4. 时序数据库部署与基础操作

时序数据库（TSDB）是实验室时序数据平台的数据底座。本章以 InfluxDB 2.x 这一典型时序数据库为例，完整走通“安装—配置—建库与保留策略—写入—查询”这条最小可用链路。选择 InfluxDB 的原因在于它自带 HTTP API、命令行工具、Web UI 和类 SQL 的 Flux 查询语言，便于在实验室环境中快速验证数据链路是否通畅。需要说明的是，本章出现的组织名、桶名、令牌、时间戳和数据点均为教学示例，实际部署时应替换为真实参数。

一、安装与初始化配置

在 Linux 服务器上，推荐使用官方仓库安装，便于后续升级。以 Ubuntu 22.04 为例，先导入 GPG 密钥并添加软件源，再安装：

# 添加 InfluxData 官方源
wget -q https://repos.influxdata.com/influxdata-archive_compat.key
echo '393e8779c89ac8d958f81f942f9ad7fb82a25e133faddaf92e15b16e6ac9ce4c influxdata-archive_compat.key' | sha256sum -c
cat influxdata-archive_compat.key | gpg --dearmor | sudo tee /etc/apt/trusted.gpg.d/influxdata-archive_compat.gpg > /dev/null
echo 'deb [signed-by=/etc/apt/trusted.gpg.d/influxdata-archive_compat.gpg] https://repos.influxdata.com/debian stable main' | sudo tee /etc/apt/sources.list.d/influxdata.list
sudo apt update && sudo apt install influxdb2 -y

安装完成后启动服务并设置开机自启：

sudo systemctl enable --now influxdb
sudo systemctl status influxdb   # 确认 active (running)

InfluxDB 2.x 默认监听 8086 端口。首次使用需要通过 influx setup 完成初始化，它会创建初始组织、桶、管理员用户和 API 令牌：

influx setup \
  --username labadmin \
  --password 'Lab@2024Pass' \
  --org lab-platform \
  --bucket lab_raw \
  --retention 30d \
  --token lab-token-EXAMPLE-0001 \
  --force

这里 --org 是租户级命名空间，--bucket 是数据存储单元，--retention 30d 表示该桶数据保留 30 天，--token 是后续读写鉴权凭据。初始化完成后可用 influx config list 查看当前上下文，确认 CLI 已绑定到该实例。

二、数据库与保留策略的创建

InfluxDB 2.x 用“桶（Bucket）”取代了 1.x 的“数据库+保留策略”组合，但保留策略语义仍内嵌在桶定义中。一个桶包含三要素：名称、保留期（retention period）、组织。保留期设为 0 表示永久保留，实验室原始数据通常设 30～90 天，聚合结果可设更长或永久。

创建桶的命令如下：

# 创建原始数据桶，保留 30 天
influx bucket create \
  --name lab_raw \
  --org lab-platform \
  --retention 30d

# 创建聚合结果桶，永久保留
influx bucket create \
  --name lab_hourly \
  --org lab-platform \
  --retention 0

# 查看所有桶
influx bucket list

保留策略的边界要提前想清楚：lab_raw 存高频原始采样，过期自动删除；lab_hourly 存降采样后的小时均值，长期留存用于趋势分析。这种“原始短存、聚合长存”的分层策略，是实验室时序平台控制存储成本的核心手段。

三、数据模型与写入操作

InfluxDB 采用行协议（Line Protocol）写入，每行格式为：measurement,tag_key=tag_value field_key=field_value timestamp。其中 measurement 类似表名，tag 是带索引的维度（如设备号、通道号），field 是实际测量值，timestamp 默认纳秒精度。

以实验室温度采集为例，写入一条数据：

influx write \
  --bucket lab_raw \
  --org lab-platform \
  --precision s \
  'temperature,device=oven01,channel=ch1 value=23.5 1717200000'

批量写入时，把多行行协议放入文件再导入，效率远高于逐条写：

# data.lp 内容示例
temperature,device=oven01,channel=ch1 value=23.5 1717200000
temperature,device=oven01,channel=ch1 value=23.8 1717200060
temperature,device=oven01,channel=ch2 value=24.1 1717200060
humidity,device=oven01,channel=ch1 value=45.2 1717200060

influx write --bucket lab_raw --org lab-platform --precision s --file data.lp

写入时要注意：tag 值区分大小写且不宜过多，高基数 tag（如把时间戳当 tag）会拖垮索引；field 类型一旦确定，同一 measurement 内应保持一致，混用字符串和数值会导致写入失败。

四、查询与结果判读

InfluxDB 2.x 使用 Flux 查询语言。查询最近 10 分钟 oven01 的温度：

from(bucket: "lab_raw")
  |> range(start: -10m)
  |> filter(fn: (r) => r._measurement == "temperature")
  |> filter(fn: (r) => r.device == "oven01")
  |> filter(fn: (r) => r._field == "value")
  |> aggregateWindow(every: 1m, fn: mean, createEmpty: false)
  |> yield(name: "mean")

这段查询的含义是：从 lab_raw 桶取最近 10 分钟数据，按 measurement、device、field 三层过滤，再以 1 分钟窗口求均值。结果中 _time 是窗口起点，_value 是均值。若返回空表，优先检查时间范围、tag 拼写和桶名是否正确。

五、验证与常见问题

完成写入后，用查询确认数据已落库。若 influx query 返回结果为空，按以下顺序排查：一是时间范围是否覆盖写入时间戳；二是 tag 键值是否与写入时完全一致（含大小写）；三是桶名与组织名是否匹配；四是令牌是否有该桶的读权限。写入失败常见原因是行协议格式错误，例如 field 值缺少引号、时间戳精度与 --precision 不一致、tag 与 field 之间缺少空格。

建议在部署完成后立即做一次端到端验证：写入 3 条带不同 tag 的数据，执行一次带 aggregateWindow 的查询，确认返回行数与预期一致。这一步能同时验证网络、鉴权、桶配置和查询语法四个环节，是实验室平台上线前最经济的冒烟测试。