# 「用户案例」阿里云 InfluxDB 退市在即：573 个 shard 迁移至 GreptimeDB 实录

Source: https://greptime.cn/blogs/2026-08-20-aliyun-influxdb-to-greptimedb-migration

## 前言

阿里云 InfluxDB 托管服务将于 2026 年 10 月 23 日[退市](https://help.aliyun.com/zh/document_detail/2931902.html)，对还在使用的业务来说，迁移已经是必须排期的事。

本文记录一次从阿里云 InfluxDB 到 [GreptimeDB 企业版](https://greptime.cn/product/enterprise)的完整迁移实践：借助 influxd backup / influxd restore / influx_inspect export 与 GreptimeDB 的 InfluxDB 写入协议，按 shard 中继搬迁，完成 2 年多、6 个库、573 个 shard 的数据迁移。

## 背景

明德盛元面向零碳工厂、园区、商业综合体等场景，通过光储充、分布式发电、地热余热回收等技术，将绿电、绿热、节能减排、双碳管理及虚拟电厂统一规划建设运营，为行业客户提供零碳园区整体解决方案。

其核心平台长期运行在阿里云上，使用阿里云时序数据库 InfluxDB 版（InfluxDB 1.x 兼容）作为时序数据的存储底座，采集和存储来自设备、EMS 等业务系统的监控与运行数据。

<div style="text-align: center;">
  <img src="/zh/blogs/2026-08-20-aliyun-influxdb-to-greptimedb-migration/dashboard.png" alt="明德储能云平台数据大屏" style="max-width: 960px; width: 100%;" />
  <p style="font-size: 0.9em; font-style: italic; color: #888;">储能云平台数据大屏：站点、装机容量、告警与循环效率的实时汇总</p>
</div>

<div style="text-align: center;">
  <img src="/zh/blogs/2026-08-20-aliyun-influxdb-to-greptimedb-migration/monitoring-detail.png" alt="站点运行监测详情页" style="max-width: 960px; width: 100%;" />
  <p style="font-size: 0.9em; font-style: italic; color: #888;">单站点运行监测：充放电量、SOC/SOH、电能流向与近 24 小时趋势</p>
</div>

平台整体架构如下，时序数据的存储位于「数据存储」层：

<div style="text-align: center;">
  <img src="/zh/blogs/2026-08-20-aliyun-influxdb-to-greptimedb-migration/architecture.png" alt="用户平台整体技术架构" style="max-width: 960px; width: 100%;" />
  <p style="font-size: 0.9em; font-style: italic; color: #888;">平台技术架构，时序底座迁移后由 GreptimeDB 承接</p>
</div>

经过两年多的运行，这套 InfluxDB 集群的规模是：

- **6 个数据库**：`db-1`、`db-2`、`db-3`、`db-4`、`db-5`、`db-6`；
- **573 个 shard**，覆盖 2024 年 6 月至 2026 年 8 月约 2 年 2 个月的数据；
- 按周做数据分片（shard group），统一使用默认保留策略 `autogen`。

随着数据量与查询需求的持续增长，团队开始评估将时序底座从托管 InfluxDB 迁往一个更开放、查询能力更强、成本更可控的方案，最终选定了 GreptimeDB。

## 为什么要离开阿里云 InfluxDB

阿里云 InfluxDB 作为托管服务，胜在部署简单、免运维。但在生产环境跑了两年后，几个问题逐渐暴露出来：

- **产品退市**：2026 年 10 月 23 日之后，阿里云 InfluxDB 不再提供服务和技术支持。
- **查询能力受限**：InfluxQL 的表达能力有限，复杂的关联分析、聚合与二次计算要么写不出来，要么需要把数据搬出去处理；
- **托管服务的黑盒限制**：无法直接访问底层数据文件，也无法使用 `influx_inspect` 等工具对数据做本地化处理；
- **成本随规模线性增长**：随着 shard 数量与数据量上升，实例与存储成本持续增加，且缺少压缩与生命周期管理的精细手段；
- **演进受限**：托管 InfluxDB 版本与能力由云厂商决定，团队无法自主升级、扩展或引入新的索引与查询能力。

GreptimeDB 提供了[标准 SQL 查询](https://docs.greptime.cn/user-guide/ingest-data/for-iot/sql/)、列式存储与高压缩率、存算分离架构，同时原生兼容 InfluxDB 写入协议。这意味着迁移后，既有写入链路的改动可以降到最低，查询与存储能力也能同步升级。

## 迁移难点：托管服务只给了备份这一条路

迁移的第一步，是搞清楚数据怎么拿出来。这里有一个关键约束：

> 阿里云 InfluxDB 是托管服务，用户无法直接接触到底层的 TSM 数据文件，也没有 `influx_inspect` 可用。**唯一稳定可靠的取数途径，就是 `influxd backup -portable` 备份接口。**

