PS做图标兼职网站,开一家网站建设公司,软件开发合同样本,wordpress附件下载利用 TDengine Enterprise 和 TDengine Cloud 的数据接入功能#xff0c;我们现在能够将 MQTT、InfluxDB 中的数据通过规则无缝转换至 TDengine 中#xff0c;在降低成本的同时#xff0c;也为用户的数据转换工作提供了极大的便捷性。由于该功能在实现及使用上与 Logstash 类…利用 TDengine Enterprise 和 TDengine Cloud 的数据接入功能我们现在能够将 MQTT、InfluxDB 中的数据通过规则无缝转换至 TDengine 中在降低成本的同时也为用户的数据转换工作提供了极大的便捷性。由于该功能在实现及使用上与 Logstash 类似本文将结合 Logstash 为大家进行解读。
偏向于日志收集整理的 Logstash
Logstash 是一个开源的实时数据收集处理引擎通常作为 ETL 工具使用它可以根据转换规则将数据从多种数据源中采集并转换数据然后发送到指定的存储中。其通常与 ElasticSearchES、Kibana、Beats 共同使用形成免费开源工具组合 Elastic Stack又称 ELK Stack适用于数据的采集、扩充、存储、分析和可视化等工作。
Logstash 可以由 Beats、Kafka、DataSource 等数据源将数据转换写入 ES、MySQL 等数据库中进行存储 数据流转总体分为三部分Input、Filter、Output这三部分的定义覆盖了数据整个的生命周期。Input 和 Output 支持编解码器使用编解码器可以在数据进入或退出管道时进行编码或解码而不必使用单独的过滤器。原始数据在 Input 中被转换为 Event在 Output 中 Event 被转换为目标式数据在配置文件中可以对 Event 中的属性进行增删改查。 其中Filter 是 Logstash 功能强大的主要原因它可以对 Logstash Event 进行丰富的处理比如解析数据、删除字段、类型转换等等常见的有如以下几个
date 日期解析grok 正则匹配解析 正则表达式 Debuggex: Online visual regex tester. JavaScript, Python, and PCRE.RegExr: Learn, Build, Test RegExGrok kibana – grokdebuggerhttps://github.com/elastic/logstash/tree/v1.4.2/patternsGitHub - logstash-plugins/logstash-patterns-coreGrok Debugger | Autocomplete and Live Match Highlghtingdissect 分割符解析mutate 可以对事件中的数据进行修改包括 rename、update、replace、convert、split、gsub、uppercase、lowercase、strip、remove_field、join、merge 等功能。json 按照 json 解析字段内容到指定字段中geoip 增加地理位置数据ruby 利用 ruby 代码来动态修改 Logstash Event
filter {grok {match {message %{SERVICE:service}}pattern_definitions {SERVICE [a-z0-9]{10,11}}}
}
Logstash 在实时数据处理方面有一定的能力也有一定的流行性但并不是所有场景下都适用 Logstash。针对多种数据源的收集TDengine 打造了自己的数据接入功能。
TDengine针对多种数据源的收集
如果你使用 Elasticsearch 和 Kibana 来构建日志管理、数据分析和可视化解决方案Logstash 可能是一个不错的选择因为它与 Elasticsearch 的集成非常紧密。但 Logstash 并不适用于处理大规模时序数据它在处理大量数据时会消耗大量的系统资源包括内存和 CPU在数据量很大的情况下甚至会导致出现性能问题它的可扩展性在处理大规模数据时也可能受到限制。而且如果你最初接触 Logstash那你会需要付出较高的学习成本因为 Logstash 在处理数据的各个阶段输入、过滤、输出需要正确配置错误的配置可能会导致数据丢失或格式错误。
这也是 TDengine 打造自己的数据接入功能的一些主要原因如果你正在使用 TDengine那这一功能一定能帮助你更便捷、更低成本地进行数据转换工作。
目前利用 TDengine 数据接入功能你可以轻松从 MQTT、InfluxDB 等服务器获取数据并高效地写入 TDengine 数据库中实现数据的顺畅集成和分析。这一功能负责整个过程的自动化数据接入最大限度地减少了手动操作的工作量。同时它还具备以下特点
支持 JSON 格式充分利用 JSON 的灵活性使用户能够以 JSON 格式进行数据摄取和存储。机构可以有效地构建和管理数据从复杂数据结构中挖掘有价值的见解。支持 JSON path 提取字段TDengine 支持 JSON path 提取在处理 JSON 数据时更加轻松。通过精确选择和捕获所需的数据元素用户可以专注于数据集的核心内容最大化分析效率。简单配置提供了易于使用的配置文件您可以在其中指定 TDengine 的超级表、子表、列和标签轻松定制数据接入流程以满足特定需求。
另外 TDengine 的数据接入后还可以进行数据清洗和转换用户可以根据业务需要设计相应的数据清洗和转换规则实现完整的数据 ETL 流程。借助上述创新功能实时数据可以实现与高性能的 TDengine 数据库的无缝结合实时分析、预防性维护和数据驱动决策也拥有了无限可能。
配置方法很简单你只需要登录到 TDengine 企业版或 TDengine Cloud 的 Web 管理界面选择 Data in 并添加 MQTT 作为数据源简单配置一下 InfluxDB/MQTT 数据对应到 TDengine 库、超级表、子表的解析规则即可。具体配置方案可见《TDengine 推出重磅功能让 MQTT 无缝数据接入更加简单》《TDengine 数据接入功能支持 InfluxDB 啦》
TDengine 3.0 企业版和 TDengine Cloud 凭借简洁易用的命令行操作为用户提供了高效、可靠的数据接入方法。无论你是想要从 InfluxDB/MQTT 迁移数据还是想将多个数据源的数据集中到 TDengine 中TDengine 3.0 企业版和 TDengine Cloud 都能够满足你的需求。
如果你对这一数据接入功能感兴趣或正面临数据接入难题可以添加小T vxtdengine和 TDengine 的资深研发直接进行沟通。 了解更多 TDengine Database的具体细节可在GitHub上查看相关源代码。
