原文链接 https://syaning.github.io/2018/08/10/influxdb-grafana/
注：以下为加速网络访问所做的原文缓存，经过重新格式化，可能存在格式方面的问题，或偶有遗漏信息，请以原文为准。
InfluxDB是一个时序型数据库，主要用于存储时序型相关的数据，例如实时的温度、湿度，计算机的CPU使用率、内存使用率等。时序型数据的一些主要特点有：
- 写入平稳，持续写入
- 写入多，读取少
- 写入的数据几乎不会更新
- 数据量大，数据具有时效性
- 需要多精度的查询
- ……
InfluxDB中的基本概念是：
- measurement，对应关系数据库中的表
- tags，对应关系数据库中的索引列
- fields，对应关系数据库中的普通列
其数据协议格式为：
<measurement>[,<tag-key>=<tag-value>...] <field-key>=<field-value>[,<field2-key>=<field2-value>...] [unix-nano-timestamp]
例如下面的都是有效的数据：
cpu,host=serverA,region=us_west value=0.64
payment,device=mobile,product=Notepad,method=credit billed=33,licenses=3i 1434067467100293230
stock,symbol=AAPL bid=127.46,ask=127.48
temperature,machine=unit42,type=assembly external=25,internal=37 1434067467000000000
InfluxDB结合Grafana，可以进行数据的监控。下面是使用docker做的一个简单例子。
首先启动InfluxDB和Grafana：
$ docker run -d -p 8086:8086 -v "$PWD/influxdb":/var/lib/influxdb --name influxdb influxdb
$ docker run -d -p 3000:3000 --name grafana --link influxdb grafana/grafana
然后要向InfluxDB中写入数据，这里使用psutil来统计CPU的使用情况：
import psutil
from influxdb import InfluxDBClient
def gen_point(i, percent):
return {
'measurement': 'cpu_load',
'tags': {
'cpu': 'cpu%d' % i
},
'fields': {
'percent': percent
}
}
def main(host='localhost', port=8086):
database = 'example'
client = InfluxDBClient(host, port, database=database)
client.create_database(database)
while True:
cpu_percent = psutil.cpu_percent(interval=2, percpu=True)
data = [gen_point(idx + 1, percent) for idx, percent in enumerate(cpu_percent)]
client.write_points(data)
if __name__ == '__main__':
main()
这个时候就可以查看到数据了：
$ influxdb
> use example
> select * from cpu_load limit 5
接下来浏览器打开 localhost:3000，登录Grafana，首先配置数据源：
然后新建dashboard，配置图表：
然后就可以看到统计图了：
