Puis-je connecter des données de séries temporelles InfluxDB à iDBQuery ?
Pas en tant que client de séries temporelles natif — mais vous pouvez analyser les données InfluxDB avec iDBQuery en exportant les mesures en CSV ou en les lisant via son API. iDBQuery interroge ensuite ces données en langage courant avec des réponses sourcées. Si vous utilisez TimescaleDB, iDBQuery s'y connecte directement en tant que Postgres.
iDBQuery se connecte nativement aux bases de données SQL, aux feuilles de calcul, aux fichiers, aux documents, aux API REST et aux entrepôts de données SQL. InfluxDB est une base de données de séries temporelles spécialisée, dotée de ses propres langages de requête (InfluxQL/Flux) : ce n'est donc pas une connexion native — mais ses données sont faciles à intégrer dans iDBQuery.
Options :
- Exporter en CSV — InfluxDB peut exporter les mesures en CSV via son API ou sa CLI. Pointez iDBQuery vers ces fichiers et interrogez-les en langage courant.
- Lire via son API — connectez iDBQuery à l'API HTTP d'InfluxDB comme source REST et traitez les résultats comme un jeu de données.
Une fois chargées, iDBQuery rédige le SQL, renvoie des graphiques et des tableaux, et source chaque valeur. Les questions de séries temporelles comme « la moyenne des relevés de capteurs par heure la semaine dernière » ou « la charge maximale par jour » fonctionnent naturellement, et vous pouvez combiner les métriques avec un contexte relationnel — en joignant par exemple les relevés d'appareils à une table d'actifs dans Postgres — dans un modèle unique et en direct.
À noter : si vous choisissez un magasin de séries temporelles ou que vous utilisez déjà TimescaleDB, celui-ci repose sur PostgreSQL, si bien qu'iDBQuery s'y connecte directement via son connecteur Postgres, sans étape d'export. De nombreuses équipes se standardisent sur Timescale précisément pour que leurs données de séries temporelles soient interrogeables par n'importe quel outil SQL, iDBQuery inclus.
Updated 2026-06-22