InfluxDB 与 ClickHouse

InfluxDB 概述

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，使其成为涉及监控性能指标、物联网数据和实时分析的用例的常用选择。

InfluxDB 3.0 是 InfluxDB 的最新版本，目前在 InfluxDB Cloud Serverless 和 InfluxDB Cloud Dedicated 中可用。它使用 Rust 构建，Rust 是一种为性能、安全性和内存管理而设计的现代编程语言。InfluxDB 还具有解耦架构，允许计算和存储独立扩展。InfluxDB 3.0 为 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）提供查询支持。

ClickHouse 概述

ClickHouse 是一款开源列式数据库管理系统，专为高性能在线分析处理 (OLAP) 任务而设计。它由俄罗斯领先的科技公司 Yandex 开发。ClickHouse 以其实时处理大量数据的能力而闻名，可提供快速的查询性能和实时分析。其列式存储架构实现了高效的数据压缩和更快的查询执行，使其适用于大规模数据分析和商业智能应用。

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跟踪和分析数据点的应用程序。在数据以高容量持续写入，同时用户还需要在摄取后快速查询数据以用于 监控和实时分析 用例的场景中，它表现出色。

ClickHouse 用于时间序列数据

ClickHouse 可以有效地用于存储和分析时间序列数据，尽管它并非专门为处理时间序列数据而优化。虽然 ClickHouse 一旦摄取就可以非常快速地查询时间序列数据，但它在需要以较小批量摄取数据以便可以实时分析的极高写入场景中往往会遇到困难。

InfluxDB 关键概念

• 列式存储：InfluxDB 以面向列的格式存储数据，持久文件存储使用 Parquet，内存中数据表示使用 Apache Arrow。列式存储可以实现更好的数据压缩和更快的分析工作负载查询。
• 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，它类似于其他系统称为数据库的东西。InfluxDB 测量值与表同义。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合您的应用程序架构。其中的一个关键方面是 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 或使用 InfluxDB CLI 访问。对于写入数据，InfluxDB 创建了 Telegraf，这是一款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。这允许针对您的用例微调 InfluxDB，并显着节省成本。
• 查询语言：可以使用标准 SQL 或 InfluxQL（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，这些策略确定数据在被自动删除之前存储多长时间。这对于管理大容量时间序列数据的存储非常有用。

ClickHouse 关键概念

• 列式存储：ClickHouse 以列式格式存储数据，这意味着每个列的数据都单独存储。这可以实现高效的压缩和更快的查询执行，因为在查询执行期间仅读取所需的列。
• 分布式处理：ClickHouse 支持分布式处理，允许跨集群中的多个节点执行查询，从而提高查询性能和可扩展性。
• 数据复制：ClickHouse 提供数据复制，确保在硬件故障或节点中断的情况下数据的可用性和容错能力。
• 物化视图：ClickHouse 支持物化视图，它是预先计算的查询结果，存储为表。物化视图可以显着提高查询性能，因为它们允许通过避免为每个查询重新计算结果来更快地检索数据。

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和您部署 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。数据通过摄取器写入，延迟为毫秒级。数据查询器几乎可以立即查询这些数据，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，这些文件将被发送到对象存储。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地存储，而不会增加查询延迟。

ClickHouse 架构

ClickHouse 的架构旨在支持对大型数据集进行高性能分析。ClickHouse 以列式格式存储数据。这可以实现高效的数据压缩和更快的查询执行，因为在查询执行期间仅读取所需的列。ClickHouse 还支持分布式处理，这允许跨集群中的多个节点执行查询。ClickHouse 使用 MergeTree 存储引擎作为其主要表引擎。MergeTree 专为高性能 OLAP 任务而设计，并支持数据复制、数据分区和索引。