时序数据库系列（一）：InfluxDB入门指南核心概念详解

1 InfluxDB基础概念

InfluxDB是一个专门处理时间序列数据的开源数据库。简单来说，就是专门存储带时间戳数据的数据库。比如股票价格变化、服务器CPU使用率、传感器温度读数等等。

想象一下，你有一个温度传感器，每分钟记录一次温度。这些数据按时间顺序排列，就是典型的时间序列数据。InfluxDB就是为了高效处理这类数据而生的。

1.1 数据结构组成

InfluxDB的数据结构包含几个核心部分：

图1：InfluxDB数据结构层次图 - 展示了从数据库到具体数据点的完整层次结构

数据库（Database）
就像MySQL里的数据库概念一样，用来分类存储不同项目的数据。比如你可以建一个"智能家居"数据库，专门存放家里各种传感器的数据。

测量（Measurement）
这个概念类似于关系型数据库中的表。每个测量代表一类数据，比如"温度测量"、“湿度测量”、"网络流量测量"等。

标签（Tags）
标签是用来给数据打标记的，方便后续查询和筛选。比如温度数据，你可以用标签标记是哪个房间的、哪种传感器类型的。标签的值只能是字符串。

字段（Fields）
字段存储真正的数值数据。比如温度值25.5度、湿度60%等。字段可以存储各种数据类型：整数、小数、字符串、布尔值。

时间戳（Timestamp）
每条数据都必须有时间戳，精确到纳秒级别。这是InfluxDB的核心，所有数据都按时间排序。

举个例子，一条完整的数据可能长这样：

temperature,room=living_room,sensor_type=DHT22 value=25.5,humidity=60.2 1630425600000000000

这里：

• temperature 是测量名
• room=living_room,sensor_type=DHT22 是标签
• value=25.5,humidity=60.2 是字段
• 最后那串数字是时间戳

2 核心概念详解

2.1 标签键和标签值

标签键（Tag Keys）
标签的名字，比如 sensor_location、sensor_type。这些都是字符串，主要用来分类和索引数据。

标签值（Tag Values）
标签对应的具体值，比如 room1、temperature。也必须是字符串。

标签的组合帮你快速找到想要的数据。比如你想查"客厅的温度传感器数据"，就可以通过 sensor_location=living_room 和 sensor_type=temperature 这两个标签组合来查询。

图2：InfluxDB标签与字段核心概念 - 详细说明标签和字段的特性、用途及查询方式

measurement,sensor_location=room1,sensor_type=temperature value=25.5 1630425600000000000

在这个例子中：

• sensor_location 和 sensor_type 是标签键
• room1 和 temperature 是对应的标签值

2.2 字段键

字段键（Field Keys）
字段的名字，比如 temperature、humidity、pressure。字段键对应的值可以是各种数据类型，不像标签只能是字符串。

字段存储的是你真正关心的测量数据。比如：

measurement,sensor_location=room1,sensor_type=temperature temperature=25.5,humidity=60.2 1630425600000000000

这里 temperature 和 humidity 就是字段键，25.5 和 60.2 是对应的数值。

2.3 序列（Series）

序列（Series）
序列是一个逻辑概念，指的是具有相同测量名和标签组合的所有数据点。

比如说，所有来自"客厅温度传感器"的数据点就构成一个序列。即使时间不同、温度值不同，但只要是同一个传感器（相同的标签组合），就属于同一个序列。

假设你有这样的数据：

sensor_data,sensor_location=room1,sensor_type=temperature temperature=25.5 1630425600000000000
sensor_data,sensor_location=room1,sensor_type=temperature temperature=26.0 1630425660000000000
sensor_data,sensor_location=room1,sensor_type=temperature temperature=25.8 1630425720000000000

这三条数据就属于同一个序列，因为它们有相同的测量名（sensor_data）和相同的标签组合（sensor_location=room1,sensor_type=temperature）。

图3：InfluxDB序列概念示例 - 展示相同标签组合的数据点如何构成序列，以及不同序列间的区别

3 关键区别总结

3.1 数据类型差异

标签（Tags）只能存储字符串，而字段（Fields）可以存储多种数据类型：

• 整数：count=100
• 浮点数：temperature=25.5
• 字符串：status="online"
• 布尔值：is_active=true

3.2 功能用途不同

标签的作用

• 数据分类和筛选
• 建立索引，加快查询速度
• 类似于数据库的WHERE条件

字段的作用

• 存储实际的测量数据
• 用于数学计算和聚合操作
• 这是你真正要分析的数据

序列的作用

• 数据组织和管理
• 查询优化
• 理解数据的逻辑分组

3.3 索引特性

InfluxDB会自动为所有标签建立索引，所以按标签查询很快。但字段没有自动索引，如果要按字段值查询，可能会比较慢。

图4：InfluxDB标签与字段详细对比 - 全面对比标签和字段在数据类型、索引特性、查询性能、使用场景等方面的差异

这就是为什么要合理设计标签和字段：

• 经常用来筛选的属性设为标签
• 需要计算分析的数值设为字段

比如传感器数据：

• 传感器位置、类型 → 设为标签（经常用来筛选）
• 温度值、湿度值 → 设为字段（需要计算平均值、最大值等）

掌握了这些基础概念，你就能更好地设计InfluxDB的数据结构，让查询更快、存储更合理。