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种数据库具有最大的优势和最小的缺点是一项重要的决策。下面您将找到 InfluxDB 和 Google BigQuery 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 InfluxDB 和 Google BigQuery 在涉及时间序列数据的工作负载中的性能，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。这是因为写入的数据量很大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。
InfluxDB 与 Google BigQuery 对比细分
 |
 |
|
| 数据库模型 | 数据仓库 |
|
| 架构 | 云原生架构，可以用作托管云服务，也可以在您自己的本地硬件上进行自托管 |
BigQuery 是由 Google Cloud Platform 提供的完全托管的无服务器数据仓库。它专为高性能分析而设计，并利用 Google 的基础设施进行数据处理。BigQuery 使用列式存储格式进行快速查询，并支持标准 SQL。数据在 Google Cloud 区域内的多个可用区中自动分片和复制 |
| 许可证 | MIT |
闭源 |
| 用例 | 监控、可观测性、物联网、实时分析 |
商业分析、大规模数据处理、数据集成 |
| 可扩展性 | 水平可扩展，通过 InfluxDB 3.0 解耦存储和计算，可降低高达 90% 的存储成本（基准测试） |
无服务器、PB 级数据仓库，可以处理海量数据，无需预先进行容量规划 |
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 都能提供帮助。
InfluxDB 概览
InfluxDB 是一款高性能时间序列数据库，能够存储任何形式的时间序列数据，例如指标、事件、日志和跟踪。InfluxDB 由 InfluxData 开发，于 2013 年首次发布。InfluxDB 是一款用 Go 编写的开源数据库，专注于性能、可扩展性和开发者生产力。该数据库针对大规模处理时间序列数据进行了优化，使其成为监控性能指标、物联网数据和实时分析等用例的流行选择。
InfluxDB 3.0 是 InfluxDB 的最新版本，目前在 InfluxDB Cloud Serverless 和 InfluxDB Cloud Dedicated 中提供。它使用 Rust 构建，Rust 是一种现代编程语言，专为性能、安全性和内存管理而设计。InfluxDB 还具有解耦架构，允许计算和存储独立扩展。InfluxDB 3.0 提供对 SQL 和 InfluxQL（自定义类 SQL 查询语言，增加了对基于时间的函数的支持）的查询支持。
Google BigQuery 概览
Google BigQuery 是由 Google Cloud 开发的完全托管的无服务器数据仓库和分析平台。BigQuery 于 2011 年推出，旨在处理大规模数据处理和查询，使用户能够实时分析海量数据集。BigQuery 注重性能、可扩展性和易用性，适用于广泛的数据分析用例，包括商业智能、日志分析和机器学习。
InfluxDB 用于时间序列数据
InfluxDB 专为时间序列数据而设计，使其非常适合涉及随时间推移跟踪和分析数据点的应用程序。它在数据以高容量持续写入，而用户还需要能够在摄取后快速查询数据以进行监控和实时分析用例的场景中表现出色。
Google BigQuery 用于时间序列数据
BigQuery 可以用于存储和分析时间序列数据，尽管它更侧重于传统的数据仓库用例。对于需要低延迟响应时间的用例，BigQuery 可能会显得吃力
InfluxDB 关键概念
- 列式存储：InfluxDB 以面向列的格式存储数据，使用 Parquet 进行持久文件存储，并使用 Apache Arrow 作为数据的内存表示形式。列式存储可实现更好的数据压缩，并加快分析工作负载的查询速度。