但紧接着第二个问题来了：`influxd backup` 产出的是 InfluxDB 自己的可移植备份格式（元数据 + TSM 数据文件），GreptimeDB 并不能直接导入这种格式。GreptimeDB 能直接吃的是 **InfluxDB Line Protocol（行协议）**。

于是，整个迁移方案的关键设计就明确了——**引入一台自建 InfluxDB 作为中继站**：

```text
阿里云 InfluxDB ──(influxd backup)──> 备份文件
        │
        └──(influxd restore)──> 自建 InfluxDB（中继）
                                        │
                    (influx_inspect export -lponly)
                                        │
                                        ▼
                              Line Protocol 文件
                                        │
                                (写入 GreptimeDB)
                                        ▼
                                  GreptimeDB 企业版
```

同时，考虑到数据量较大（2 年多、上百个 shard），团队没有选择整库一次性搬迁，而是**按 shard 逐个迁移**。这样做有几个好处：

- 单次操作的数据量可控，内存和磁盘占用有界；
- 单个 shard 失败不影响整体进度，可以重跑；
- 迁移进度可观测；
- 后续还可以按 shard 并行加速。

## 迁移方案：四步中继搬迁

下面以 `db-1` 库为例，展示单个 shard 的完整迁移流程。整个流程由四步组成。

### 第一步：从阿里云备份 shard

```bash
influxd backup -portable \
  -host ${InfluxDB_IP}:8088 \
  -db db-1 \
  -rp autogen \
  -shard 1 \
  /data/backup/shard_1
```

- `-portable`：生成可移植备份格式，便于跨环境恢复；
- `-host`：阿里云 InfluxDB 实例的备份地址（默认 8088 端口）；
- `-db` / `-rp` / `-shard`：把备份范围精确限定到单个 shard，避免整库备份。

### 第二步：恢复到自建 InfluxDB

```bash
influxd restore -portable \
  -db db-1 \
  -rp autogen \
  -shard 1 \
  -newdb db-1 \
  /data/backup/shard_1
```

在自建的 InfluxDB 1.x 实例上执行恢复。这台自建实例就是中继站，`-db` 是备份文件里的源库名，`-newdb` 指定恢复后的目标库名。

### 第三步：导出自建 InfluxDB 数据

```bash
influx_inspect export -database db-1 -lponly -datadir ${InfluxDB_Data_Directory} -waldir ${InfluxDB_WAL_Directory} -out /data/export_data/shard_1
```

这一步把 TSM 数据文件转换成人类可读的 **InfluxDB Line Protocol** 文本。这里有两点值得注意：

- **`-lponly` 一定要加**：它表示只导出 line protocol，不导出 DDL 元数据。如果不加，导出的文件里会混入建库建表语句，后续写入 GreptimeDB 时会报错；
- **恢复后要稍等片刻再导出**：restore 完成后，数据可能还留在 WAL 中尚未完全落盘。等十几秒到几十秒再执行 export，能避免漏数据。

### 第四步：导入 GreptimeDB

```bash
export GREPTIME_USERNAME=<greptime_username>
export GREPTIME_PASSWORD=<greptime_password>
export GREPTIME_HOST=<host>
export GREPTIME_DB=<db-name>
for file in /data/export_data/shard*; do
  curl -i --retry 3 \
    -X POST "http://${GREPTIME_HOST}:4000/v1/influxdb/write?db=${GREPTIME_DB}&u=${GREPTIME_USERNAME}&p=${GREPTIME_PASSWORD}" \
    --data-binary @"${file}"
  sleep 1
done
```

GreptimeDB 原生支持 InfluxDB 写入协议，v1 写入端点 `/v1/influxdb/write` 位于 HTTP 端口 4000 上，通过 `db`、`u`、`p` 三个查询参数即可指定数据库并传入认证信息（注意：`u`/`p` 放在 URL 查询参数中可能会被代理/访问日志记录；生产环境建议使用 HTTPS，并尽量避免在共享环境中暴露凭据）。Line Protocol 中的 measurement 会自动映射为 GreptimeDB 的表，tag 映射为标签列，field 映射为字段列，时间戳映射为时间索引，无需额外转换。

本文只覆盖了这次迁移实际走的路径。官方文档[从 InfluxDB 迁移至 GreptimeDB](https://docs.greptime.cn/user-guide/migrate-to-greptimedb/migrate-from-influxdb/) 还介绍了 v2 行协议端点、Telegraf 与各语言客户端库的写法，以及 InfluxQL 到 SQL / PromQL 的查询改写，做迁移评估时可以一并参考。

