From c7c05161ea30c333c0c1eeac6cdd4d5c8e4ca496 Mon Sep 17 00:00:00 2001 From: wenzhouwww Date: Thu, 2 Dec 2021 18:54:25 +0800 Subject: [PATCH] modify docs again --- documentation20/cn/14.devops/03.immigrate/docs.md | 12 ++++++------ 1 file changed, 6 insertions(+), 6 deletions(-) diff --git a/documentation20/cn/14.devops/03.immigrate/docs.md b/documentation20/cn/14.devops/03.immigrate/docs.md index 1d0c53ead3..4df4bc4c4e 100644 --- a/documentation20/cn/14.devops/03.immigrate/docs.md +++ b/documentation20/cn/14.devops/03.immigrate/docs.md @@ -40,12 +40,12 @@ - **调整数据收集器配置** -在TDengine 2.3版本中，我们发布了taosAdapter ，作为兼容 Influxdb 的 Line Protocol 和 OpenTSDB 的 telnet/JSON 写入协议规范的独立程序，提供丰富的数据接入能力，它可以有效的节省用户迁移成本，降低用户迁移改造的难度。 + 在TDengine 2.3版本中，我们发布了taosAdapter ，taosAdapter 是一个无状态、可快速弹性伸缩的组件，它可以兼容 Influxdb 的 Line Protocol 和 OpenTSDB 的 telnet/JSON 写入协议规范，提供了丰富的数据接入能力，有效的节省用户迁移成本，降低用户应用迁移的难度。 -通过taosAdapter，用户可以将 collectd 和 StatsD 收集的数据直接推送到TDengine ，实现应用场景的无缝迁移，非常的轻松便捷。 -taosAdapter还支持Telegraf、Icinga、TCollector 、node_exporter的数据接入，使用详情参考[taosAdapter](https://github.com/taosdata/taosAdapter/blob/develop/README-CN.md)。 +用户可以根据需求弹性部署 taosAdapter 实例，结合场景的需要，快速提升数据写入的吞吐量，为不同应用场景下的数据写入提供保障。 + +通过taosAdapter，用户可以将 collectd 和 StatsD 收集的数据直接推送到TDengine ，实现应用场景的无缝迁移，非常的轻松便捷。taosAdapter还支持Telegraf、Icinga、TCollector 、node_exporter的数据接入，使用详情参考[taosAdapter](https://www.taosdata.com/cn/documentation/tools/adapter)。 -可以通过启动多个taosAdapter实例，可以进一步拓展taosAdapter的数据接入能力，为不同场景下的数据写入提供保障。 如果使用 collectd，修改其默认位置 `/etc/collectd/collectd.conf` 的配置文件为指向 taosAdapter 部署的节点 IP 地址和端口。假设 taosAdapter 的 IP 地址为192.168.1.130，端口为 6046，配置如下： @@ -122,7 +122,7 @@ TDengine 当前只支持 Grafana 的可视化看板呈现，所以如果你的 | 1 | memory | value | double | host | memory_type | memory_type_instance | source | | | 2 | swap | value | double | host | swap_type | swap_type_instance | source | | | 3 | disk | value | double | host | disk_point | disk_instance | disk_type | source | -（注： 测试数据源自单节点Intel(R)Core(TM)i7-10700 CPU@2.90GHz 16核64G硬件设备，channel和batchSize 分别为8和1000，每条记录包含10个tag） + TDengine 要求存储的数据具有数据模式，即写入数据之前需创建超级表并指定超级表的模式。对于数据模式的建立，你有两种方式来完成此项工作：1）充分利用TDengine对 OpenTSDB 的数据原生写入的支持，调用 TDengine 提供的 API 将（文本行或 JSON 格式）数据写入，并自动化地建立单值模型。采用这种方式不需要对数据写入应用进行较大的调整，也不需要对写入的数据格式进行转换。 @@ -183,7 +183,7 @@ TDengine支持标准的JDBC 3.0接口操纵数据库，你也可以使用其他 DataX 具体的使用方式及如何使用DataX将数据写入TDengine请参见[基于DataX的TDeninge数据迁移工具](https://www.taosdata.com/blog/2021/10/26/3156.html)。 -在对DataX进行迁移实践后，我们发现，在合理的设置channel 和 batchSize参数的基础上 ，通过使用多个进程，同时迁移多个metric 的方式，可以大幅度的提高迁移历史数据的效率，下面是迁移过程中的部分记录，希望这些能为应用迁移工作带来参考。 +在对DataX进行迁移实践后，我们发现通过启动多个进程，同时迁移多个metric 的方式，可以大幅度的提高迁移历史数据的效率，下面是迁移过程中的部分记录，希望这些能为应用迁移工作带来参考。 | datax实例个数 (并发进程个数) | 迁移记录速度 （条/秒) | | ---- | -------------- | | 1 | 约13.9万 | -- GitLab