在构建任何软件应用程序时，选择合适的数据库至关重要。所有数据库在性能方面都有不同的优势和劣势，因此，针对您的特定用例和数据模型，决定哪个数据库的优势最大，缺点最少，是一项重要的决策。下面您将找到 Amazon Timestream for LiveAnalytics 和 Azure Data Explorer 的关键概念、架构、功能、用例和定价模型的概述，以便您可以快速了解它们之间的比较。
本文的主要目的是比较 Amazon Timestream for LiveAnalytics 和 Azure Data Explorer 在涉及 时间序列数据 的工作负载中的性能，而不是针对所有可能的用例。时间序列数据通常在数据库性能方面提出了独特的挑战。这是由于大量数据被写入以及访问该数据的查询模式造成的。本文并非旨在论证哪个数据库更好；它只是提供了每个数据库的概述，以便您可以做出明智的决定。
Amazon Timestream for LiveAnalytics 与 Azure Data Explorer 细分
 |
 |
|
| 数据库模型 | 时间序列数据库 |
列式数据库 |
| 架构 | Timestream 是一种完全托管的无服务器时间序列数据库服务，仅在 AWS 上可用。 |
ADX 可以作为托管服务部署在 Azure 云中，并且可以轻松地与其他 Azure 服务和工具集成，以实现无缝的数据处理和分析。 |
| 许可证 | 闭源 |
闭源 |
| 用例 | 物联网、DevOps、时间序列分析 |
日志和遥测数据分析、实时分析、安全和合规性分析、物联网数据处理 |
| 可扩展性 | 无服务器且自动可扩展，无需人工干预即可处理摄取、存储和查询工作负载 |
高度可扩展，支持水平扩展、分片和分区 |
正在寻找最有效率的入门方式？
无论您是在寻找成本节约、更低的 管理开销还是开源，InfluxDB 都能帮您实现。
Amazon Timestream for LiveAnalytics 概述
Timestream for LiveAnalytics 是 AWS 开发的完全托管的无服务器时间序列数据库服务。Amazon Timestream for LiveAnalytics 于 2020 年推出，专为处理时间序列数据而设计，使其成为物联网、监控和分析应用程序的理想选择，这些应用程序需要高摄取率、高效存储和快速查询能力。作为 AWS 生态系统的一部分，Timestream for LiveAnalytics 可以轻松地与其他 AWS 服务集成，从而简化了在云中构建和部署时间序列应用程序的过程。AWS 还提供 Timestream for InfluxDB，它是 InfluxDB 的托管版本，与 InfluxDB 2.x API 兼容，并 与 InfluxData 合作发布。
Azure Data Explorer 概述
Azure Data Explorer 是一个基于云的完全托管的大数据分析平台，作为 Microsoft Azure 平台的一部分提供。它由 Microsoft 于 2018 年宣布推出，并作为 PaaS 产品提供。Azure Data Explorer 为摄取和查询遥测数据、日志和时间序列数据提供了高性能的功能。
Amazon Timestream for LiveAnalytics 用于时间序列数据
Amazon Timestream for LiveAnalytics 专为处理时间序列数据而设计，使其成为需要高摄取率和高效存储的各种应用程序的合适选择。其双层存储架构，包括内存存储和磁盘存储，允许用户根据数据年龄和访问模式管理数据保留和优化存储成本。此外，Timestream 支持类似 SQL 的查询，并与流行的分析工具集成，使用户可以轻松地从其时间序列数据中获得洞察力。
Azure Data Explorer 用于时间序列数据
Azure Data Explorer 非常适合处理时间序列数据。其高性能功能和摄取大量数据的能力使其适用于近乎实时地分析和查询时间序列数据。凭借其高级查询运算符，例如计算列、在行上搜索和过滤、按聚合分组和连接，Azure Data Explorer 可以有效分析时间序列数据。其可扩展的架构和分布式特性确保它可以有效地处理时间序列数据的速度和容量要求。
Amazon Timestream for LiveAnalytics 关键概念
- 内存存储：在 Amazon Timestream for LiveAnalytics 中，内存存储是一个组件，用于在内存中存储最近的、可变的时间序列数据，以便进行快速查询和分析。
- 磁盘存储：Amazon Timestream for LiveAnalytics 中的磁盘存储负责在磁盘上存储历史的、不可变的时间序列数据，以实现经济高效的长期存储。
- 生存时间 (TTL)：Amazon Timestream for LiveAnalytics 允许用户在其时间序列数据上设置 TTL，该 TTL 确定数据在内存存储中保留多长时间，然后才会被移动到磁盘存储或删除。
Azure Data Explorer 关键概念
- 关系数据模型：Azure Data Explorer 是一个基于关系数据库管理系统的分布式数据库。它支持数据库、表、函数和列等实体。与传统 RDBMS 不同，Azure Data Explorer 不强制执行诸如键唯一性、主键或外键之类的约束。相反，必要的关联是在查询时建立的。
- Kusto 查询语言 (KQL)：Azure Data Explorer 使用 KQL，这是一种功能强大且富有表现力的查询语言，使用户可以轻松地探索和分析其数据。
- 扩展盘区：在 Azure Data Explorer 中，数据被组织成称为扩展盘区的单元，这些单元是不可变的、压缩的记录集，可以有效地存储和查询。
Amazon Timestream for LiveAnalytics 架构
