即监控其存储库中的关键更改和更新,从而改善协作和响应时间。
-
使用 Rollbar 进行自动警报:使用此插件侦听从 Rollbar 报告的错误,使团队能够迅速响应生产中的错误和问题。 通过将这些警报转发到集中式监控系统,团队可以根据严重性确定响应的优先级,并防止停机时间升级。
-
来自 Filestack 的性能监控:捕获来自 Filestack 的事件以跟踪文件上传、转换和错误。 这种设置有助于企业了解用户与文件管理流程的交互,优化工作流程,并确保文件服务的高可用性。
-
使用 Papertrail 进行集中日志记录:通过 Webhooks 关联发送到 Papertrail 的所有日志,使您可以整合您的日志记录策略。 通过实时日志转发,团队可以有效地分析趋势和异常,确保他们保持对关键操作的可见性。
Clickhouse
-
高容量数据的实时分析:使用该插件将来自大规模系统的流式指标馈送到 ClickHouse 中。 此设置支持超快的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。
-
时序数据仓库:将该插件与 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。
-
分布式环境中的可扩展监控:利用该插件在 ClickHouse 中为每个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。
-
针对物联网部署优化的存储:部署该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本机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,它都更有价值。 借助 InfluxDB,这是 #1 时序平台,旨在与 Telegraf 一起扩展。
查看入门方法