InfluxDB（influxdb2-2.1.1-linux-amd64.tar.gz）适用于Linux x86_64系统。 InfluxDB 是一个开源的时间序列数据库，能应付极高的写和查询并发数，主要用于存储大规模的时间戳数据（每条记录自动附加时间戳），如 DevOps 监控数据、应用系统运行指标数据、物联网感应器采集的数据及实时分析的结果数据等。InfluxDB 具备如下特征： 1.全部用 Go 语言编写，并被编译成单一运行程序，无须第三方依赖； 2.简洁、高效地写和查询 HTTP（S）编程接口（API）； 3.通过插件能与其他的数据采集工具集成，如 Graphite、collectd、OpenTSDB； 4.可以搭建高可用性的 InfluxDB 环境； 5.量身定制化的类-SQL 语言； 6.允许给序列数据附加标签来创建索引，以便快速高效查询； 7.通过定义策略轻松实现自动失效过时的数据； 8.基于 Web 的管理界面。

InfluxDB（influxdb2-2.1.1-windows-amd64.zip）适用于Windows x86_64系统。 InfluxDB 是一个开源的时间序列数据库，能应付极高的写和查询并发数，主要用于存储大规模的时间戳数据（每条记录自动附加时间戳），如 DevOps 监控数据、应用系统运行指标数据、物联网感应器采集的数据及实时分析的结果数据等。InfluxDB 具备如下特征： 1.全部用 Go 语言编写，并被编译成单一运行程序，无须第三方依赖； 2.简洁、高效地写和查询 HTTP（S）编程接口（API）； 3.通过插件能与其他的数据采集工具集成，如 Graphite、collectd、OpenTSDB； 4.可以搭建高可用性的 InfluxDB 环境； 5.量身定制化的类-SQL 语言； 6.允许给序列数据附加标签来创建索引，以便快速高效查询； 7.通过定义策略轻松实现自动失效过时的数据； 8.基于 Web 的管理界面。

InfluxDB（influxdb2-2.1.1-darwin-amd64.tar.gz）适用于macOS系统。 InfluxDB 是一个开源的时间序列数据库，能应付极高的写和查询并发数，主要用于存储大规模的时间戳数据（每条记录自动附加时间戳），如 DevOps 监控数据、应用系统运行指标数据、物联网感应器采集的数据及实时分析的结果数据等。InfluxDB 具备如下特征： 1.全部用 Go 语言编写，并被编译成单一运行程序，无须第三方依赖； 2.简洁、高效地写和查询 HTTP（S）编程接口（API）； 3.通过插件能与其他的数据采集工具集成，如 Graphite、collectd、OpenTSDB； 4.可以搭建高可用性的 InfluxDB 环境； 5.量身定制化的类-SQL 语言； 6.允许给序列数据附加标签来创建索引，以便快速高效查询； 7.通过定义策略轻松实现自动失效过时的数据； 8.基于 Web 的管理界面。

节点红色贡献流 节点用于从InfluxDB时间序列数据库写入和查询数据。 这些节点支持使用配置节点中的“版本”组合框选择的InfluxDB 1.x和InfluxDb 2.0数据库。 请参阅不同节点的文档，以了解不同版本提供的选项。 当前，该节点使用两个客户端库。 选择版本1.x时，这些节点将用于node.js，特别是调用writePoints（）和query（）方法。 目前，他们只能与一台influxdb主机通信。 这些节点用于在InfluxDB 1.x到1.8+中写入和查询数据。 选择版本1.8-flux时，节点将使用用于node.js的。 这些节点用于在InfluxDB 1.8+中使用Flux写入和查询数据。 选择2.0版时，节点将使用在InfluxDB 2.0中使用Flux写入和查询数据。 先决条件 要运行此程序，您需要访问InfluxDB数据库版本1.x，1.8 +或2.0

Influxdb 时间序列数据库中文文档.pdf 文档为中文，简单易懂，易上手。对influxdb 的相关功能以及用法，语法方面描述的很详细。

Elasticsearch是通过Lucene的倒排索引技术实现比关系型数据库更快的过滤。特别是它对多条件的过滤支持非常好，比如年龄在18和30之间，性别为女性这样的组合查询。倒排索引很多地方都有介绍，但是其比关系型数据库的b-tree索引快在哪里？到底为什么快呢？笼统的来说，b-tree索引是为写入优化的索引结构。当我们不需要支持快速的更新的时候，可以用预先排序等方式换取更小的存储空间，更快的检索速度等好处，其代价就是更新慢。要进一步深入的化，还是要看一下Lucene的倒排索引是怎么构成的。这里有好几个概念。我们来看一个实际的例子，假设有如下的数据：这里每一行是一个document。每个doc

Elasticsearch是通过Lucene的倒排索引技术实现比关系型数据库更快的过滤。特别是它对多条件的过滤支持非常好，比如年龄在18和30之间，性别为女性这样的组合查询。倒排索引很多地方都有介绍，但是其比关系型数据库的b-tree索引快在哪里？到底为什么快呢？笼统的来说，b-tree索引是为写入优化的索引结构。当我们不需要支持快速的更新的时候，可以用预先排序等方式换取更小的存储空间，更快的检索速度等好处，其代价就是更新慢。要进一步深入的化，还是要看一下Lucene的倒排索引是怎么构成的。这里有好几个概念。我们来看一个实际的例子，假设有如下的数据：这里每一行是一个document。每个doc

很棒的时间序列数据库 时间序列数据库的精选列表。 要基于语言，后端等进行过滤。请访问。 名称 的github 状态 郎 后端 协议 询问 执照 阿库姆利 保持 C ++ 本地文件 tcp 文本 apache-2.0 北极 活性 Python mongodb tcp Python lgpl 阿古斯 死 Java 基础 http json bsd 阿特拉斯 保持 Scala 记忆 http 叠 apache-2.0 贝林盖 死 C ++ 记忆 节约 节约 bsd 大石墨 保持 Python 卡桑德拉 http 石墨 apache-2.0 蓝洪 死 Java cassandra，elasticsearch http json apache-2.0 商业数据库 保持 走 头孢 http json gpl 系列 死 走 本地文件 http json bsd 历险记 保持 Java 索尔 http json apache-2.0 希特斯 活性 C PostgreSQL tcp sql agpl-3.0 C