转载请注明出处：

　　使用 github.com/influxdata/influxdb/client/v2 依赖包向 InfluxDB 写入数据的示例代码：

package main

import (
"fmt"
"log"
"time"

"github.com/influxdata/influxdb/client/v2"  

)

const (
MyDB = "mydb"
username = ""
password = ""
)

func main() {
c, err := client.NewHTTPClient(client.HTTPConfig{
Addr: "http://localhost:8086",
Username: username,
Password: password,
})
if err != nil {
log.Fatal(err)
}
defer c.Close()

bp, err := client.NewBatchPoints(client.BatchPointsConfig{  
    Database:  MyDB,  
    Precision: "s", // 时间戳精度，例如："s"表示秒，"ms"表示毫秒  
})  
if err != nil {  
    log.Fatal(err)  
}

tags := map\[string\]string{"tag1": "value1", "tag2": "value2"}  
fields := map\[string\]interface{}{  
    "value": 10.4,  
}

pt, err := client.NewPoint(  
    "measurement\_name",  
    tags,  
    fields,  
    time.Now(),  
)  
if err != nil {  
    log.Fatal(err)  
}

bp.AddPoint(pt)

err = c.Write(bp)  
if err != nil {  
    log.Fatal(err)  
}

fmt.Println("Data written to InfluxDB successfully!")  

}

　　1.为了提高写入性能，建议使用 client.NewBatchPoints 创建一个批量写入对象（BatchPoints）。将各个数据点添加到 BatchPoints 对象中，并使用 c.Write 方法一次性将整个批量写入发送给 InfluxDB。

　　2.时间戳和精度：在创建数据点时，可以指定时间戳。确保时间戳是有效的，并且按照正确的时间戳格式提供。还要注意选择合适的时间戳精度，例如秒（"s"）或毫秒（"ms"），以便与 InfluxDB 中定义的时间戳精度匹配。

　　3.字段类型：根据你在 InfluxDB 数据库中定义的字段类型，确保传递给数据点的字段值类型是正确的。如果字段类型不匹配，可能会导致解析错误。

　　4.标签和字段：在创建数据点时，可以指定标签（tags）和字段（fields）。标签用于标识和过滤数据，而字段包含真实的数据值。确保传递给数据点的标签和字段的名称和值是正确的。

　　5.错误处理：在代码中进行适当的错误处理，例如检查函数返回的错误并采取相应的措施，比如日志记录或错误处理。

　　在 开发过程中遇到 写数据到influxdb 报错：unable to parse points ,总结下自己的踩坑原因: 由于我在 封装 fields 时，使用的数据类型是 int 与 *big.Int，在写数据库时解析不了，抛出异常 unable to parse points。

　　相关类型的保存与转换总结：

1. 整数类型：InfluxDB 支持的整数类型是 int64。如果你的 Go 变量是 int 类型或其他整数类型（如 int8、int16、int32），则需要将其转换为 int64 类型。

2. 浮点数类型：InfluxDB 支持的浮点数类型是 float64。如果你的 Go 变量是 float32 或其他浮点数类型，则需要将其转换为 float64 类型。

3. 布尔类型：InfluxDB 支持布尔类型。如果你的 Go 变量是 bool 类型，则不需要进行任何转换。

4. 字符串类型：InfluxDB 支持字符串类型。如果你的 Go 变量是 string 类型，则不需要进行任何转换。

5. 大整数类型：如果你在处理大整数时使用了 big.Int 类型，你可能需要将其转换为适当的类型，以便与 InfluxDB 的字段类型匹配。例如，可以使用 int64 或字符串来表示大整数。

   　　确保根据 InfluxDB 数据库中定义的字段类型和数据模型来选择正确的类型，并根据需要进行必要的类型转换。这样可以避免在写入数据时出现类型不匹配的错误。

   　　同时，还应注意使用正确的时间戳精度（例如秒、毫秒等）和正确的时间格式，以便在写入数据时与 InfluxDB 数据库进行正确的交互。