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具有最大的优势和最小的缺点是一个重要的决定。下面您将找到 Apache Druid 和 OpenTSDB 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 OpenTSDB 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 OpenTSDB 细分


 
数据库模型

列式数据库

时间序列数据库

架构

Druid 可以部署在本地、云端或使用托管服务

OpenTSDB 可以部署在本地或云端,HBase 在分布式节点集群上运行。

许可证

Apache 2.0

GNU LGPLv2.1

使用案例

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

监控,可观测性,物联网,日志数据存储

可扩展性

水平可扩展,支持分布式架构以实现高可用性和性能

使用 HBase 作为其存储后端,在多个节点上水平扩展

正在寻找最有效的入门方式?

无论您是在寻求成本节省、更低的管理开销还是开源,InfluxDB 都能为您提供帮助。

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,特别适用于涉及事件驱动数据和交互式分析的用例。

OpenTSDB 概述

OpenTSDB (开源时间序列数据库) 是一个开源、分布式且可扩展的时间序列数据库,构建在 Apache HBase (一个 NoSQL 数据库) 之上。OpenTSDB 旨在解决日益增长的需求,即存储和处理由各种来源 (如 IoT 设备、传感器和监控系统) 生成的大量时间序列数据。它最初由 StumbleUpon 于 2010 年开发,后来成为一个拥有活跃贡献者社区的独立项目。


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 还提供用于将历史数据存储在更便宜的对象存储中的集成,以便也可以使用 Druid 分析历史时间序列数据。

OpenTSDB 用于时间序列数据

OpenTSDB 专为时间序列数据存储和分析而设计,使其成为管理大规模时间序列数据集的理想选择。其架构实现了高写入和查询性能,并且可以以最少的资源消耗处理每秒数百万个数据点。OpenTSDB 灵活的查询功能允许用户有效地对时间序列数据执行复杂分析。


Apache Druid 关键概念

  • 数据摄取:将数据从各种来源 (例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的过程,以减少存储需求并提高查询性能。
  • 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。

OpenTSDB 关键概念

  • 数据点:时间中的单个测量值,包括时间戳、指标、值和关联标签。
  • 指标:一个命名值,表示系统的特定方面,例如 CPU 使用率或温度。
  • 标签:与数据点关联的键值对,提供元数据并帮助分类和查询数据。


Apache Druid 架构

Apache Druid 是一个强大的分布式数据存储,专为对大型数据集进行实时分析而设计。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,这些节点通常驻留在配备大量内存和 CPU 资源的机器上。它们的可扩展性显而易见,因为只需合并更多节点即可水平扩展它们。
  • Broker 节点充当传入查询的守门人。它们的主要功能是将这些查询引导到适当的历史节点或实时节点。有趣的是,它们是无状态的,这意味着可以扩展它们以适应查询并发性的增加。
  • Coordinator 节点具有管理角色,负责监督历史节点之间的数据分发。它们关于加载或删除哪些段的决定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协调器节点,以及一个备用节点,用于故障转移场景。
  • Overlord 节点决定摄取任务的分配,将它们定向到中间管理器或索引器节点。它们的部署与协调器节点的部署相似,通常有一个活动的 overlord 和一个用于冗余的备份。
  • 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,但索引器专为长时间运行的任务而设计。鉴于其密集的操作,这些节点需要高 CPU 和内存资源。它们的可扩展性是灵活的,允许根据数据摄取量进行水平扩展。
  • 深度存储是一个组件,充当 Druid 的持久存储单元。Druid 与各种 blob 存储解决方案 (如 HDFS、S3 和 Google Cloud Storage) 集成。
  • 元数据存储库是关于段、任务和配置的关键元数据的存储库。Druid 与流行的数据库兼容,用于此目的,包括 MySQL、PostgreSQL 和 Derby。

OpenTSDB 架构

OpenTSDB 构建在 Apache HBase (一个分布式且可扩展的 NoSQL 数据库) 之上,并依赖于其架构进行数据存储和管理。OpenTSDB 将时间序列数据存储在 HBase 表中,数据点按指标、时间戳和标签组织。该数据库使用无模式数据模型,这在添加新指标和标签时允许灵活性。OpenTSDB 架构还支持通过在多个 HBase 节点之间分发数据来实现水平扩展。

免费时间序列数据库指南

获取关于替代方案和选择您的替代方案的关键要求的全面审查。

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。凭借对数据分区、复制和汇总的内置支持,Druid 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,且性能下降最小。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段分区的段,从而优化时间序列数据的数据存储和检索。此功能显着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。

OpenTSDB 功能

可扩展性

OpenTSDB 的分布式架构允许水平扩展,确保数据库可以处理不断增长的时间序列数据量。

数据压缩

OpenTSDB 使用各种压缩技术来减少时间序列数据的存储占用空间。

具有时间序列支持的查询语言

OpenTSDB 具有灵活的查询语言,支持聚合、降采样、过滤和用于分析时间序列数据的其他操作。


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。它有效处理大量地理空间数据的能力使户能够根据位置信息获得见解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 AI 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功能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。

OpenTSDB 用例

监控和警报

OpenTSDB 非常适合大规模监控和警报系统,这些系统从各种来源生成大量时间序列数据。

IoT 数据存储

OpenTSDB 可以存储和分析由 IoT 设备 (如传感器和智能家电) 生成的时间序列数据,从而实现实时洞察和分析。

性能分析

OpenTSDB 灵活的查询功能使其成为分析系统和应用程序随时间推移的性能指标的理想选择。


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 的组织在在其环境中部署和操作 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,无论是在本地还是基于云。

对于那些喜欢托管解决方案的人,可以使用云服务,这些服务提供 Apache Druid 作为托管服务,例如 Imply Cloud。借助托管服务,提供商处理基础设施、管理和支持,从而简化了 Druid 的部署和操作。这些托管服务的定价将因提供商和选定的服务层级而异,其中可能包括数据存储、查询容量和数据摄取率等因素。

OpenTSDB 定价模型

OpenTSDB 是开源软件,这意味着它可以免费使用,无需任何许可费。但是,运行 OpenTSDB 的成本取决于支持底层 HBase 数据库所需的基础设施,例如云服务或本地硬件。