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,为您的特定用例和数据模型决定哪个数据库的优势最多,缺点最少,是一个重要的决定。下面您将找到 Apache Druid 和 OSI PI Data Historian 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 Apache Druid 和 OSI PI Data Historian 在涉及 时间序列数据 的工作负载中的性能表现,而不是所有可能的用例。时间序列数据通常在数据库性能方面提出了独特的挑战。这是由于正在写入的大量数据以及访问该数据的查询模式。本文并非旨在说明哪个数据库更好;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。

Apache Druid 与 OSI PI Data Historian 细分


 
数据库模型

列式数据库

时间序列数据库/数据历史库

架构

Druid 可以部署在本地、云端或使用托管服务

OSIsoft PI System 是一套软件产品,专为工业环境中时间序列数据的实时数据收集、存储和分析而设计。PI System 围绕 PI Server 构建,后者存储、处理数据并将其提供给客户端,并且可以部署在本地或云端。

许可

Apache 2.0

闭源

用例

实时分析、OLAP、时间序列数据、事件驱动型数据、日志分析、广告技术、用户行为分析

工业数据管理、实时监控、资产健康跟踪、预测性维护、能源管理

可扩展性

水平可扩展,支持分布式架构,实现高可用性和高性能

通过分布式架构、数据复制和数据联邦支持水平扩展,适用于大规模部署

正在寻找最有效率的入门方式?

无论您是在寻求成本节约、更低的维护管理开销还是开源,InfluxDB 都能提供帮助。

Apache Druid 概述

Apache Druid 是一个开源的实时分析数据库,专为高性能查询和数据摄取而设计。Druid 最初由 Metamarkets 于 2011 年开发,后来于 2018 年捐赠给 Apache 软件基金会,因其能够以低延迟处理大量数据而广受欢迎。Druid 具有独特的架构,结合了时间序列数据库、搜索系统和列式存储的元素,特别适合用于涉及事件驱动型数据和交互式分析的用例。

OSI PI Data Historian 概述

OSI PI,也称为 OSIsoft PI System,是一个企业级数据管理和分析平台,专门为处理来自工业过程、传感器和其他来源的时间序列数据而设计。PI System 由 OSIsoft(于 2021 年被 AVEVA 收购)开发,自 20 世纪 80 年代推出以来,已广泛应用于能源、制造、公用事业和制药等各个行业。它能够实时收集、存储、分析和可视化大量时间序列数据,使组织能够获得洞察力、优化流程并改进决策。


Apache Druid 用于时间序列数据

Apache Druid 专为实时分析而设计,非常适合处理需要在写入后快速分析的时间序列数据。Druid 还提供集成功能,用于将历史数据存储在更便宜的对象存储中,因此也可以使用 Druid 分析历史时间序列数据。

OSI PI Data Historian 用于时间序列数据

OSI PI 的创建目的就是为了存储时间序列数据,这使其成为需要管理大量传感器和过程数据的组织的理想选择。其架构和组件经过优化,可高效且以最小延迟收集、存储和分析时间序列数据。PI System 的可扩展性和性能使其成为处理工业过程、物联网设备或其他来源生成的大量数据的组织的理想解决方案。


Apache Druid 关键概念

  • 数据摄取:将数据从各种来源(如流式或批量数据源)导入 Druid 的过程。
  • :Druid 中最小的数据存储单元,段是不可变的、分区的和压缩的。
  • 数据汇总:在摄取期间聚合原始数据以减少存储需求并提高查询性能的过程。
  • 节点:Druid 的架构由不同类型的节点组成,包括 Historical、Broker、Coordinator 和 MiddleManager/Overlord,每个节点都有特定的职责。
  • 索引服务:Druid 的索引服务管理摄取数据、创建段以及将它们发布到深度存储的过程。

OSI PI Data Historian 关键概念

  • PI Server:PI System 的核心组件,负责数据收集、存储和管理。
  • PI 接口和 PI 连接器:从各种来源收集数据并将其发送到 PI Server 的软件组件。
  • PI 资产框架:一个建模框架,允许用户创建资产及其关联元数据的分层结构,从而更轻松地理解和分析数据。
  • PI DataLink:Microsoft Excel 的一个加载项,使用户能够直接从 Excel 访问和分析 PI System 数据。
  • PI ProcessBook:一种可视化工具,用于创建 PI System 数据的交互式图形显示。


Apache Druid 架构

Apache Druid 是一个强大的分布式数据存储,专为大型数据集上的实时分析而设计。在其架构中,几个核心组件在确保其效率和可扩展性方面发挥着关键作用。以下是为 Apache Druid 提供支持的核心组件的概述。

