Influxdb on Liangweidong's blog

Grafana 可视化面板实战：从部署到匿名访问、中文环境与 InfluxDB 数据源

Mon, 25 Sep 2023 00:00:00 +0800

监控数据再多，没人看就是"装个寂寞"。Grafana 把时序数据（Prometheus、InfluxDB、Elasticsearch、Loki…）变成"能拖时间范围、能叠多源、能做告警"的可视化面板，几乎是云原生时代仪表盘的事实标准。这篇文章把 Grafana 容器化部署、初始密码、中文环境、匿名访问、配置持久化这些"装上就完事但装的时候总忘"的事整理成一篇。

阅读对象：刚把 Prometheus 装上、想接 Grafana 看图的开发者；或 Grafana 已经跑起来但中文乱码/匿名访问开不了的运维同学
覆盖范围：Grafana 10 容器化部署、初始密码、InluxDB 数据源、匿名访问（grafana.ini 持久化）、时区与中文环境、注意事项

一、为什么是 Grafana

Grafana 不是"唯一"的仪表盘，但它的优势是面板能复用到极致：

多数据源：Prometheus、InfluxDB、Elasticsearch、MySQL、PostgreSQL、Loki、Tempo… 同一个 Dashboard 拉多个源
导入社区仪表盘：到 https://grafana.com/grafana/dashboards 搜 ID，30 秒装好一套完整图
告警与通知：面板里就能定义 alert rule，发邮件/Webhook/钉钉
多租户：Organization / Team / Folder 权限隔离
插件丰富：官方/社区插件扩展数据源、图表类型、面板组件

When to use：监控要"展示给人看"时，Grafana 几乎必装。如果你的数据是商业 BI 类（要做月度报表、维度下钻），Grafana 就不是首选了——Superset / Metabase 更合适。

二、容器化部署

2.1 最简单一行

1
2


docker pull grafana/grafana:10.0.1
docker run -d --restart=always --name=grafana -p 3000:3000 grafana/grafana

访问 http://{{HOST}}:3000：

初始账号：admin
初始密码：admin

第一次登录会强制要求改密码（生产环境必须改）。

2.2 时区与中文环境

Grafana 默认时区是 UTC，中文界面也有可能因为字体不全出现"豆腐块"。通过环境变量解决：

1
2
3
4
5


docker run -d --restart=always --name=grafana \
 -e TZ=Asia/Shanghai \
 -e LANG=zh_CN.UTF-8 \
 -p 3000:3000 \
 grafana/grafana

TZ 优先级：Grafana 启动时会把 TZ 写到容器内 /etc/localtime，但部分版本仍要靠挂载宿主机时区文件：
1
-v /etc/localtime:/etc/localtime:ro
保险起见两个都加。

2.3 host 网络模式

如果 Grafana 和后端服务在同一台机器，用 --net=host 可以避免端口映射带来的 trace 调用异常：

1
2
3


docker run -d --restart=always --name=grafana --net=host \
 -e TZ=Asia/Shanghai -e LANG=zh_CN.UTF-8 \
 grafana/grafana

三、添加数据源

Grafana 的核心是"数据源 + 仪表盘"。进入 Configuration → Data Sources → Add data source，能看到几十种数据源选项。

3.1 Prometheus

Type: Prometheus
URL: http://{{PROM_HOST}}:9090
其它默认即可
点击 Save & test，绿色 Data source is working 出现即成功

3.2 InfluxDB（时序数据库）

InfluxDB v1/v2 的接入参数略有不同：

Type: InfluxDB
URL: http://{{INFLUXDB_HOST}}:8086
Database: 填库名
User / Password: 填凭据
HTTP Header: 如 Authorization: Token {{TOKEN}}（v2 必需）

测试连接成功后，在 Explore 面板里写 Flux 或 InfluxQL 即可查数据。

3.3 Loki（日志）

Type: Loki
URL: http://{{LOKI_HOST}}:3100

详细看 Loki + Promtail 日志架构一文。

3.4 人员定位面板（业务 Demo）

早期有人拿 Grafana 做过 UWB/蓝牙定位的"实时位置面板"——把人员坐标入库到 InfluxDB，Grafana 用 geomap / table / stat 面板做实时展示。这种"业务可视化"用法比传统 BI 轻量很多，配置简单、刷新及时。

四、匿名访问

生产环境往往需要"未登录用户也能看图"——大屏监控、嵌入式展示、给非技术人员查指标。Grafana 通过 grafana.ini 里的 [auth.anonymous] 段开启。