Amazon Timestream for LiveAnalytics 构建在无服务器分布式架构之上，该架构支持类似 SQL 的查询功能。其数据模型专为时间序列数据量身定制，使用带时间戳的记录和灵活的架构，可以适应不同的数据粒度和维度。Timestream 架构的核心组件包括内存存储和磁盘存储，它们共同管理数据保留、存储和查询。内存存储针对最近数据的快速查询进行了优化，而磁盘存储为历史数据提供了经济高效的长期存储。
Azure Data Explorer 架构
Azure Data Explorer 构建在云原生分布式架构之上，该架构同时支持 NoSQL 和类似 SQL 的查询功能。它是一个基于列式存储的数据库，利用压缩的不可变数据扩展盘区来实现高效的存储和检索。Azure Data Explorer 架构的核心组件包括控制平面、数据管理和查询处理。控制平面负责管理资源和元数据，而数据管理组件处理数据摄取和组织。查询处理负责执行查询并将结果返回给用户。
免费时间序列数据库指南
获取对备选方案的全面审查以及选择数据库的关键要求。
Amazon Timestream for LiveAnalytics 功能
无服务器架构
Amazon Timestream for LiveAnalytics 无服务器架构消除了用户管理或配置基础设施的需求，从而易于扩展并减少了运营开销。
双层存储
Timestream 的双层存储架构，包括内存存储和磁盘存储，根据数据年龄和访问模式自动管理数据保留并优化存储成本。
类似 SQL 的查询
Amazon Timestream for LiveAnalytics 支持类似 SQL 的查询，并与流行的分析工具集成，使用户可以轻松地从其时间序列数据中获得洞察力。
Timestream for InfluxDB
对于需要近实时查询和单毫秒延迟的工作负载，AWS 建议使用 Timestream for InfluxDB 而不是 LiveAnalytics。Timestream for InfluxDB 还为想要 AWS 托管服务而无需更新其代码的用户提供了与 InfluxDB API 的兼容性。
Azure Data Explorer 功能
高性能数据摄取
Azure Data Explorer 可以以每个节点每秒 200 MB 的速率摄取数据，提供快速高效的数据摄取功能。
数据可视化
Azure Data Explorer 与流行的数据可视化工具（如 Power BI、Grafana 和 Jupyter Notebooks）无缝集成，允许用户轻松地可视化和分析其数据。
高级分析
Kusto 查询语言 (KQL) 支持高级分析功能，例如时间序列分析、模式识别和异常检测，使用户可以从其数据中获得更深入的洞察力。
灵活的架构
与传统关系数据库不同，Azure Data Explorer 不强制执行诸如键唯一性、主键或外键之类的约束。这种灵活性允许动态架构更改以及处理半结构化和非结构化数据的能力。
Amazon Timestream for LiveAnalytics 用例
物联网应用
Amazon Timestream for LiveAnalytics 对高摄取率和高效存储的支持使其成为监控和分析来自物联网设备（例如传感器和智能家电）的数据的理想选择。
DevOps
LiveAnalytics 可用于一般的 DevOps 工作负载，例如监控应用程序健康状况和利用率。对于需要实时监控和尽可能低延迟的用例，AWS 建议使用 Timestream for InfluxDB。
分析
Amazon Timestream for LiveAnalytics 可用于跟踪分析数据，例如 Web 和应用程序数据。然后可以使用内置的时间序列分析功能来聚合和分析数据，从而获得有价值的洞察力，并提高开发人员的工作效率。
Azure Data Explorer 用例
日志分析
Azure Data Explorer 通常用于日志分析，它可以摄取、存储和分析应用程序、服务器和基础设施生成的大量日志数据。组织可以使用 Azure Data Explorer 来监控应用程序性能、排除问题、检测异常并深入了解用户行为。近乎实时地分析日志数据的能力使组织能够主动解决问题并提高运营效率。
遥测分析
Azure Data Explorer 非常适合遥测分析，它可以处理和分析物联网设备、传感器和应用程序生成的数据。组织可以使用 Azure Data Explorer 来监控设备健康状况、优化资源利用率并检测遥测数据中的异常。该平台的可扩展性和高性能功能使其成为处理物联网设备生成的大量数据的理想选择。
时间序列分析
Azure Data Explorer 用于时间序列分析，它可以摄取和分析随时间收集的时间戳数据点。此用例适用于各个行业，包括金融、医疗保健、制造和能源。组织可以使用 Azure Data Explorer 来分析趋势、检测模式并根据历史时间序列数据预测未来事件。该平台的高级查询运算符和实时分析功能使组织能够从时间序列数据中获得有价值的洞察力。
Amazon Timestream for LiveAnalytics 定价模型
Amazon Timestream for LiveAnalytics 提供基于数据摄取、存储和查询执行的按需付费定价模型。摄取成本由摄取到 Timestream 中的数据量决定，而存储成本基于内存存储和磁盘存储中存储的数据量。查询执行成本根据查询执行期间扫描和处理的数据量计算。Timestream 还为用户提供免费套餐，以探索该服务并构建概念验证应用程序而无需产生费用。
Azure Data Explorer 定价模型
Azure Data Explorer 的定价模型基于按需付费方式，客户根据其服务使用量付费。定价由数据摄取量、数据存储量和执行的查询数量等因素决定。此外，客户可以在提供不同性能和功能级别的不同定价层之间进行选择。Azure Data Explorer 还提供预留容量选项，允许客户以折扣价预留固定期限的资源。
免费开始使用 InfluxDB
InfluxDB Cloud 是开始存储和分析您的时间序列数据的最快方式。
