开始探索 GreptimeDB

从这里开始探索 GreptimeDB 强大的核心功能。

安装

用户可以在下载页面通过我们发布的测试版本尝试使用 GreptimeDB。

我们先通过最简单的配置来开始。有关 GreptimeDB 中可用的所有配置选项的详细列表，请参考配置文档。

二进制

使用 Linux 和 macOS 的用户，可以通过以下命令下载 greptime binary 的最新版本：

shell

curl -fsSL \
  https://raw.githubusercontent.com/greptimeteam/greptimedb/main/scripts/install.sh | sh

curl -fsSL \
  https://raw.githubusercontent.com/greptimeteam/greptimedb/main/scripts/install.sh | sh

下载完成后，binary 文件 greptime 将存储在用户当前的目录中。

用户可以在单机模式下运行 GreptimeDB：

shell

./greptime standalone start

./greptime standalone start

Docker

请确保已经安装了 Docker。如果还没有安装，可以参考 Docker 官方的文档进行安装。

shell

docker run -p 4000-4003:4000-4003 \
-p 4242:4242 -v "$(pwd)/greptimedb:/tmp/greptimedb" \
--name greptime --rm \
greptime/greptimedb standalone start \
--http-addr 0.0.0.0:4000 \
--rpc-addr 0.0.0.0:4001 \
--mysql-addr 0.0.0.0:4002 \
--postgres-addr 0.0.0.0:4003 \
--opentsdb-addr 0.0.0.0:4242

docker run -p 4000-4003:4000-4003 \
-p 4242:4242 -v "$(pwd)/greptimedb:/tmp/greptimedb" \
--name greptime --rm \
greptime/greptimedb standalone start \
--http-addr 0.0.0.0:4000 \
--rpc-addr 0.0.0.0:4001 \
--mysql-addr 0.0.0.0:4002 \
--postgres-addr 0.0.0.0:4003 \
--opentsdb-addr 0.0.0.0:4242

数据将会存储在当前目录下的 greptimedb/ 目录中。

如果用户想要使用另一个版本的 GreptimeDB 镜像，可以从我们的 GreptimeDB Dockerhub 下载。

注意事项

如果正在使用小于 v23.0 的 Docker 版本，由于旧版本的 Docker Engine 中存在 bug，所以当用户尝试运行上面的命令时，可能会遇到权限不足的问题。

用户可以:

设置 --security-opt seccomp=unconfined：

shell

docker run --security-opt seccomp=unconfined -p 4000-4003:4000-4003 \
-p 4242:4242 -v "$(pwd)/greptimedb:/tmp/greptimedb" \
--name greptime --rm \
greptime/greptimedb standalone start \
--http-addr 0.0.0.0:4000 \
--rpc-addr 0.0.0.0:4001 \
--mysql-addr 0.0.0.0:4002 \
--postgres-addr 0.0.0.0:4003 \
--opentsdb-addr 0.0.0.0:4242

docker run --security-opt seccomp=unconfined -p 4000-4003:4000-4003 \
-p 4242:4242 -v "$(pwd)/greptimedb:/tmp/greptimedb" \
--name greptime --rm \
greptime/greptimedb standalone start \
--http-addr 0.0.0.0:4000 \
--rpc-addr 0.0.0.0:4001 \
--mysql-addr 0.0.0.0:4002 \
--postgres-addr 0.0.0.0:4003 \
--opentsdb-addr 0.0.0.0:4242

将 Docker 版本升级到 v23.0.0 或更高;

连接

GreptimeDB 支持多种协议。这里使用 MySQL 客户端示例。

sql

mysql -h 127.0.0.1 -P 4002

mysql -h 127.0.0.1 -P 4002

建表

注意: GreptimeDB 提供了一种 schemaless 的数据写入方法，不用像使用其他协议那样手动创建表。详情请参见自动生成表结构。

现在我们通过 MySQL 创建一个表。先创建 system_metrics 表，其中包含系统资源指标，包括 CPU /内存/磁盘的使用，这些数据每 5 秒就会被抓取一次。

sql

CREATE TABLE IF NOT EXISTS system_metrics (
    host STRING,
    idc STRING,
    cpu_util DOUBLE,
    memory_util DOUBLE,
    disk_util DOUBLE,
    ts TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    PRIMARY KEY(host, idc),
    TIME INDEX(ts)
);