4.1 直接改容器内配置

1
2


docker exec -it grafana /bin/bash
vi /etc/grafana/grafana.ini

找到 [auth.anonymous] 段，修改：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


[auth.anonymous]
# enable anonymous access
enabled = true

# specify organization name that should be used for unauthenticated users
org_name = Main Org.

# specify role for unauthenticated users
org_role = Viewer

# mask the Grafana version number for unauthenticated users
hide_version = true

坑：发现改不了——容器内 /etc/grafana/grafana.ini 在某些镜像版本是只读，必须停掉容器后挂载出来改（见 4.2）。

4.2 配置持久化（推荐）

把 grafana.ini 复制出来，挂载进容器：

1
2
3


mkdir -p /home/docker/grafana/conf
docker cp grafana:/etc/grafana/grafana.ini /home/docker/grafana/conf
vim /home/docker/grafana/conf/grafana.ini

启动时挂载：

1
2
3
4
5


docker run -d --restart=always --name=grafana \
 -e TZ=Asia/Shanghai -e LANG=zh_CN.UTF-8 \
 -p 3000:3000 \
 -v /home/docker/grafana/conf/grafana.ini:/etc/grafana/grafana.ini \
 grafana/grafana

或 docker-compose：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


grafana:
 container_name: grafana
 image: grafana/grafana:latest
 restart: always
 environment:
 - TZ=Asia/Shanghai
 - LANG=zh_CN.UTF-8
 ports:
 - 3000:3000
 volumes:
 - '/home/docker/grafana/conf/grafana.ini:/etc/grafana/grafana.ini'

改完配置要重启：docker restart grafana 让新配置生效。

五、推荐仪表盘（Dashboard ID）

到 https://grafana.com/grafana/dashboards 搜 ID 即可导入：

监控对象	推荐 Dashboard ID	用途
Linux 主机	`11074`	Node Exporter Full（CPU/内存/磁盘/网络/内核）
Windows 主机	`10467`	Windows 主机全量指标
MySQL	`7362`	MySQL Overview（连接/QPS/慢查询/缓冲池）
Docker 容器	`10619`	cAdvisor（容器 CPU/内存/网络/IO）
Redis	`11835`	Redis 监控
Nginx	`9614`	Nginx 日志/请求/状态码分析
JVM	`4701`	Java 应用堆/线程/GC

导入流程：Grafana → + → Import → 输入 Dashboard ID → 选数据源 → 完成。约 30 秒就能看到十几张图。

六、踩坑清单

改 grafana.ini 不生效——容器内文件只读，参考 4.2 挂载出来
忘记初始密码——容器没挂载数据库时，数据存在容器内 /var/lib/grafana。docker volume rm 重置
中文显示豆腐块——字体不全，加 -e LANG=zh_CN.UTF-8 + 主机字体 fonts-noto-cjk
时间不对——时区没设对，Grafana 默认 UTC，业务日志要 Asia/Shanghai
导入仪表盘数据为空——Dashboard 自带数据源变量 DS_PROMETHEUS，导入时要选实际的数据源
大屏刷新卡顿——Dashboard 太多 Panel、Datasource 查询慢、Chrome 内存爆。优化方向：减少 Panel 数量、降低刷新频率、用 time range from 限制数据范围

七、2024+ 视角补充

本文写于 2023-09，2024-2026 期间 Grafana 关键演进：

Grafana 11.x（2024）+ Grafana 12.x（2025）：Drilldown / Explore 全面重构、Scene 框架（App SDK）让自定义面板开发更轻量
Grafana Loki 3.x（2024-2026）配合：对象存储全面支持 S3 兼容、GCS、Azure Blob，日志查询性能 10x 提升
Grafana Mimir / Pyroscope / Beyla：Metrics / Continuous Profiling / eBPF Auto-instrumentation 一站式可观测
Grafana 11+ IRM（Incident Response Management）：内置 oncall 值班 / 事件管理 / Postmortem 模板，逐步替代 PagerDuty / Opsgenie 部分场景
AI 助手 Grafana LLM（2024-Q3 试验）：用自然语言生成 PromQL，2025 起仍是早期功能
Grafana Faro（RUM）：Web 端真实用户监控 SDK，前端可观测性补齐

实战建议（2025-2026 视角）：

Grafana 11.x / 12.x + Loki 3.x + Prometheus 3.x + Mimir 是云原生可观测的"标准四件套"
K8s 场景优先 Grafana Helm Chart 一键部署
国产可观测（夜莺 / FlashDuty）2024+ 与 Grafana 体系深度集成，可作为 oncall 补充