## 批量编排与可恢复性

单个 shard 的四步流程，被封装进一个批量迁移脚本，按 shard 列表逐个循环执行，每一步都落日志、判失败，并在单个 shard 处理完成后清理自建库，避免中继站数据堆积。

这里真正考验人的，其实是**shard 列表怎么确定**。如果简单地认为 shard ID 是连续的，就会踩坑。以 **db-1** 库为例，有 111 个 shard ID，实际分成三段：

| 分段   | shard ID 范围                               | 数量 | 说明                                                         |
| ------ | ------------------------------------------- | ---- | ------------------------------------------------------------ |
| 连续段 | 85–126                                      | 42   | 早期（2024-06 ~ 2025-05），业务库较少，ID 连续               |
| 散列段 | 129、177、183、188、195、201、206、211、216 | 9    | 过渡期（2025 年中），其他库陆续接入，ID 开始交错             |
| 步进段 | 222–576，步进 6                             | 60   | 稳定期（2025-06 之后），6 个库共享全局序列，单库 ID 呈步进 6 |

总量正好是 111 个。这个步进 6 的由来，是**多个数据库共享同一个全局递增的 shard ID 序列**：每个周分片，6 个库各分到一个连续的 shard ID，于是对单个库来说，相邻两个 shard 的 ID 就相差 6。因此，迁移前一定要先导出并分析 shard 结果，把实际存在的 shard 列表理清楚，而不是想当然地做连续枚举。

## 踩坑与经验

- **先摸清 shard 分布，再动手迁移**：多库共享全局 shard ID 序列，导致单个库的 shard ID 不连续、存在跳号。迁移前用 `show shards` 导出完整清单并做分析，是避免漏迁、错迁的第一步。
- **警惕脏数据 shard**：在 `show shards` 分析中发现库中存在一个 start_time 为 `1969-12-29` 的异常 shard，疑似时间戳写入异常。这类 shard 需要在迁移前后单独核对数据完整性。
- **restore 之后要等待 WAL 落盘**：恢复到自建库后立即 export，可能因为数据还停留在 WAL 里而漏数据，等上十几秒到几十秒更稳妥。
- **`-lponly` 不可省略**：只导出 line protocol、跳过 DDL，才能让导出的文件干净地写入 GreptimeDB。
- **导入要限流 + 重试**：`--retry 3` 与 `sleep 1` 的组合，能有效规避瞬时失败与写入反压。
- **单个 shard 处理完就清理中继库**：及时 `drop database`，防止自建 InfluxDB 的数据目录越积越大。

## 效果与收益

通过这套按 shard 中继搬迁方案，客户把 2 年多、6 个库、573 个 shard 的时序数据从阿里云 InfluxDB 完整迁入了 GreptimeDB 企业版：

- **数据无损、过程可控**：按 shard 迁移 + 逐步校验，迁移过程可观测、可续传，单个失败不影响整体；
- **写入链路改动最小**：GreptimeDB 兼容 InfluxDB 写入协议，原有数据采集与写入端的改造量很低；
- **查询能力升级**：从 InfluxQL 切换到标准 SQL，复杂分析、关联与聚合的表达能力大幅提升，同时可借助 [greptimedb-mcp-server](https://github.com/GreptimeTeam/greptimedb-mcp-server) 提供的 MCP（Model Context Protocol）能力，让 AI 助手直接连接 GreptimeDB 进行数据取数与分析，进一步降低使用门槛；
- **存储成本可控**：GreptimeDB 的列式存储与高压缩率，配合企业版的 TTL 生命周期管理与对象存储分层，为持续增长的数据量留出了成本空间；
- **运维更省心**：GreptimeDB 企业版提供高性能写入、主备双活、监控告警与专家支持，让团队不必再受托管黑盒的限制。

## 总结

本文通过自建 InfluxDB 中继 + 按 shard 迁移的方式，把阿里云 InfluxDB 数据转成 line protocol 后迁入 GreptimeDB。这套方案不依赖任何黑科技，全部建立在 InfluxDB 与 GreptimeDB 原生能力之上，就能解决托管服务的迁移难题。

阿里云 InfluxDB 将于 2026 年 10 月 23 日退市，Amazon Timestream for LiveAnalytics 也已自 2025 年 6 月起对新客户关闭。国内外都有不少团队正在面临同样的迁移问题。GreptimeDB 兼容 InfluxDB 写入协议，同时支持标准 SQL 查询，已经承接了一批这样的迁移。如果你也在做类似的评估，欢迎与我们[联系](https://greptime.cn/contactus)，或添加微信小助手：greptime。
