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间序列数据时,它都会变得更有价值。InfluxDB 是排名第一的时间序列平台,旨在与 Telegraf 一起扩展。
查看入门方法
输入和输出集成概述
Zipkin 输入插件允许从微服务收集跟踪信息和计时数据。此功能对于诊断复杂面向服务环境中的延迟问题至关重要。
Telegraf 的 SQL 插件允许将指标无缝存储在 SQL 数据库中。当配置为 Snowflake 时,它采用专用的 DSN 格式和动态表创建,以将指标映射到相应的模式。
集成详情
Zipkin
此插件实现了 Zipkin HTTP 服务器,以收集跟踪和计时数据,这对于排除微服务架构中的延迟问题至关重要。Zipkin 是一个分布式跟踪系统,可帮助收集跨各种微服务的计时数据,使团队能够可视化请求流并识别性能瓶颈。该插件支持基于指定 Content-Type 的 JSON 或 thrift 格式的输入跟踪。此外,它还利用 span 元数据来跟踪请求的计时,从而增强对符合 OpenTracing 标准的应用程序的可观察性。作为一项实验性功能,其配置和模式可能会随着时间的推移而演变,以更好地满足用户需求和分布式跟踪方法的进步。
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,该 DSN 以紧凑的格式封装凭据、帐户详细信息和数据库配置。此设置允许自动生成表,其中每个指标都记录有精确的时间戳,从而确保详细的历史跟踪。虽然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
Zipkin
[[inputs.zipkin]]
## URL path for span data
# path = "/api/v1/spans"
## Port on which Telegraf listens
# port = 9411
## Maximum duration before timing out read of the request
# read_timeout = "10s"
## Maximum duration before timing out write of the response
# write_timeout = "10s"
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
Zipkin
-
微服务中的延迟监控:使用 Zipkin 输入插件来捕获和分析来自微服务架构的跟踪数据。通过可视化请求流并查明延迟源,开发团队可以优化服务交互,提高响应时间,并确保跨服务的更流畅的用户体验。
-
关键服务中的性能优化:将插件集成到关键服务中,不仅可以监控响应时间,还可以跟踪可能突出显示性能问题的特定注释。收集 span 数据的能力可以帮助确定需要性能增强的区域的优先级,从而实现有针对性的改进。
-
动态服务依赖关系映射:利用收集的跟踪数据,自动映射服务依赖关系并在仪表板中可视化它们。这有助于团队了解不同服务如何交互以及故障或速度减慢的影响,最终促成更好的架构决策和更快的问题解决。
-
服务延迟中的异常检测:将 Zipkin 数据与机器学习模型相结合,以检测服务延迟和请求处理时间中的异常模式。通过自动识别异常,运营团队可以在新兴问题升级为严重故障之前主动做出响应。
Snowflake
-
基于云的数据湖集成:利用插件将来自各种来源的实时指标流式传输到 Snowflake 中,从而创建集中的数据湖。此集成支持云数据上的复杂分析和机器学习工作流程。
-
动态商业智能仪表板:利用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洞察,而无需手动模式管理。
-
可扩展的物联网分析:部署插件以捕获来自 IoT 设备的高频数据到 Snowflake 中。此用例有助于传感器数据的聚合和分析,从而实现大规模的预测性维护和实时监控。
-
用于合规性的历史趋势分析:使用插件在 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!如果您对这些页面有任何一般性反馈或发现任何错误,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间序列数据时,它都会变得更有价值。InfluxDB 是排名第一的时间序列平台,旨在与 Telegraf 一起扩展。
查看入门方法