1.2 InfluxDB简介

时序数据库发展到目前，市场上已经诞生了很多稳定高效的产品，而InfluxDB就是其代表之一。

InfluxDB作为目前流行的时序数据库，拥有众多的竞争对手。本书将重点介绍InfluxDB，只要大家学会了InfluxDB，其他同类的时序数据库也就学会了，因为目前大多数时序数据库的概念都是相通的。

1.2.1 什么是InfluxDB

InfluxDB是一个由InfluxData公司于2013年开发的开源分布式时间序列数据库，其设计意图就是为了能够存储带有大量时间戳的数据，例如物联网设备、自动驾驶汽车产生的数据等，InfluxDB致力于对这些数据进行海量的写入以及高负载查询，由于是由Go语言开发，无须外部依赖，安装配置十分便捷，被广泛用于存储系统的监控数据等领域，成为目前主流的时序数据库之一。

InfluxData公司成立于2012年1月，其创始人Paul Dix和Todd Person在2013年开始着手InfluxDB的开发，之后获得了多轮投资。发展至今，历经了多次迭代，目前在InfluxDB版本中，部署方式分为单机版和集群版，单机版走开源路线。在2016年3月，InfluxData公司宣布他们会将用于支撑InfluxDB集群水平扩展的组件作为闭源产品单独销售，从而为InfluxDB的持续开发建立一个稳定的收入来源。

InfluxDB单机版是免费使用的，关于InfluxDB集群版的售价可在其官网上查阅，价格是随着服务器节点和每个节点的核心数变化的，见表1-1。

1.2.2 InfluxDB的历史

随着工业的快速发展，传统的关系型数据库面对快速增长的时序数据开始显得逐渐吃力，由于采用BTree的随机读写的模式，在寻道上会消耗很多时间，在目前物联网数据的大量写入要求下，传统关系型数据库的效率太过低下，于是时序数据库应运而生。

从图1-3中可以看出，时序数据库最早可追溯到20世纪90年代，为满足监控领域时序数据的存储要求，以RRDTool和KDB+为代表，出现了第一批时序数据库，它们将一个固定大小的数据库内嵌在监控系统中，来达到随时间变化快速存储数据的能力，但其缺点是读取能力依旧较弱，并且处理的数据比较单一。

后来随着大数据发展，不只是监控领域，其他领域也出现了需要处理大量时序数据的需求。从2011年年始，陆续出现了以openTSDB、Kairos为代表的基于分布式存储的数据库，其对时间进行了针对性优化。例如，openTSDB的底层依赖HBase集群存储，根据时序的特征对数据进行压缩，节省了存储空间。相较于之前的时序数据库，在存储和读写性能方面上有了显著提升，但其依赖Hadoop和HBase环境，使得部署及维护成本极高。

由于openTSDB本身的不足再加上部署维护不便，促成了低成本时序数据库的诞生。在这场混战中，InfluxDB得益于其高效的数据读取存储的能力和算法，慢慢地占据了主流市场。

Errplane公司在2013年下半年开始以开源项目的形式开始了InfluxDB的研发。其目的是提供一个高性能的监控以及告警的解决方案。2014年11月，Errplane公司获得了梅菲尔德风险投资公司与Trinity Ventures领投的A轮投资，金额高达810万美元。在2015年，Errplane正式更名为InfluxData，在2016年9月获得了金额高达1600万美元的B轮投资，又于2018年2月获得3500万美元的C轮投资。

1.2.3 InfluxDB现状及未来

2013年9月，Errplane公司正式发行了InfluxDB 1.0版本。2019年1月23日，InfluxDB推出了InfluxDB 2.x的alpha内部测试版，通过了二十几个版本的迭代，到2020年1月8日，InfluxDB 2.0开始推出Beta公开测试版，一直持续到同年10月，最终测试版本v2.0.0-rc.0正式推出。后来又推出了v2.0.1通用版，截至2021年11月，InfluxDB版本已经迭代到了v2.1.1。

历经这么多版本的迭代，InfluxDB在用户界面上不断进行完善，对旧版本的bug进行不断改进，并在每个版本上增加了新功能。以最新版本为例，InfluxDB对api和cli做出了更新，同时包括InfluxQL的更新。在最新的DB-ENGINES给出的时间序列数据库的排名中，InfluxDB高居第一位，可以预见，InfluxDB会得到越来越广泛的使用，如图1-4所示。

不过值得注意的是，InfluxDB目前正在进行重构，相信不久之后就会推出更为强劲的版本。