CREATE TABLE IF NOT EXISTS system_metrics (
    host STRING,
    idc STRING,
    cpu_util DOUBLE,
    memory_util DOUBLE,
    disk_util DOUBLE,
    ts TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    PRIMARY KEY(host, idc),
    TIME INDEX(ts)
);

Field 描述:

Field	Type	Description
host	string	The hostname
idc	string	The idc name where the host belongs to
cpu_util	double	The percent use of CPU
memory_util	double	The percent use of memory
disk_util	double	The percent use of disks
ts	timestamp	Timestamp column incrementing

如果用户使用其他协议，该表可以自动创建。请参考 Create Table。
关于创建表的 SQL 信息，请参考 CREATE。
关于数据类型，请参考数据类型。

数据写入

使用 INSERT 语句是向表添加数据的一个简单方法。通过下面的语句，我们向 system_metrics 表插入了九条记录。

sql

INSERT INTO system_metrics
VALUES
    ("host1", "idc_a", 11.8, 10.3, 10.3, 1667446797450),
    ("host1", "idc_a", 80.1, 70.3, 90.0, 1667446797550),
    ("host1", "idc_b", 50.0, 66.7, 40.6, 1667446797650),
    ("host1", "idc_b", 51.0, 66.5, 39.6, 1667446797750),
    ("host1", "idc_b", 52.0, 66.9, 70.6, 1667446797850),
    ("host1", "idc_b", 53.0, 63.0, 50.6, 1667446797950),
    ("host1", "idc_b", 78.0, 66.7, 20.6, 1667446798050),
    ("host1", "idc_b", 68.0, 63.9, 50.6, 1667446798150),
    ("host1", "idc_b", 90.0, 39.9, 60.6, 1667446798250);

INSERT INTO system_metrics
VALUES
    ("host1", "idc_a", 11.8, 10.3, 10.3, 1667446797450),
    ("host1", "idc_a", 80.1, 70.3, 90.0, 1667446797550),
    ("host1", "idc_b", 50.0, 66.7, 40.6, 1667446797650),
    ("host1", "idc_b", 51.0, 66.5, 39.6, 1667446797750),
    ("host1", "idc_b", 52.0, 66.9, 70.6, 1667446797850),
    ("host1", "idc_b", 53.0, 63.0, 50.6, 1667446797950),
    ("host1", "idc_b", 78.0, 66.7, 20.6, 1667446798050),
    ("host1", "idc_b", 68.0, 63.9, 50.6, 1667446798150),
    ("host1", "idc_b", 90.0, 39.9, 60.6, 1667446798250);

关于 INSERT 语句的更多信息，请参考 INSERT。

数据查询

想要从 system_metrics 表中选择数据，可以使用 SELECT 语句：

sql

SELECT * FROM system_metrics;

SELECT * FROM system_metrics;

查询结果如下：

+-------+-------+----------+-------------+-----------+---------------------+
| host  | idc   | cpu_util | memory_util | disk_util | ts                  |
+-------+-------+----------+-------------+-----------+---------------------+
| host1 | idc_a |     11.8 |        10.3 |      10.3 | 2022-11-03 03:39:57 |
| host1 | idc_a |     80.1 |        70.3 |        90 | 2022-11-03 03:39:57 |
| host1 | idc_b |       50 |        66.7 |      40.6 | 2022-11-03 03:39:57 |
| host1 | idc_b |       51 |        66.5 |      39.6 | 2022-11-03 03:39:57 |
| host1 | idc_b |       52 |        66.9 |      70.6 | 2022-11-03 03:39:57 |
| host1 | idc_b |       53 |          63 |      50.6 | 2022-11-03 03:39:57 |
| host1 | idc_b |       78 |        66.7 |      20.6 | 2022-11-03 03:39:58 |
| host1 | idc_b |       68 |        63.9 |      50.6 | 2022-11-03 03:39:58 |
| host1 | idc_b |       90 |        39.9 |      60.6 | 2022-11-03 03:39:58 |
+-------+-------+----------+-------------+-----------+---------------------+
9 rows in set (0.00 sec)

