TDengine IDMP 运维指南（3. 使用 Ansible 部署）

使用 Ansible 部署

Ansible 是一个开源的自动化工具，用于配置管理、应用部署、云服务编排等。本指南介绍如何使用 Ansible 实现 TDengine IDMP 的自动化部署。通过这套工具，可以轻松地在多台服务器上完成 TDengine IDMP 的安装和配置。

前置条件

1. 本文适用 Ansible 2.10 以上版本
2. 本文适用 Python 3.6 以上版本
3. 所有目标服务器可以通过 SSH 访问

安装 Ansible

如未安装 Ansible，请参考 Ansible 官方安装指南。

部署 TDengine IDMP 服务

:::info

安全提示：本部署方案使用 ansible-vault 管理敏感信息，以确保密码等敏感数据在版本控制中安全存储。

:::

1. 克隆部署仓库

git clone https://github.com/taosdata/tdengine-idmp-deployment.git

该仓库包含了 TDengine IDMP 部署的 playbook。

2. 编辑 hosts 文件

编辑 inventory/hosts 文件，配置目标服务器信息。请根据实际环境修改服务器地址和连接信息。例如：

[tdengine_idmp_servers]
idmp_server1 ansible_host=192.168.1.*
idmp_server2 ansible_host=192.168.2.*[tdengine_idmp_servers:vars]
ansible_user={{ ansible_ssh_user }}
ansible_ssh_pass={{ vault_ssh_password }}[tdengine_servers]
tsdb_server1 ansible_host=192.168.1.*
tsdb_server2 ansible_host=192.168.2.*[tdengine_servers:vars]
ansible_user={{ ansible_ssh_user }}
ansible_ssh_pass={{ vault_ssh_password }}

• [tdengine_idmp_servers] 和 [tdengine_servers]：分别定义 TDengine IDMP 服务和 TDengine TSDB-Enterprise 服务的主机组。
  idmp_server1、idmp_server2、tsdb_server1、tsdb_server2 为主机别名，ansible_host 指定实际 IP。

• [tdengine_idmp_servers:vars] 和 [tdengine_servers:vars]：为主机组定义变量。
  ansible_user 和 ansible_ssh_pass 可通过加密变量（如 group_vars/public.yml ）引用，提升安全性。

• 请根据实际环境修改服务器地址和连接参数。

3. 配置服务器密码

使用以下命令编辑加密的配置文件：

ansible-vault edit inventory/group_vars/public.yml

当系统提示输入 Vault password 时，请输入 Vault 密码：taosdata

在该文件中，配置 Ansible 访问服务器时所用的用户名和密码信息。

提示：

• 所有服务器必须使用相同的密码
• 请妥善保管密码信息

4. 部署 TDengine TSDB-Enterprise 与 IDMP 服务

运行以下命令，目标服务器上仅安装并部署 TDengine IDMP 服务：

ansible-playbook playbooks/tdengine-idmp.yml --ask-vault-pass

或运行以下命令，目标服务器上就会部署 TDengine TSDB-Enterprise 与 IDMP 服务：

ansible-playbook playbooks/tdengine-idmp.yml --ask-vault-pass -e deploy_tdengine=true

当系统提示输入 Vault password 时，请输入 Vault 密码：taosdata

5. 访问服务

默认情况下，TDengine IDMP 服务监听主机的 6042 端口。可通过以下地址访问管理界面：

• http://ip:6042

---

关于 TDengine

TDengine 是一款专为物联网、工业互联网等场景设计并优化的大数据平台，其核心模块是高性能、集群开源、云原生、极简的时序数据库。

它能安全高效地将大量设备每天产生的高达 TB 甚至 PB 级的数据进行汇聚、存储、分析和分发，并提供 AI 智能体对数据进行预测与异常检测，提供实时的商业洞察。