八、参考资料

Grafana 官方文档：https://grafana.com/docs/grafana/latest/
社区仪表盘：https://grafana.com/grafana/dashboards
配置文件参考：https://grafana.com/docs/grafana/latest/setup-grafana/configure-grafana/

下一步

监控那层用 Prometheus？→ 看 Prometheus 监控告警体系一文
日志也想接 Grafana？→ Loki + Promtail 日志架构一文
不想自己拼装？→ HertzBeat 轻量监控告警把监控+告警+可视化打包到一容器

时序数据库三剑客：InfluxDB 1.x/2.x、TimescaleDB、TDengine 部署实战

Fri, 15 Sep 2023 00:00:00 +0800

IoT 时代传感器每秒产生几十个数据点（温度、压力、位置），传统 MySQL 一行一行写——索引碎片、表膨胀、性能崩盘。时序数据库（Time Series Database） 就是为这种"高频写入、范围查询、降采样分析"场景设计的。这篇文章把三类主流的时序数据库（InfluxDB 1.x/2.x、TimescaleDB、TDengine）在 Docker 里的部署、配置、查询实战一次性收齐。

阅读对象：IoT / 监控 / 金融行情 / DevOps Metrics 等"时序数据"场景的工程师；正在选型时序数据库的架构师。 覆盖范围：InfluxDB 1.x 数据保留策略、用户授权、influxdb-relay 高可用；InfluxDB 2.x token + bucket 模式；TimescaleDB hypertable 实战（见 PostgreSQL 篇）；TDengine 2.0/3.3 客户端、超级表、taos.cfg。

一、时序数据库选型速查

数据库	类型	写入吞吐	查询语言	适合
InfluxDB 1.x	纯时序	高	InfluxQL（类 SQL）	监控指标（Prometheus 替代）
InfluxDB 2.x	纯时序 + Flux	高	InfluxQL + Flux	新项目、与 Grafana 集成
TimescaleDB	PG 扩展	中	SQL	关系+时序混合场景
TDengine	国产自研	极高	SQL	工业 IoT、千万级设备

核心区别：

InfluxDB：写快、读强、生态成熟（Telegraf + Grafana），但集群版不开源

TimescaleDB：复用 PostgreSQL，关系+时序一把抓，单机性能中等

TDengine：国产、写入性能逆天、硬件资源占用低，但生态相对小

二、InfluxDB 1.x

2.1 启动

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


docker pull influxdb:1.8.0-alpine

# 导出默认配置
docker run --rm influxdb:1.8.0-alpine influxd config > /home/docker/influxdb/conf/influxdb.conf

# 启动
docker run -d --name influxdb \
 -p 8086:8086 \
 -v /home/docker/influxdb/conf/influxdb.conf:/etc/influxdb/influxdb.conf:ro \
 -v /home/docker/influxdb/data:/var/lib/influxdb \
 --restart=always \
 influxdb:1.8.0-alpine -config /etc/influxdb/influxdb.conf

2.2 初始化用户和库

1
2
3
4
5
6


docker exec -it influxdb /bin/bash

> create user "<your-org>" with password '{{REDACTED}}'
> show users
> create database safety_dev
> show databases

2.3 数据保留策略（RP）

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# 进入 influx CLI
docker exec -it influxdb influx

# 创建保留 30 天的策略
create retention policy "rp-day-30" on "mydb" duration 30d replication 1 default

# 改保留期
alter retention policy "rp-day-30" on "mydb" duration 20d replication 1 default

# 查看
show retention policies on "mydb"

2.4 批量建库脚本

1
2
3
4
5
6


cat << 'EOF' | docker exec -i influxdb influx
create user "<your-org>" with password '{{REDACTED}}';
create database safety_dev;
create retention policy "rp-day-365" on "safety_dev" duration 365d replication 1 default;
GRANT ALL PRIVILEGES ON "safety_dev" TO "<your-org>";
EOF

2.5 写入与查询

1
2
3
4
5
6
7
8


# 写入（tag + field + time）
insert cpu_usage,ip=192.168.0.1 value=30
insert temperature,iccid=1119264005543987 value="23.6"

# 查
select * from temperature tz('Asia/Shanghai')
delete from temperature
show field keys from temperature

Why 没 into？ InfluxDB 1.x 的 insert 语句不写 into（写 into 是 SQL 习惯）。measurement 名是第一个 token（这里是 cpu_usage / temperature）。

2.6 高可用：influxdb-relay

influxdb-relay 是 InfluxData 官方的高可用代理：写入请求复制到多台 InfluxDB，查询自动选择可用节点。

1
2
3
4


git clone https://github.com/influxdata/influxdb-relay.git
cd influxdb-relay
git checkout tags/v1.8.0
docker build -t my-influxdb-relay:v1.8.0 .