+-------+-------+----------+-------------+-----------+---------------------+
| host  | idc   | cpu_util | memory_util | disk_util | ts                  |
+-------+-------+----------+-------------+-----------+---------------------+
| host1 | idc_a |     11.8 |        10.3 |      10.3 | 2022-11-03 03:39:57 |
| host1 | idc_a |     80.1 |        70.3 |        90 | 2022-11-03 03:39:57 |
| host1 | idc_b |       50 |        66.7 |      40.6 | 2022-11-03 03:39:57 |
| host1 | idc_b |       51 |        66.5 |      39.6 | 2022-11-03 03:39:57 |
| host1 | idc_b |       52 |        66.9 |      70.6 | 2022-11-03 03:39:57 |
| host1 | idc_b |       53 |          63 |      50.6 | 2022-11-03 03:39:57 |
| host1 | idc_b |       78 |        66.7 |      20.6 | 2022-11-03 03:39:58 |
| host1 | idc_b |       68 |        63.9 |      50.6 | 2022-11-03 03:39:58 |
| host1 | idc_b |       90 |        39.9 |      60.6 | 2022-11-03 03:39:58 |
+-------+-------+----------+-------------+-----------+---------------------+
9 rows in set (0.00 sec)

用户可以使用 count() 函数获取表格中所有行的数量：

sql

SELECT count(*) FROM system_metrics;

SELECT count(*) FROM system_metrics;

+-----------------+
| COUNT(UInt8(1)) |
+-----------------+
|               9 |
+-----------------+

+-----------------+
| COUNT(UInt8(1)) |
+-----------------+
|               9 |
+-----------------+

avg() 函数返回特定字段的平均值：

sql

SELECT avg(cpu_util) FROM system_metrics;

SELECT avg(cpu_util) FROM system_metrics;

+------------------------------+
| AVG(system_metrics.cpu_util) |
+------------------------------+
|            59.32222222222222 |
+------------------------------+

+------------------------------+
| AVG(system_metrics.cpu_util) |
+------------------------------+
|            59.32222222222222 |
+------------------------------+

使用 GROUP BY 子句，将具有相同数值的行分组为汇总行。

按 idc 分组的平均内存使用量：

sql

SELECT idc, avg(memory_util) FROM system_metrics GROUP BY idc;

SELECT idc, avg(memory_util) FROM system_metrics GROUP BY idc;

+-------+---------------------------------+
| idc   | AVG(system_metrics.memory_util) |
+-------+---------------------------------+
| idc_a |                            40.3 |
| idc_b |              61.942857142857136 |
+-------+---------------------------------+
2 rows in set (0.03 sec)

+-------+---------------------------------+
| idc   | AVG(system_metrics.memory_util) |
+-------+---------------------------------+
| idc_a |                            40.3 |
| idc_b |              61.942857142857136 |
+-------+---------------------------------+
2 rows in set (0.03 sec)

关于 SELECT 语句的更多信息，请查看 SELECT 文件。

Visualize data

可视化在有效利用时间序列数据方面发挥着关键作用。为了帮助用户充分利用 GreptimeDB 的各种功能，Greptime 提供了一个简单的 dashboard。

Dashboard 自 GreptimeDB v0.2.0 版本以来已经嵌入到 GreptimeDB 的 binary 文件中。在启动 GreptimeDB后，可以通过 HTTP 端点 http://localhost:4000/dashboard 访问 dashboard。当前版本的 dashboard 支持 MySQL 和 Python 查询，不久将支持 PromQL。

将 SQL 写入命令文本，然后单击 RUN ALL，我们将获取 system_metrics 中的所有数据。

SELECT * FROM system_metrics;

SELECT * FROM system_metrics;

dashboard-select

我们提供不同种类的图表，可以根据不同的场景进行选择。当用户有足够的数据时，图表的内容将更加丰富。

line scatter

我们将持续开发和迭代这个开源项目，并计划将时间序列数据应用于监测、分析和其他相关领域的扩展。

Next steps

至此我们展示了 GreptimeDB 的基本功能，更多的用户指南请查阅以下文档。

SDK 库

SDK 库

SDK 库

Prometheus

SDK 库

监控 Host Metrics

开始探索 GreptimeDB

安装

二进制

Docker

连接

建表

数据写入

数据查询

Visualize data

Next steps

开始探索 GreptimeDB ​

安装 ​

二进制 ​

Docker ​

连接 ​

建表 ​

数据写入 ​

数据查询 ​

Visualize data ​

Next steps ​

开始探索 GreptimeDB

安装

二进制

Docker

连接

建表

数据写入

数据查询

Visualize data

Next steps