Python操作InfluxDB写入自定义时间戳及批量写入方案咨询

你之前写入自动取系统时间是因为没有显式调用Point对象的.time()方法指定时间，客户端默认会填充当前系统时间作为时序键。
实现规则：

• 可以直接传入datetime对象或者Unix时间戳，同时可以指定时间精度避免解析错误，可选精度包含s（秒）、ms（毫秒）、us（微秒）、ns（纳秒，默认）
• 推荐导入WritePrecision枚举类更规范地指定精度
  示例代码：

from datetime import datetime, timezone
from influxdb_client import InfluxDBClient, Point, WritePrecision
from influxdb_client.client.write_api import ASYNCHRONOUS

client = InfluxDBClient(url=f"http://{ip}:{port_db}", token=token, org=org)    
write_api = client.write_api(write_options=ASYNCHRONOUS)

# 示例1：传入带时区的datetime对象
custom_time = datetime(2024, 1, 1, 10, 30, 0, tzinfo=timezone.utc)
p = Point("title_meas").field("column_data", value_data).time(custom_time, WritePrecision.S)

# 示例2：传入秒级Unix时间戳
# custom_time = 1704076200
# p = Point("title_meas").field("column_data", value_data).time(custom_time, WritePrecision.S)

write_api.write(bucket=bucket, org=org, record=p)
# 异步写入完成后建议调用close刷入缓存数据
write_api.close()
client.close()

influxdb-client原生支持直接传入Pandas DataFrame写入，不需要逐行构造Point对象，大幅提升大批量数据写入效率。
实现要求：

• 将DataFrame的时间列设置为索引，时间列建议转为带UTC时区的datetime类型
• 写入时指定测量名、标签列（如果没有可以不传），字段会自动识别为索引外未被标记为标签的列
  示例代码：

import pandas as pd

# 示例DataFrame结构，包含时间、标签、字段
df = pd.DataFrame({
    "timestamp": [1704076200, 1704076201, 1704076202],
    "device_id": ["dev1", "dev1", "dev2"], # 标签列示例
    "column_data": [12.3, 15.6, 9.2]
})
# 时间列预处理：转为datetime并设置为索引
df["timestamp"] = pd.to_datetime(df["timestamp"], unit="s", utc=True)
df = df.set_index("timestamp")

# 直接写入DataFrame
write_api.write(
    bucket=bucket,
    org=org,
    record=df,
    data_frame_measurement_name="title_meas", # 指定测量名
    data_frame_tag_columns=["device_id"], # 指定要作为标签的列，无标签可省略该参数
    write_precision=WritePrecision.S # 匹配你的时间精度
)

注意事项：

• 时间列必须设置为索引才能被识别为InfluxDB的时间键
• 建议统一使用UTC时区的时间，避免时区偏移导致数据时间异常
• 大批量数据写入时可以搭配批量写入参数调整批次大小，进一步提升性能

内容的提问来源于stack exchange，提问作者cytings