InfluxDB 与 TimescaleDB

InfluxDB 概览

InfluxDB 是一个高性能时序数据库，能够存储任何形式的时序数据，例如指标、事件、日志和追踪。InfluxDB 由 InfluxData 开发，于 2013 年首次发布。InfluxDB 是用 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序数据进行了优化，使其成为监控性能指标、物联网数据和实时分析等用例的热门选择。

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 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。

TimescaleDB 概览

TimescaleDB 是构建在 PostgreSQL 之上的开源时序数据库。它的创建是为了解决管理时序数据的挑战，例如可扩展性、查询性能和数据保留策略。TimescaleDB 于 2017 年首次发布，此后因其 PostgreSQL 兼容性、性能优化和灵活的数据保留策略而成为存储和分析时序数据的热门选择。

InfluxDB 用于时序数据

InfluxDB 专为时序数据而设计，使其非常适合涉及随时间跟踪和分析数据点的应用程序。它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 用例的场景中表现出色。

TimescaleDB 用于时序数据

TimescaleDB 专为时序数据而设计，使其成为存储和查询此类数据的自然选择。它为时序数据管理提供了多项优势，例如水平可扩展性、列式存储和保留策略支持。但是，TimescaleDB 可能不是所有时序用例的最佳选择。一个例子是，如果应用程序需要非常高的写入吞吐量或实时分析，则其他专门的时序数据库（如 InfluxDB）可能更合适。

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。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，应使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应用程序的架构。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，可以通过 HTTP API 或使用 InfluxDB CLI 访问所有数据库功能。对于写入数据，InfluxDB 创建了 Telegraf，这是一种工具，可以通过插件从数百个不同的来源收集数据并将数据写入 InfluxDB。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，该架构允许查询计算、数据摄取和存储独立扩展。这使 InfluxDB 可以针对您的用例进行微调，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序数据的功能）查询 InfluxDB。
• 保留策略：InfluxDB 允许您定义保留策略，该策略确定数据在自动删除之前存储多长时间。这对于管理大量时序数据的存储非常有用。

TimescaleDB 关键概念

• 超表：超表是一个分布式表，按时间以及可能的其他维度（例如设备 ID 或位置）进行分区。它是 TimescaleDB 中存储时序数据的主要抽象，旨在跨多个节点水平扩展。
• 块：块是超表的分区，包含超表数据的子集。块由 TimescaleDB 根据指定的时间间隔自动创建，并且可以单独压缩、索引和备份，以获得更好的性能和数据管理。
• 分布式超表：对于大规模部署，TimescaleDB 支持分布式超表，该超表跨多个节点分区数据，以提高查询性能和容错能力。

InfluxDB 架构

从高层次来看，InfluxDB 的架构旨在优化时序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，同时在后台，压缩器获取新写入的数据文件，并将它们合并为更大的文件，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，方法是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。

TimescaleDB 架构

TimescaleDB 是构建在 PostgreSQL 之上的扩展，继承了其关系数据模型和 SQL 支持。但是，TimescaleDB 使用自定义数据结构和针对时序数据的优化（例如超表和块）扩展了 PostgreSQL。