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,决定哪种数据库的优势最大、劣势最小是一项重要的决策。下面您将找到 AWS DynamoDB 和 M3 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对比情况。
本文的主要目的是比较 AWS DynamoDB 和 M3 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造成的。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。
AWS DynamoDB 与 M3 对比细分
![]() |
![]() |
|
数据库模型 | 键值和文档存储 |
时间序列数据库 |
架构 | DynamoDB 是 Amazon Web Services (AWS) 提供的完全托管的无服务器 NoSQL 数据库。它为高性能用例使用个位数毫秒延迟,并支持键值和文档数据模型。数据在 AWS 区域内的多个可用区之间进行分区和复制,DynamoDB 支持读取操作的最终一致性或强一致性 |
M3 堆栈可以部署在本地或云端,使用 Kubernetes 等容器化技术或在 AWS 或 GCP 等平台上作为托管服务 |
许可证 | 闭源 |
Apache 2.0 |
用例 | 无服务器 Web 应用程序、实时竞价平台、游戏排行榜、IoT 数据管理、高速数据处理 |
监控、可观测性、IoT、实时分析、大规模指标处理 |
可扩展性 | 自动扩展以处理大量的读取和写入吞吐量,支持按需容量和自动扩展,用于多区域复制的全局表 |
水平可扩展,专为高可用性和大规模部署而设计 |
正在寻找最有效的入门方式?
无论您是寻求节省成本、降低管理开销还是开源,InfluxDB 都能提供帮助。
AWS DynamoDB 概述
Amazon DynamoDB 是 AWS 提供的托管 NoSQL 数据库服务。它于 2012 年首次推出,旨在提供低延迟、高吞吐量的性能。DynamoDB 构建于 Amazon 工程师于 2007 年发布的 Dynamo 论文的原则之上,旨在提供高度可用、可扩展和分布式的键值存储。
M3 概述
M3 是一个完全用 Go 编写的分布式时间序列数据库。它旨在收集大量监控时间序列数据,以水平可扩展的方式分配存储,并有效地利用硬件资源。M3 最初由 Uber 开发,作为 Prometheus 和 Graphite 的可扩展远程存储后端,后来开源以供更广泛的使用。
AWS DynamoDB 用于时间序列数据
DynamoDB 可以用于时间序列数据,尽管与专门的时间序列数据库相比,它可能不是最优化的解决方案。要在 DynamoDB 中存储时间序列数据,您可以使用复合主键,其中分区键用于实体标识符,排序键用于时间戳。这使您可以有效地查询特定实体和时间范围内的数据。但是,DynamoDB 在处理时间序列数据时的主要缺点是它缺乏对数据聚合和降采样的内置支持,而这些是时间序列分析的常见要求。您可能需要在应用程序中执行这些操作,或者使用 AWS Lambda 等其他服务来处理数据。
M3 用于时间序列数据
M3 专为时间序列数据而设计。它是一个分布式且可扩展的时间序列数据库,经过优化,可处理大量高分辨率数据点,使其成为存储、查询和分析时间序列数据的理想解决方案。
M3 的架构侧重于提供快速高效的查询功能以及高摄取率,这对于处理时间序列数据至关重要。其水平可扩展性和高可用性确保它可以处理大规模部署的需求,并在数据量增长时保持性能。
AWS DynamoDB 关键概念
一些特定于 DynamoDB 的关键术语和概念包括
- 表格:在 DynamoDB 中,数据存储在表格中,表格是项目的容器。每个表格都有一个主键,用于唯一标识表格中的每个项目。
- 项目:项目是 DynamoDB 表格中的单个记录,它们由一个或多个属性组成。
- 属性:属性是构成表格中项目的键值对。 DynamoDB 支持标量、文档和集合数据类型用于属性。
- 主键:主键唯一标识表格中的每个项目,它可以是单属性分区键或复合分区排序键。
M3 关键概念
- 时间序列压缩:M3 能够压缩时间序列数据,从而显着节省内存和磁盘空间。它使用两种压缩算法,M3TSZ 和 protobuf 编码,以实现高效的数据压缩。
- 分片:M3 使用分配给物理节点的虚拟分片。时间序列键被哈希到一组固定的虚拟分片,从而实现水平扩展和节点管理的无缝衔接。