- 数据模型：InfluxDB 数据模型对于任何使用过其他数据库系统的人来说都很熟悉。在最高级别是存储桶，这类似于其他系统称为数据库的内容。InfluxDB 测量与表同义。测量的特定数据点包含标签和值。标签用作查询数据的主键的一部分，应用于标识查询期间用于过滤的信息。InfluxDB 是无模式的，因此可以添加新字段，而无需迁移或修改模式。
- 集成：InfluxDB 的构建旨在灵活且适应您的应用程序架构。其中一个关键方面是 InfluxDB 使读取和写入数据变得容易的多种方式。首先，所有数据库功能都可以通过 HTTP API 或 InfluxDB CLI 访问。对于写入数据，InfluxDB 创建了 Telegraf，这是一种可以通过插件从数百个不同来源收集数据并将数据写入 InfluxDB 的工具。客户端库也适用于最流行的编程语言，以允许写入和查询数据。
- 解耦架构：InfluxDB 3.0 具有解耦架构，允许查询计算、数据摄取和存储独立扩展。这使得可以根据您的用例微调 InfluxDB，并显着节省成本。
- 查询语言：可以使用标准 SQL 或 InfluxQL（一种 SQL 方言，具有许多专门用于处理时间序列数据的函数）查询 InfluxDB。
- 保留策略：InfluxDB 允许您定义保留策略，该策略确定数据在被自动删除之前存储多长时间。这对于管理高容量时间序列数据的存储非常有用。
Google BigQuery 关键概念
与 Google BigQuery 相关的一些重要概念包括
- 项目：BigQuery 中的项目表示数据集、表和视图等资源的顶层容器。
- 数据集：数据集是 BigQuery 中表、视图和其他数据资源的容器。
- 表：表是 BigQuery 中的主要数据存储结构，由行和列组成。
- 模式：模式定义表的结构，包括列名、数据类型和约束。
InfluxDB 架构
从高层次来看，InfluxDB 的架构旨在优化时间序列数据的存储和查询性能。InfluxDB 的确切架构会因版本以及您部署 InfluxDB 的方式而略有不同。
InfluxDB 3.0 的架构可以分解为四个关键组件，这些组件几乎彼此独立运行，从而使 InfluxDB 在配置方面非常灵活。这些组件是数据摄取、数据查询、数据压缩和垃圾回收。数据通过摄取器以毫秒级延迟写入。数据查询器几乎可以立即查询此数据，同时压缩器在后台获取新写入的数据文件并将它们组合成更大的文件，这些文件将发送到对象存储。垃圾回收器负责数据保留和空间回收，通过安排数据的软删除和硬删除。
InfluxDB 架构的关键部分是摄取和查询组件的分离，这允许每个组件根据当前的写入和查询工作负载独立扩展。查询器能够无缝地从摄取器以及对象存储中提取最近写入的数据，这使得数据可以廉价存储，而不会增加查询延迟。
Google BigQuery 架构
Google BigQuery 的架构构建在 Google 的分布式基础设施之上，专为高性能和可扩展性而设计。BigQuery 的核心是使用名为 Capacitor 的列式存储格式，该格式可实现高效的数据压缩和快速的查询性能。数据自动分区并分布在多个存储节点上，从而提供高可用性和容错能力。BigQuery 的无服务器架构自动为查询和数据存储分配资源，从而无需用户管理基础设施或容量规划。
免费时间序列数据库指南
获取对备选方案和选择数据库的关键要求的全面审查。
InfluxDB 功能
高性能存储和查询
InfluxDB 针对时间序列数据进行了优化，提供高性能的存储和查询功能。在存储方面，由于其解耦架构，InfluxDB 能够轻松扩展。对象存储用于持久化数据，查询节点可以独立扩展以提高查询性能和容量。
与以前版本的 InfluxDB 相比，新发布的 InfluxDB 3.0 数据压缩效率提高了 4.5 倍，查询速度提高了 2.5-45 倍，具体取决于查询类型。
保留策略
InfluxDB 允许用户定义保留策略，该策略会在指定持续时间后自动删除数据点。此功能有助于管理数据存储成本，并确保仅保留相关数据。
数据压缩
InfluxDB 的存储引擎会自动压缩磁盘上的数据，从而减少存储需求并提高查询性能。借助 InfluxDB 3.0，数据使用 Parquet 文件格式存储，以获得更高的时间序列数据压缩率。
水平扩展和集群
InfluxDB 支持水平扩展和集群，允许用户将数据分布在多个节点上，以提高性能和容错能力。
数据分层