  • Historical 节点是 Druid 数据服务能力的基础。它们的主要职责是为查询提供存储的数据服务。为了实现这一点,它们从深度存储加载段,将它们保留在内存中,然后满足对这些段的查询。在考虑部署和管理时,这些节点通常部署在配备了大量内存和 CPU 资源的机器上。它们的扩展性显而易见,因为只需添加更多节点即可水平扩展。
  • Broker 节点充当传入查询的网关。它们的主要功能是将这些查询引导到相应的 historical 节点或 real-time 节点。有趣的是,它们是无状态的,这意味着可以对其进行横向扩展以适应查询并发性的增加。
  • Coordinator 节点具有管理角色,负责监督 historical 节点之间的数据分布。它们关于加载或删除哪些段的决策基于特定的可配置规则。在部署方面,Druid 设置通常只需要一个活动 coordinator 节点,以及一个备用节点以应对故障转移场景。
  • Overlord 节点指示摄取任务的分配,将它们定向到 middle manager 或 indexer 节点。它们的部署与 coordinator 节点类似,通常只有一个活动的 overlord 和一个备用 overlord 以实现冗余。
  • MiddleManager 和 Indexer 节点是 Druid 中数据摄取的主力。虽然 MiddleManagers 启动用于数据摄取的短时任务,但 indexers 专为长时间运行的任务而设计。鉴于它们的密集操作,这些节点需要高 CPU 和内存资源。它们的扩展性很灵活,允许根据数据摄取量进行水平扩展。
  • Deep Storage 是一个组件,充当 Druid 的持久存储单元。Druid 与各种 Blob 存储解决方案集成,如 HDFS、S3 和 Google Cloud Storage。
  • Metadata Storage 是关于段、任务和配置的关键元数据的存储库。Druid 与常用的数据库兼容,用于此目的,包括 MySQL、PostgreSQL 和 Derby。

OSI PI Data Historian 架构

OSI PI 是一个数据管理平台,围绕 PI Server 构建,后者负责数据收集、存储和管理。PI System 使用高效的专有时间序列数据库来存储数据。PI 接口和 PI 连接器从各种来源收集数据并将其发送到 PI Server。PI 资产框架 (AF) 允许用户以分层结构对资产及其关联数据进行建模,从而更轻松地理解和分析数据。各种客户端工具(如 PI DataLink 和 PI ProcessBook)使用户能够访问和可视化存储在 PI System 中的数据。

免费时间序列数据库指南

获取关于备选方案和选择关键要求的全面评述。

Apache Druid 功能

数据摄取

Apache Druid 支持实时和批量数据摄取,使其能够处理来自各种来源(如 Kafka、Hadoop 或本地文件)的数据。Druid 内置了对数据分区、复制和汇总的支持,确保了高可用性和高效存储。

可扩展性和性能

Druid 旨在水平扩展,为大规模部署提供支持,且性能衰减极小。其独特的架构允许快速高效的查询,使其适用于需要低延迟分析的用例。

列式存储

Druid 以列式格式存储数据,与基于行的存储系统相比,可以实现更好的压缩和更快的查询性能。列式存储还允许 Druid 通过仅访问相关列来优化查询。

时间优化索引

Druid 的索引服务创建具有基于时间的分区的段,从而优化时间序列数据的数据存储和检索。此功能显著提高了基于时间的查询的查询性能。数据汇总

Druid 的数据汇总功能在摄取期间聚合原始数据,从而减少存储需求并提高查询性能。此功能对于涉及高基数数据或大量相似数据点的用例尤其有益。

OSI PI Data Historian 功能

数据收集和存储

OSI PI 的 PI 接口和 PI 连接器能够从各种来源无缝地收集数据,而 PI Server 可以高效地存储和管理数据。

可扩展性

PI System 具有高度可扩展性,允许组织处理大量数据和不断增长的数据源,而不会影响性能。

资产建模

PI 资产框架 (AF) 提供了一种强大的方式来建模资产及其关联数据,从而更轻松地理解和分析复杂的工业过程。

数据可视化

PI DataLink 和 PI ProcessBook 等工具使用户能够分析和可视化存储在 PI System 中的数据,从而促进更好的决策和流程优化。


Apache Druid 用例

地理空间分析

Apache Druid 提供对地理空间数据和查询的支持,使其适用于涉及基于位置的数据的用例,例如跟踪资产的移动、分析用户位置或监控事件的分布。它能够高效地处理大量地理空间数据,使用户能够根据位置信息获得洞察力并做出数据驱动的决策。

机器学习和人工智能

Druid 的高性能数据处理能力可用于机器学习和人工智能工作流程中的预处理和特征提取。它对实时数据摄取和低延迟查询的支持使其适用于需要实时预测或洞察力的用例,例如推荐系统或预测性维护。

实时分析

Apache Druid 的低延迟查询和实时数据摄取能力使其成为实时分析用例的理想解决方案,例如监控应用程序性能、用户行为或业务指标。

OSI PI Data Historian 用例

流程优化

OSI PI 可以通过提供来自传感器和其他来源的时间序列数据的实时洞察力,帮助组织识别低效率、监控性能并优化其工业流程。

预测性维护

通过分析历史数据并检测模式或异常,OSI PI 使组织能够实施预测性维护策略,从而减少设备停机时间和维护成本。

能源管理

OSI PI 可用于跟踪各种资产和流程的能源消耗,从而使组织能够识别需要改进的领域并实施节能措施。


Apache Druid 定价模型

Apache Druid 是一个开源项目,因此,它可以免费自托管,无需任何许可费用。但是,选择自托管 Druid 的组织在自己的环境中部署和操作 Druid 时,将产生与基础设施、管理和支持相关的费用。这些成本将取决于组织的具体要求和选择的基础设施,无论是本地还是云端。

对于那些喜欢托管解决方案的人来说,可以使用云服务来提供 Apache Druid 作为托管服务,例如 Imply Cloud。通过托管服务,提供商负责处理基础设施、管理和支持,从而简化 Druid 的部署和操作。这些托管服务的定价将因提供商和所选服务层级而异,其中可能包括数据存储、查询容量和数据摄取速率等因素。

OSI PI Data Historian 定价模型

OSI PI 的定价通常基于数据源数量、用户数量和所需的支持级别等因素的组合。定价详情不公开,因为它们是根据组织的具体需求以报价形式提供的。