- 一致性级别:M3 为读取和写入操作以及集群连接操作提供可变的一致性级别。写入一致性级别包括 One(单个节点成功)、Majority(大多数节点成功)和 All(所有节点成功)。读取一致性级别为 One,对应于从单个节点读取
AWS DynamoDB 架构
DynamoDB 是一个 NoSQL 数据库,它使用键值存储和文档数据模型。它旨在通过在多台服务器之间自动分区数据并使用复制来确保容错能力,从而提供高可用性、持久性和可扩展性。 DynamoDB 的一些主要组件包括
- 分区:DynamoDB 根据分区键自动分区数据,这确保数据均匀分布在多个存储节点之间。
- 复制:DynamoDB 在 AWS 区域内的多个可用区之间复制数据,从而提供高可用性和持久性。
- 一致性:DynamoDB 提供两种一致性模型:最终一致性和强一致性,使您可以为应用程序选择适当的一致性级别。
M3 架构
M3 旨在实现水平可扩展性并处理高数据吞吐量。它使用文件集文件作为长期存储的主要单元,存储压缩的时间序列值流。这些文件在块时间窗口变为不可访问后刷新到磁盘。 M3 具有提交日志,相当于其他数据库中的提交日志或预写日志,这确保了数据完整性。客户端对等流式传输负责从对等方获取块以进行引导。 M3 还实施缓存策略,通过确定哪些刷新块保留在内存中来优化高效读取。
免费时间序列数据库指南
获取关于替代方案和选择数据库的关键要求的全面评估。
AWS DynamoDB 功能
自动扩展
DynamoDB 可以根据工作负载自动扩展其读取和写入容量,使您能够在不过度配置资源的情况下保持一致的性能。
备份和还原
DynamoDB 提供对时间点恢复的内置支持,使您能够将表格恢复到过去 35 天内的先前状态。
全局表
DynamoDB 全局表使您能够跨多个 AWS 区域复制表格,从而为全球应用程序提供低延迟访问和数据冗余。
流
DynamoDB Streams 捕获表格中的项目级修改,可用于触发 AWS Lambda 函数以进行实时处理或与其他 AWS 服务同步数据。
M3 功能
提交日志
M3 使用提交日志来确保数据完整性,从而为写入操作提供持久性。
对等流式传输
M3 的客户端对等流式传输从对等方获取数据块以用于引导目的,从而优化数据检索和分发。
缓存机制
M3 实施各种缓存策略以有效管理内存使用,将频繁访问的数据块保存在内存中以实现更快的读取速度。
AWS DynamoDB 用例
会话管理
DynamoDB 可用于存储 Web 应用程序的会话数据,从而提供对会话信息的快速且可扩展的访问。
游戏
DynamoDB 可用于存储玩家数据、游戏状态以及在线游戏的其他游戏相关信息,从而提供低延迟和高吞吐量性能。
物联网
DynamoDB 可用于存储和处理来自 IoT 设备的传感器数据,从而实现设备数据的实时监控和分析。
M3 用例
监控和可观测性
M3 特别适用于大规模监控和可观测性任务,因为它可以存储和管理基础设施、应用程序和微服务生成的大量时间序列数据。组织可以使用 M3 来分析、可视化和检测从各种来源收集的指标中的异常,从而使他们能够识别潜在问题并优化其系统。
IoT 和传感器数据
M3 可用于存储和处理大量的时间序列数据,这些数据由 IoT 设备和传感器生成。通过处理来自数百万个设备和传感器的数据,M3 可以为组织提供有关其连接设备的性能、使用模式和潜在问题的宝贵见解。此信息可用于优化、预测性维护和提高 IoT 系统的整体效率。
金融数据分析
金融组织可以使用 M3 来存储和分析与股票、债券、商品和其他金融工具相关的时间序列数据。通过提供快速高效的查询功能,M3 可以帮助分析师和交易员根据历史趋势、当前市场状况和潜在未来发展做出更明智的决策。
AWS DynamoDB 定价模型
DynamoDB 提供两种定价选项:预置容量和按需容量。使用预置容量,您可以指定应用程序预期需要的每秒读取和写入次数,并根据预置容量的量收费。此定价模型适用于具有可预测流量或逐渐增加流量的应用程序。您可以使用自动扩展根据指定的利用率自动调整表格的容量,从而在确保应用程序性能的同时降低成本。
另一方面,使用按需容量,您需要为应用程序在表格上执行的数据读取和写入按请求付费。您无需指定应用程序预期执行多少读取和写入吞吐量,因为 DynamoDB 会立即适应您不断增加或减少的工作负载。此定价模型适用于具有波动或不可预测的流量模式的应用程序。
M3 定价模型
M3 是一个开源数据库,可以免费使用,但您必须考虑管理基础设施和运行 M3 所用硬件的成本。 Chronosphere 是 M3 与 Uber 的共同维护者,还提供使用 M3 作为后端存储层的托管可观测性服务。
免费开始使用 InfluxDB
InfluxDB Cloud 是开始存储和分析时间序列数据的最快方式。