relay.toml：

1
2
3
4
5
6
7
8


[[http]]
name = "relay-http"
bind-addr = "0.0.0.0:8096"
output = [
 { name = "influxdb-node1", location = "http://node1.internal:8086" },
 { name = "influxdb-node2", location = "http://node2.internal:8086" },
 { name = "influxdb-node3", location = "http://node3.internal:8086" },
]

启动：

1
2
3
4
5
6


docker run -d \
 --name=influxdb-relay \
 -p 8096:8096 \
 -v /path/to/relay.toml:/etc/influxdb-relay.toml \
 --network=influxdb_network \
 my-influxdb-relay:v1.8.0 -config /etc/influxdb-relay.toml

架构：应用 → relay（写入广播到 3 个 InfluxDB + 查询选择可用节点）→ InfluxDB 集群。不是真正的分布式（每台都是全量数据），适合"读多写少 + 高可用"场景。

三、InfluxDB 2.x

2.x 引入Token 认证 + Bucket 模型，API 与 1.x 不完全兼容。

2.1 启动

1
2
3
4
5
6


docker pull influxdb:2.7-alpine
docker run -d --name influxdb2 \
 -p 8086:8086 \
 -v /home/docker/influxdb2/data:/var/lib/influxdb2 \
 --restart=always \
 influxdb:2.7-alpine

2.2 Token 认证

1
2
3
4
5
6
7
8
9


# 首次启动进入 UI 初始化（http://<host>:8086）
# 创建 org、bucket、token

# Spring Boot 集成
influx2:
 url: http://internal.example.com:8086
 token: <your_token>
 org: my-org
 bucket: my-bucket

Spring Boot 集成 org.springframework.boot:spring-boot-starter-data-influxdb（2.x 专属 starter）。

四、TimescaleDB

TimescaleDB 是 PostgreSQL 的时序扩展，对用户看就是一张"超表（hypertable）"，底层自动按时间分块（chunk）。见 PostgreSQL Docker 实战篇，本节只列关键点。

1
2
3
4
5


-- 启用扩展
CREATE EXTENSION IF NOT EXISTS timescaledb;

-- 转超表
SELECT create_hypertable('sensor_data', 'time');

优势：

复用 PG 的 SQL、事务、备份工具

关系数据 + 时序数据一把抓

连续聚合（Continuous Aggregate）自动降采样

劣势：

单机写入性能不如 InfluxDB / TDengine

PG 本身的运维成本（vacuum、autovacuum 调优）

五、TDengine（国产时序库）

TDengine 是涛思数据（TAOS Data）2017 年开源的时序数据库，写入性能是 InfluxDB 的 5-10 倍，硬件资源占用 1/5~1/10。国产化场景的优选。

5.1 启动

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36


docker pull tdengine/tdengine:2.0.18.0
docker pull tdengine/tdengine:3.3.6.13

mkdir -p /home/docker/taos/{conf,lib,log,data}

# 2.0 docker-compose
cat << 'EOF' > /home/docker/taos/docker-compose.yml
version: '3'
services:
 tdengine:
 image: tdengine/tdengine:2.0.18.0
 container_name: tdengine
 volumes:
 - /home/docker/taos/conf:/etc/taos
 - /home/docker/taos/lib:/var/lib/taos
 - /home/docker/taos/log:/var/log/taos
 ports:
 - "6030:6030"
 - "6035:6035"
 - "6041:6041"
 - "6030-6040:6030-6040/udp"
 restart: always
EOF

docker-compose -f /home/docker/taos/docker-compose.yml up -d

# 3.x 启动
docker run -tid \
 --name tdengine \
 --restart=always \
 --hostname="worker9" \
 -v /data/docker/taos/log:/var/log/taos \
 -v /data/docker/taos/data:/var/lib/taos \
 -p 6030-6060:6030-6060 \
 -p 6030-6060:6030-6060/udp \
 tdengine/tdengine:3.3.6.13

5.2 端口说明

端口	协议	作用
6030	TCP	原生客户端
6035	TCP	启动服务
6041	TCP	监控/管理
6030-6040	UDP	多播（集群内）

5.3 客户端

1
2
3
4
5
6
7
8


# Windows 客户端
# https://www.taosdata.com/cn/getting-started/

# 可视化工具 Taos.Studio
# https://github.com/maikebing/Taos.Studio/releases

# 配置文件 taos.cfg（C:\TDengine\cfg\taos.cfg）
# firstEp <server_ip>:6030

命令行进入 taos shell：

1
2


taos
# 默认用户名 root，密码 taosdata

5.4 建库建表

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22


-- 创建数据库
CREATE DATABASE [IF NOT EXISTS] db_name [KEEP keep] [UPDATE 1];
CREATE DATABASE zzkde;

