[Rust]Influxdb初体验

1.Bucket和Measurement

InfluxDB 数据模型将时间序列数据组织成Bucket和Measurement。

2.初体验

横着每一条数据对应一个Point,所有按照顺序排列的Point构成Series

如果使用了influxdb就要引入以下依赖：

Cargo.toml

Rust 复制代码

influxdb2 = "0.5.2"
influxdb2-structmap = "0.2"
dotenvy = "0.15"
num-traits = "0.2"
chrono = "0.4.41"
tokio = { version = "1", features = ["full"]}
futures = "0.3.31"

客户端初始化：

Rust 复制代码

async fn init_client() -> Client {
    let host = dotenvy::var("INFLUXDB_HOST").expect("INFLUXDB_HOST not set in environment variables");
    let org = dotenvy::var("INFLUXDB_ORG").expect("INFLUXDB_ORG not set in environment variables");
    let token = dotenvy::var("INFLUXDB_TOKEN").expect("INFLUXDB_TOKEN not set in environment variables");

    Client::new(host, org, token)
}

同时需要创建.env文件,放在Cargo.toml同级目录下,对应的格式为

ini 复制代码

INFLUXDB_HOST = http://localhost:8086
INFLUXDB_ORG = manager
INFLUXDB_TOKEN = your-token

3.写入数据

行协议元素

行协议的每一行都包含以下元素

measurement：标识要将数据存储在其中的measurement的字符串。
tag set（标签集） ：逗号分隔的键值对列表，每个键值对代表一个标签。标签键和值是不带引号的字符串。
field set（字段集） ：逗号分隔的键值对列表，每个键值对代表一个字段。字段键是不带引号的字符串。
timestamp（时间戳） ：与数据关联的 Unix时间戳。

对应的行协议

Rust 复制代码

weather,city=London,country=UK temperature=12.0 1641038400000000000
weather,city=London,country=UK temperature=12.1 1643716800000000000

Rust实现

Rust 复制代码

async fn write_stock_data(client: Client) -> Result<(), Box<dyn std::error::Error>> {
    let apple = DataPoint::builder("stock_price")
        .tag("ticker", "AAPL")
        .field("open", 182.51)
        .field("high", 184.13)
        .field("low", 182.13)
        .field("close", 183.86)
        .field("volume", 78591230.0)
        .build()?;

    let tesla = DataPoint::builder("stock_price")
        .tag("ticker", "TSLA")
        .field("open", 242.68)
        .field("high", 247.77)
        .field("low", 239.60)
        .field("close", 246.39)
        .field("volume", 103929123.0)
        .build()?;

    client.write("stock-prices", stream::iter(vec![apple, tesla])).await?;

    println!("成功写入股票数据");
    Ok(())
}

4.查询数据

使用Flux查询

from()：从 InfluxDB 存储桶查询数据。
range()：根据时间范围过滤数据。
filter() ：根据列值过滤数据。每一行由 r 表示，每一列由 r 的属性表示。

php 复制代码

from(bucket: "testt")
  |> range(start: v.timeRangeStart, stop: v.timeRangeStop)
  |> filter(fn: (r) => r["_measurement"] == "weather")
  |> filter(fn: (r) => r["_field"] == "temperature")
  |> aggregateWindow(every: v.windowPeriod, fn: mean, createEmpty: false)
  |> yield(name: "mean")

InfluxQL查询

SELECT：指定要查询的字段和标签。
FROM：指定要查询的测量。使用测量名称或完全限定的测量名称，其中包括数据库和保留策略。例如：db.rp.measurement。
WHERE：根据字段、标签和时间过滤数据。

sql 复制代码

SELECT MEAN("temperature") AS "mean_temperature"
FROM "weather"
WHERE time >= '2023-01-01T00:00:00Z' AND time <= '2023-01-02T00:00:00Z'

Rust实现

在Rust实现查询功能时，我们需要创建一个StockPrice结构体，因为后面在获得查询结果时，我们需要显示声明res的类型为Vec<StockPrice>,同时为其实现Default的trait,即默认构造方法。

Rust 复制代码

#[derive(Debug, FromDataPoint)]
pub struct StockPrice {
    ticker: String,
    value: f64,
    time: DateTime<FixedOffset>,
}

impl Default for StockPrice {
    fn default() -> Self {
        Self {
            ticker: "".to_string(),
            value: 0_f64,
            time: chrono::MIN_DATETIME.with_timezone(&FixedOffset::east(7 * 3600)),
        }
    }
}

具体查询代码

Rust 复制代码

async fn get_stock_data(client: Client) -> Result<(), Box<dyn std::error::Error>> {
    let ticker = "AAPL";
    let query_str = format!(
        r#"
        from(bucket: "stock-prices")
            |> range(start: -1w)
            |> filter(fn: (r) => r.ticker == "{}")
            |> last()
        "#,
        ticker
    );

    let query = Query::new(query_str);
    let res: Vec<StockPrice> = client.query(Some(query)).await?;

    if let Some(data) = res.first() {
        println!("最新股票数据:");
        println!("Ticker: {}", data.ticker);
        println!("价格: ${:.2}", data.value);
        println!("时间: {}", data.time.format("%Y-%m-%d %H:%M:%S"));
    } else {
        println!("未找到 {} 的数据", ticker);
    }

    Ok(())
}

5.处理数据

处理数据一般是通过各种函数来实现，看下面这个案例。

Rust 复制代码

from(bucket: "stock-prices")
  |> range(start: today())
  |> filter(fn: (r) => r._field == "price")
  |> group(columns: ["ticker"]) // 按股票分组
  |> aggregateWindow( // 每10分钟计算高-低波动范围
    every: 10m,
    fn: (values) => ({
      high: max(values: values.value),
      low: min(values: values.value),
      spread: max(values: values.value) - min(values: values.value)
    })
  )
  |> pivot( // 转换为波动率热力图数据
    rowKey: ["_start"],
    columnKey: ["ticker"],
    valueColumn: "spread"
  )

各个函数的功能如下：