InfluxDays 回顾 – Paul Dix 和 InfluxDB 的旅程
作者:Jason Myers / 产品, 用例
2022 年 11 月 03 日
导航至
俗话说,人生是一段旅程,而不是目的地。软件也是如此。任何开发人员都不太可能说他们构建的东西真正完成了。总是有错误需要修复、功能需要添加以及更新需要实施。作为一家专注于时间和时间背景的公司,这些主题在 Paul Dix 为 InfluxDays 所做的演示中发挥了重要作用,这一点不足为奇。
Paul 确定了时间序列数据库的两个特定功能。第一个是时间序列数据库是存储值和元数据的地方。第二个是时间序列数据库使用原始数据进行即时计算。当 InfluxDB 首次上市时,可用于处理时间序列数据的选项实现了第一个功能,即时间序列数据的存储。
在开始时…
RRDtool 和 Graphite 等解决方案利用了循环数据库结构的变体。然而,关于循环文件格式的主要假设之一是所有时间序列都是规则的。由于事件的存在,我们知道事实并非如此。
OpenTSDB(另一个早期的时间序列数据库)的数据模型不依赖于循环数据结构。OpenTSDB 数据模型更接近 InfluxDB 在 行协议 中使用的模型,但它只能处理少量的元数据标签,而不会影响性能。
当 InfluxData 在 2013 年推出 InfluxDB 时,这就是时间序列数据库领域的格局。InfluxDB 提供的主要区别之一是支持指标和事件。我们这样做是为了尝试解决时间序列数据库的两个关键功能——存储数据和即时计算。
随着 InfluxDB 的发展,我们开发了行协议数据模型,该模型允许快速摄取和广泛的标记。最终,早期版本的 InfluxDB 在低基数数据集上具有快速查找和查询执行能力,但高基数数据集的速度较慢且计算成本更高。
…走向未来
对 InfluxDB 的历史回顾非常重要,因为它将平台的未来置于上下文中。InfluxDB 的第二个主要迭代在解决时间序列数据库功能方面做得相当好,但基数问题仍然是用户希望从时间序列数据库获得的性能和用例支持的障碍。
最新版本的 InfluxDB 由 IOx 提供支持,依赖于列式结构。这允许更高效的数据压缩,因为它使用 Apache Parquet 进行每列压缩和编码。Parquet 只是 InfluxDB 所做的众多重大改进之一,但这些更新共同有效地消除了基数限制。InfluxDB IOx 真正是一个时间序列数据库,它既提供存储,又能够从高精度原始数据中即时计算时间序列。
下一代 InfluxDB 的其他新增功能包括对 SQL 查询的本机支持和边缘联合,以便用户能够以符合其用例的方式处理其高保真数据。由 IOx 提供支持的 InfluxDB 现在在 InfluxDB Cloud 中可用。
有关 IOx 的更多信息,请查看公告。