共计 2655 个字符，预计需要花费 7 分钟才能阅读完成。
时序数据库 (Time Series Database) 是用于存储和治理工夫序列数据的专业化数据库，具备写多读少、冷热明显、高并发写入、无事务要求、海量数据继续写入等特点，能够基于工夫区间聚合剖析和高效检索，广泛应用在物联网、经济金融、环境监控、工业制作、农业生产、硬件和软件系统监控等场景。
随着技术的一直倒退，时序数据库这个赛道里最近几年呈现了很多的佼佼者，明天就来将这些时序数据库从性能到利用一起梳理比照下。
1 TDengine vs InfluxDB 性能 PK
性能是用户在抉择和应用时序数据库时十分关注的一个点。
1.1 数据库介绍
InfluxDB
是一个用 Go 语言编写的开源时序数据库。其外围是一个自定义构建的存储引擎，它针对时序数据进行了优化，是目前最为风行的时序数据库之一。
TDengine
是一款集成了音讯队列，数据库，流式计算等性能的物联网大数据平台。该产品不依赖任何开源或第三方软件，领有齐全自主知识产权，具备高性能、高牢靠、可伸缩、零治理、简略易学等技术特点。TDengine 是以后时序数据库畛域中一匹势头正劲的黑马，在国产时序数据库中算是 No.1 了。
“一言不合上数据”，接下来，咱们正式进入测试环节。
1.2 环境筹备
为了不便大家复现，咱们所有的测试都是运行在 Ubuntu 20.10 的两台 azure 虚拟机上进行的，配置如下：
1.3 测试方法与步骤
通过一系列装置软件及代码筹备工作之后，咱们开始进行脚本测试数据工作：
批改脚本：
须要将 timeseriesdatabase-comparisons/build/tsdbcompare/write_to_server.sh，把 add=’tdvs’，批改为你选用的数据库服务端 hostname。
运行脚本测试：
timeseriesdatabasecomparisons/build/tsdbcompare/loop_scale_to_server.sh留神：如果遇到烦扰因素导致写入失败，能够手动传入参数再次执行失去测试后果。
1.4 理论测量数据
通过一番测试后，咱们制作了这样一张表格。通过它咱们能够分明地看到：不论是单线程还是多线程，不论是小批次还是大批次，TDengine 都始终稳稳放弃着 2 倍左右的速度劣势。
其中 5000batch，16wokers 的场景下（InfluxDB 与 Graphite 的比照报告中的测试项），InfluxDB 耗时 35.04 秒，而 TDengine 耗时仅 17.92 秒。
1.5 PK 论断
以后的测试后果比拟无力地阐明了两点论断：
- 在 InfluxDB 公布的本人最优的条件下，TDengine 的写入速度是它的两倍。
- 当设施数放大到 1000 的时候，TDengine 的写入速度是 InfluxDB 的 5 倍左右。
咱们应用该测试条件（5000batch size，16workers）作出两张以设施台数为横轴的折线图，因为这将极具代表性。
这两张图充分说明了一点：设施数越多，数据量越大，TDengine 的劣势就越显著。
而思考到本次性能测试比照的接口类型并不统一，TDengine 采纳的是 cgo 接口而 InfluxDB 为 rest，性能上会有大量浮动，绝不会从根本上扭转后果。
2、TDengine vs Prometheus 架构设计 PK
通过比照能加深对这两个零碎的了解，不便后续架构选型时作出正确决定。他们的设计思路有很多值得借鉴的中央，尽管目前工作中须要用到这些设计思路的中央不多，然而理解他们的设计能极大满足我的好奇心。
2.1 架构、实现计划不同之处
Prometheus 架构设计
通过 prometheus 的架构图能够看出，prometheus 提供了本地存储，即 tsdb 时序数据库。本地存储的劣势就是运维简略，毛病就是无奈海量的 metrics 长久化和数据存在失落的危险，咱们在理论应用过程中，呈现过几次 wal 文件损坏，无奈再写入的问题。
当然 prometheus2.0 当前压缩数据能力失去了很大的晋升。为了解决单节点存储的限度，prometheus 没有本人实现集群存储，而是提供了近程读写的接口，让用户本人抉择适合的时序数据库来实现 prometheus 的扩展性。
TDengine 分布式系统架构设计
如上图所示，在数据节点（Dnode）、虚构节点（Vnode）、治理节点（Mnode）之上，TDengine 3.0 集群新增了弹性计算节点（Qnode）和流计算节点（Snode）。其中 Qnode 次要在运行查问计算工作中起作用，当一个查问执行时，依赖执行打算，调度器会安顿一个或多个 Qnode；Snode 次要负责运行流计算工作，能够同时执行多个。
2.2 利用差别点
面向场景不同
• Prometheus
Prometheus 专一于运维须要的指标数据，特点是存储的就是一个数值，数据附带了很多维度信息，作为标签。
# 如：cpu_total_seconds：{timestamp=2020-09-05-21-27, host="192.168.1.10", type="idle"}=3551341；Prometheus 专一于单机性能，用于存储最近一段时间数据，没有长期长久化的思考，弱化分布式集群性能，由其余组件（如 Thanos）来实现高可用。
• TDengine
TDengine 用于存储工业中某类传感器设施采集的指标，所以数据类型多样，如浮点，字符串等。
TDengine 面向工业物联网时序场景，数据具备量大、写操作为主读操作为辅、更新删除操作较少等特点，TDengine 从这些数据特点登程设计了存储、查问、写入的性能特色，为了缩小零碎架构的繁杂，TDengine 还自带了数据订阅、流式计算等性能。
TDengine 心愿通过分布式集群来提供可扩展性、高牢靠和高性能，防止单点故障，免费版就是提供集群能力，有长久化多级存储在不同设施上的能力。
应用形式不同
• Prometheus
Prometheus 不须要提前建表，而 TDengine 是关系型数据库模型，须要提前定义好表构造。写入的数据须要自带形容，蕴含很多不同维度的标签(lable)，这些都是动静的。
• TDengine
TDengine 一个采集点一张表，所以一张表不会并发写入。而 Promtheus 为了防止存储的采样数据产生很多小文件，是以块为单位存储指标的。
总而言之，作为时序数据库中的一匹“黑马”，TDengine 还是较为可圈可点的，如果你也有时序数据处理的难题待解，也能够尝试调研一下。TDengine 开源地址：https://github.com/taosdata/T…
