influxdb如何按时间查询 opentsdb和influxdb性能对比？
opentsdb和influxdb性能对比？
经测试
一又开始是马上准备在本地的一个2核2GB的虚拟机里并且测试，InfluxDB只不过比较比较慢，但是测试3能完成，而OpenTSDB测试过程中，要嘛zookeeper又出现故障，要么Hbase十分退出，要嘛无常了读取数据，依然不能成功测量。可以更换成配置更高的青云服务器后，两者都能正常了能完成测试出来。
在单机布署上，InfluxDB相当简单，一两分钟就也可以完成运行程序，而OpenTSDB必须搭建中Hbase，创建角色TSD用到的数据表，配置JAVA环境等，相对来说极其复杂。
资源电脑资源方面，InfluxDB都要占据优势，cpu会消耗更小，磁盘占用更是小的惊人。
去查询速度，而测试样本数据量还不够大，速度都更加快，可以看到InfluxDB的查询在10ms这个数量级，而OpenTSDB则慢了距离10倍，俩次查询时，而缓存的原因，OpenTSDB的查询速度也蛮快。
集群方面，目前InfluxDB还就没也很好的解决方案，而OpenTSDB实现HBase，这一套集群方案巳经被很多大公司采用，稳定运行。
服务器运维工程师应该掌握哪些知识？
首先，谢邀。
运维工程师现在也越来越大更加多元，并不是每一个阶段完全掌握的技能大都一样的的，发展方向是一样的则完全掌握的技能也会都不一样。以下排除肾炎掉网络运维、IT运维、存储网络/安全等特种设备运维的方向，简要概括了几个运维比较好比较普遍的发展方向，从基础、十阶到高级三个级别来那就证明详细需要掌握的技能，有可能不国家公综合教材。
应用运维方面
：
基础：Linux基础/按的语言环境，如jboss/LAMP/LNMP这些要能完全掌握安装、配置、定期维护操作
进阶：Linux存储管理/安全加固/进程资源管理/网络管理，其他应用中间件如缓存（redis/memcached）、MQ（ActiveMQ/RabbitMQ等）、服务发现和治理中间件（如rabbitmq）、配置管理工具（如Puppet/Saltstack/CFengine等）
有高级：Shell脚本这个可以手到拈来，Linux内核/网络等具体方法参数的配置原理和优化场景，资源消耗的排查和优化系统，熟练的掌握手中掌握iptables，pam，selinux等安全机制。JAVA运行环境还需熟悉JVM优化软件、GC日志分析、Java线程内存缓冲区讲等。
获得，必须打听一下一些：
虚拟化技术，如VMware/VirtualBox/KVM
虚拟化管理技术，如vSphere/convirt/oVirt/OpenNebula等
Docker基本是使用和管理
私有云平台，如Openstack/CloudStack等
公有云平台，如阿里云/AWS
基础网络技术，如IP网络基础、OSI七层、HTTP/HTTPS/RPC协议、VLAN、路由、NAT、ACL等概念及相关配置技术
虚拟化和云运维方向
，如以被商业化的VMware为例：
基础：ESXi安装、配置、单主机管理；各种概念，如VM/datastore/vSwitch等；vCenter的基本上管理，如模板、网络配置、克隆、迁移等
晋阶：vCenter高可用性、vSphereHA高可用性、vSphereFaultTolerant、VMotion；如不使用宽带共享存储还是需要所了解FC SAN/iSCSI存储网络知识
中级：vSphereSiteRecovery/vSphereData Protection/vSAN管理等
附加，如果不是使用VMware的其他产品，如NSX/vRealize等，则要学的东西许多。
综合发展
，则也有不胜感激一些必须掌握到：
基础：监控，如Nagios/Zabbix等基础配置；DNS/NFS/FTP等服务配置；Docker都差不多使用和管理
三阶：网络分析，如现场抓包tcpdump/wireshark；性能分析工具，如nmon/iftop/iotop；负载均衡，如nginx/LVS/haproxy。学习一门脚本语言，如python/perl/me等。
有高级：进程监视和故障检查，如strace/kdump/gdb。Docker沙家浜选段体系，如istio/swarm等。另外日志分析ELK；指标数据库influxdb/promethus等
上面看起来好像眼花撩乱，当然并不是什么每项都需要手中掌握。200以内几个方面都可以不成一个单独的发展方向，要是能独立一切搞定一个方向，就早进入到运维架构师的层面了。
虚拟化及私有云管理方向
，如其它搞掂OpenStack上生产，随便选搭个测试环境玩一下不算。
Docker和编排体系方向
，如相当于一切搞定Kubernetes上生产出来。
精细化的监控告警设计和具体实施
，不单是元素单一的搭建rsyslog这类监控工具根据简单的资源、网络、应用可用性监控等。还应除开日志分析、非常精细指标监控等。
如主导研发规范日志，可以使用ELK进行日志分析并是对详细点业务场景出具的证明精准监控和业务数据可视化报表。
再如建议使用influxdb/grafana或promethus等系统，再收集硬件传感器/cpu/mem/io/eth/vm/docker等信息，然后把构建精细化的资源在用报表等。
后再再全部整合日志分析/精细化资源监控解开从业务-a8应用-a8资源-a8硬件的一体化监控联动
自动配置一般管理方向
，简单点的使用puppet/saltstack等平台加一些个性定制脚本来管理的管理，初级点的开发一个管理平台，并UI化。
不需要看求实际工作中的应用场景、管理规模、自动出现程度、监控需求等来依靠可以使用。每个人的精力是最多的，一个优秀的运维最是需要的是一颗此时此刻达到怎么学习的心和强大的自学能力。
版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。