-- 创建超级表（模板）
CREATE STABLE history (
 ts timestamp,
 src binary(200),
 ch0 binary(20),
 ch1 binary(20),
 ...
 ch50 binary(20)
) TAGS (sn binary(20), group_id int);

-- 用超级表做模板创建子表
CREATE TABLE d1000 USING history TAGS ("1000", 2);

-- 插入（自动建表）
INSERT INTO d1001 USING history TAGS ("1001", 2) VALUES (now, 1, 1, 1, ...);

-- 插入已有表
INSERT INTO d1000 VALUES ('2021-03-12 11:26:02', '...', ...);

**超级表（STable）**是 TDengine 的核心抽象：1 张 STable = 1 类设备，N 张子表 = N 个设备实例。每张子表自动继承 STable 的 schema 和 tag。

5.5 关键参数调优

/etc/taos/taos.cfg：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


# 客户端 FQDN（集群必须）
fqdn worker9.internal

# 监听所有网卡
serverPort 6030

# 最小存储天数
keep 3650

# 数据块大小（设备多时调大）
cacheNumOfBlocks 6
cacheBlockSize 1024

六、InfluxDB vs TimescaleDB vs TDengine

维度	InfluxDB 1.x	TimescaleDB	TDengine
类型	纯时序	PG 扩展	纯时序（自研引擎）
写入性能	高	中	极高（10x InfluxDB）
查询语言	InfluxQL	SQL	SQL
生态	Telegraf + Grafana	PG 生态	较新，国产生态
集群	企业版（不开源）	Citus / Patroni	开源（3.x 内置集群）
内存占用	中	大（PG）	极小（1/10 InfluxDB）
适合	监控、Prometheus 替代	关系+时序混合	工业 IoT、千万级设备

经验法则：

监控指标、可视化、Prometheus 替代 → InfluxDB 1.x/2.x
业务系统需要关系 + 时序混合 → TimescaleDB
工业 IoT / 千万级设备 / 国产化 → TDengine

七、2024+ 视角补充

本文写于 2023-09，2024-2026 几年里这三类时序库都有显著演进：

InfluxDB：2024-01 推出 InfluxDB 3.0（InfluxData 重写了存储引擎为 FDAP 架构，基于 Apache Arrow + DataFusion），IO 性能比 1.x/2.x 提升 10x+，但 OSS 版本仅暴露核心读写 API；2.x 仍是当前生态最稳的"开箱即用"选择。Telegraf + InfluxDB 2.x + Grafana 这套依然是把"指标 + 时序分析"零代码搭起来的首选。

TimescaleDB：2024-08 发布的 TimescaleDB 2.18 把 hypercore 列为正式 GA——hypercore 是新一代存储引擎（行存 + 列存混合），分析查询比 hypertable 快 10-100x。TimescaleDB 还在 2024-09 把 timescale/timescaledb 镜像迁到 timescale/timescaledb-ha，推荐改用 HA 镜像做生产。

TDengine：2024-2025 持续迭代 3.3.x → 3.4.x，主要变化：

TDgpt 内置 AI 分析（2024-11）：时序异常检测、预测直接 SQL 调用
流计算引擎 2.0：窗口函数 + 事件驱动双模式
3 节点 RAFT 集群：内置高可用不再依赖第三方（之前要接 ZK）
订阅/消费者 模型重构：Kafka-like 订阅 API，2024-Q3 全面替代旧的 topic 模式

经验法则更新：监控/Prometheus 替代首选仍是 InfluxDB 2.x；混合关系+时序用 TimescaleDB（强烈推荐升 2.18+ 体验 hypercore）；工业 IoT/千万级设备 TDengine 3.4+ 优势进一步扩大（10x 性能 + 内置 AI）。

八、扩展阅读

InfluxDB 1.x 镜像：hub.docker.com/_/influxdb
InfluxDB 2.x 镜像：dockerhub.com/_/influxdb
InfluxDB 3.0：influxdata.com/products/influxdb-3
TimescaleDB：docs.timescale.com
TimescaleDB hypercore：docs.timescale.com/use-timescale/latest/hypercore/
TDengine 官方文档：docs.taosdata.com
TDengine 3.4 发布说明：github.com/taosdata/TDengine/releases
influxdb-relay：github.com/influxdata/influxdb-relay