选择合适的数据库对于构建任何软件应用都至关重要。所有数据库在性能方面都有不同的优势和劣势,因此,对于您的特定使用案例和数据模型,决定哪种数据库具有最多的优点和最少的缺点是一项重要的决策。下面您将找到 AWS DynamoDB 和 TDengine 的关键概念、架构、功能、使用案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 AWS DynamoDB 和 TDengine 在涉及时间序列数据的工作负载方面的表现,而不是针对所有可能的使用案例。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种数据库更好;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 TDengine 对比分析


 
数据库模型

键值和文档存储

时间序列数据库

架构

DynamoDB 是由亚马逊云服务 (AWS) 提供的完全托管、无服务器的 NoSQL 数据库。它为高性能用例提供个位毫秒级的延迟,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

TDengine 可以部署在本地、云端或混合解决方案中,从而实现部署和管理的灵活性。

许可

闭源

AGPL 3.0

使用案例

无服务器 Web 应用, 实时竞价平台, 游戏排行榜, 物联网数据管理, 高速数据处理

物联网数据存储, 工业监控, 智能能源, 智能家居, 监控和可观测性

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

通过集群和内置负载均衡实现水平扩展。TDengine 还提供了解耦的计算和存储,以及对象存储支持,用于某些版本中的数据分层

正在寻找最有效的入门方式?

无论您是寻求成本节约、更低的运维开销,还是开源,InfluxDB 都能帮到您。

AWS DynamoDB 概览

Amazon DynamoDB 是由 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 基于亚马逊工程师在 2007 年发布的 Dynamo 论文的原则构建,旨在提供高度可用、可扩展和分布式键值存储。

TDengine 概览

TDengine 是一款高性能开源时间序列数据库,旨在高效处理海量时间序列数据。它由涛思数据于 2017 年创建,专为物联网 (IoT)、工业物联网和 IT 基础设施监控用例而设计。TDengine 具有独特的混合架构,结合了关系数据库和 NoSQL 数据库的优势,提供高性能、易于使用的 SQL 查询以及灵活的数据建模功能。


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,它可能不是最优解决方案。要在 DynamoDB 中存储时间序列数据,您可以将复合主键与实体标识符的分区键和时间戳的排序键结合使用。这使您可以有效地查询特定实体和时间范围的数据。然而,DynamoDB 在处理时间序列数据时的主要弱点是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,或使用 AWS Lambda 等额外服务来处理数据。

TDengine 用于时间序列数据

TDengine 从一开始就被设计为时间序列数据库,因此它非常适合大多数大量涉及存储和分析时间序列数据的使用案例。


AWS DynamoDB 关键概念

一些特定于 DynamoDB 的关键术语和概念包括

  • :在 DynamoDB 中,数据存储在表中,表是项的容器。每个表都有一个主键,用于唯一标识表中的每个项。
  • :项是 DynamoDB 表中的单个记录,它们由一个或多个属性组成。
  • 属性:属性是构成表中项的键值对。DynamoDB 支持标量、文档和集合数据类型的属性。
  • 主键:主键唯一标识表中的每个项,它可以是单属性分区键或组合分区排序键。

TDengine 关键概念

  • 超级表:用于创建具有相同模式的多个表的模板。它类似于其他一些数据库中的表继承概念。
  • 子表:基于超级表创建的表,继承其模式。子表可以有额外的标签用于分类和查询。
  • 标签:一种元数据属性,用于分类和过滤超级表中的子表。标签已索引并针对高效查询进行了优化。


AWS DynamoDB 架构

DynamoDB 是一种 NoSQL 数据库,它使用键值存储和文档数据模型。它旨在通过自动跨多个服务器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上。
  • 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,允许您为应用程序选择适当的一致性级别。

TDengine 架构

TDengine 使用云原生架构,结合了关系数据库(支持 SQL 查询)和 NoSQL 数据库(可扩展性和灵活性)的优势。

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 功能特性

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。

备份和恢复

DynamoDB 提供对时间点恢复的内置支持,使您能够在过去 35 天内将表恢复到之前的状态。

全局表

DynamoDB 全局表使您能够跨多个 AWS 区域复制表,从而为全球应用程序提供低延迟访问和数据冗余。

DynamoDB Streams 捕获表中项级别的修改,并可用于触发 AWS Lambda 函数以进行实时处理或将数据与其他 AWS 服务同步。

TDengine 功能特性

数据摄取

TDengine 支持高速数据摄取,能够处理每秒数百万个数据点。它支持批量和单个数据插入。

数据查询

TDengine 提供 ANSI SQL 支持,并额外支持使用户可以使用熟悉的 SQL 语法轻松查询时间序列数据。它支持各种聚合函数、过滤和连接。

数据保留和压缩

TDengine 自动压缩数据以节省存储空间,并提供数据保留策略以自动删除旧数据。


AWS DynamoDB 使用案例

会话管理

DynamoDB 可用于存储 Web 应用程序的会话数据,从而为会话信息提供快速且可扩展的访问。

游戏

DynamoDB 可用于存储在线游戏的玩家数据、游戏状态和其他游戏相关信息,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物联网设备的传感器数据,从而实现设备数据的实时监控和分析。

TDengine 使用案例

物联网数据存储和分析

TDengine 旨在处理物联网设备生成的海量时间序列数据。其高性能的摄取、查询和存储能力使其成为物联网数据存储和分析的理想选择。

工业物联网监控

TDengine 可用于存储和分析来自工业物联网传感器和设备的数据,帮助组织监控设备性能、检测异常并优化运营。

基础设施监控

TDengine 可用于收集和分析来自 IT 基础设施组件(如服务器、网络和应用程序)的时间序列数据,从而促进实时监控、警报和性能优化。


AWS DynamoDB 定价模型

DynamoDB 提供两种定价选项:预置容量和按需容量。对于预置容量,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付费。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的容量,确保应用程序性能的同时降低成本。

另一方面,对于按需容量,您需要为应用程序在表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流量模式的应用程序。

TDengine 定价模型

TDengine 是开源的,可以根据 AGPLv3 许可证免费使用。TDengine 还为需要额外功能、支持或遵守特定许可要求的组织提供商业许可证和企业支持选项。