InfluxDB 3.0 能够无缝地将数据从廉价的对象存储移动到更快的存储中，以实现低延迟查询，而无需昂贵的 SSD 或大量 RAM 利用率。这允许用户以更高的频率更长时间地存储数据，同时仍能节省存储成本。
Google BigQuery 功能
列式存储
BigQuery 的列式存储格式 Capacitor 可实现高效的数据压缩和快速的查询性能，使其适用于大规模数据分析。
与 Google Cloud 集成
BigQuery 与其他 Google Cloud 服务（例如 Cloud Storage、Dataflow 和 Pub/Sub）无缝集成，从而可以轻松地从各种来源摄取、处理和分析数据。
机器学习集成
BigQuery ML 使用户能够直接在 BigQuery 中创建和部署机器学习模型，从而简化了构建和部署机器学习应用程序的过程。
InfluxDB 用例
监控和警报
InfluxDB 广泛用于监控和警报目的，因为它可以有效地存储和处理各种系统、应用程序和设备生成的时间序列数据。凭借其高性能查询引擎以及与 Grafana 等可视化工具的集成，用户可以创建实时仪表板并根据特定条件或阈值设置警报。
物联网数据存储和分析
由于其高写入和查询性能，InfluxDB 是存储和分析传感器、设备和应用程序生成的物联网数据的理想选择。用户可以利用 InfluxDB 的可扩展性和保留策略来管理大量时间序列数据，并使用其强大的查询语言来深入了解物联网生态系统。
实时分析
InfluxDB 的性能和灵活性使其适用于实时分析用例，例如跟踪用户行为、监控应用程序性能和分析财务数据。凭借其对 InfluxQL 和 SQL 的支持，用户可以实时执行复杂的数据分析和聚合，从而使他们能够做出数据驱动的决策。
Google BigQuery 用例
商业智能和报告
BigQuery 广泛用于商业智能和报告，使用户能够分析大量数据并生成见解以指导决策。其快速的查询性能以及与流行的 BI 工具（例如 Google Data Studio 和 Tableau）的无缝集成使其成为此用例的理想解决方案。
机器学习和预测分析
BigQuery ML 使用户能够直接在 BigQuery 中创建和部署机器学习模型，从而简化了构建和部署机器学习应用程序的过程。BigQuery 快速的查询性能以及对大规模数据处理的支持使其适用于预测分析用例。
数据仓库和 ETL
BigQuery 的分布式架构和列式存储格式使其成为数据仓库和 ETL（提取、转换、加载）工作流程的绝佳选择。它与其他 Google Cloud 服务（例如 Cloud Storage 和 Dataflow）的无缝集成简化了从各种来源摄取和处理数据的过程。
InfluxDB 定价模型
InfluxDB 提供多种定价选项，包括免费的开源版本、基于云的产品以及用于本地部署的企业版
- InfluxDB Cloud Serverless：InfluxDB Cloud Serverless 是一种托管的、基于云的产品，采用按需付费的定价模式。它提供额外的功能，例如监控、警报和数据可视化。InfluxDB Cloud 在所有主要云提供商中均可用。
- InfluxDB Cloud Dedicated - 这是一种托管云解决方案，可在专用硬件上提供隔离的 InfluxDB 实例，适用于需要隔离或受益于能够指定和微调硬件配置的用例。
- InfluxDB Enterprise：本地解决方案，具有企业级功能，可实现安全性和支持集群以及其他水平扩展选项。
- InfluxDB 开源版：InfluxDB 的开源版本可以免费使用，并提供数据库的核心功能。
Google BigQuery 定价模型
Google BigQuery 的定价基于按需付费模式，成本由数据存储、查询和流式传输决定。BigQuery 定价主要有两个组成部分
- 存储定价：存储成本基于 BigQuery 中存储的数据量。用户需要为活动存储和长期存储付费，对于不经常访问的数据，长期存储以折扣价提供。
- 查询定价：查询成本基于查询期间处理的数据量。用户可以选择按需定价（按每次查询处理的数据付费）或固定费率定价（为一定量的查询容量提供固定的月度成本）。
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法。
