用户指南

本指南覆盖 GreptimeDB 的日常使用：数据写入、查询、处理，以及部署和运维。这些任务背后的数据模型和架构见概念。初次安装和第一个查询见快速开始。

写入数据

写入数据按数据来源列出对应的写入协议和文档。多数路径上表和列都在数据到达时自动创建；SQL、Flink 和 Spark 需要写入已存在的表。

日志和链路追踪的存储与查询另有专门指南：

• 日志——用 Pipeline 解析和转换文本日志后再入库。
• 链路追踪——存储 OTLP trace，并用 SQL 或 Jaeger 兼容接口查询。

查询数据

• SQL——跨指标、日志和链路追踪查询，支持范围查询、CTE、JOIN 和视图。
• PromQL——通过 Prometheus HTTP 接口查询指标，也可以在 SQL 中使用 TQL。
• Jaeger 接口——从 Jaeger UI 或 Grafana 查询 trace。

各查询接口的对比见查询数据。

处理与描述数据

• Flow 计算——对持续写入的数据做连续聚合，结果写入 sink table。
• 数据索引——倒排索引、跳数索引和全文索引，以及各自适用的场景。
• 更新、删除与 TTL——覆盖写入、删除数据，以及用 TTL 控制留存。
• 语义层——记录每张表存的是什么，以及数据描述了哪些实体。
• 向量存储——向量数据类型与相似度检索。

部署与运维

• 运维部署及管理——Kubernetes 和裸机部署、容量规划、WAL 模式、监控、容灾和 Region 运维。
• 迁移到 GreptimeDB——从 Prometheus、InfluxDB、Loki、Elasticsearch 或 MySQL 迁移时，协议、查询、仪表盘和历史数据的改动范围。
• 时区——会话时区对写入和查询结果的影响。

连接其他工具

• 协议——GreptimeDB 支持的传输协议，以及各自的能力边界。
• 集成——Grafana、Superset、Metabase、Flink、Spark、MCP Server 等可以连接 GreptimeDB 的工具。