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个数据库的优点最多、缺点最少是一个重要的决定。下面您将找到 M3 和 MongoDB 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 M3 和 MongoDB 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。这是因为数据写入量大以及访问这些数据的查询模式。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。
M3 与 MongoDB 细分
 |
 |
|
| 数据库模型 | 时间序列数据库 |
文档数据库 |
| 架构 | M3 堆栈可以部署在本地或云端，使用 Kubernetes 等容器化技术，或作为 AWS 或 GCP 等平台上的托管服务 |
MongoDB 使用灵活的、类似 JSON 的文档模型来存储数据，这允许动态模式更改而无需停机。它支持即席查询、索引和实时聚合。MongoDB 可以部署为独立服务器，在副本集配置中实现高可用性，或作为分片集群实现水平扩展。它也可以作为名为 MongoDB Atlas 的托管云服务提供，该服务提供自动备份、监控和全球分发等附加功能。 |
| 许可证 | Apache 2.0 |
社区版的 SSPL，其他版本的商业许可证 |
| 用例 | 监控、可观测性、物联网、实时分析、大规模指标处理 |
内容管理系统、移动应用程序、实时分析、物联网数据管理、电子商务平台 |
| 可扩展性 | 水平可扩展，专为高可用性和大规模部署而设计 |
水平可扩展，支持数据分片、复制和自动负载均衡 |
正在寻找最有效的入门方式？
无论您是在寻求成本节约、降低管理开销还是开源，InfluxDB 都能提供帮助。
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发存储，并有效利用硬件资源。M3 最初由 Uber 开发，作为 Prometheus 和 Graphite 的可扩展远程存储后端，后来开源供更广泛使用。
MongoDB 概述
MongoDB 是一个流行的开源 NoSQL 数据库，于 2009 年推出。MongoDB 旨在处理大量非结构化和半结构化数据，提供灵活的、无模式的数据模型、水平可扩展性和高性能。其易用性、基于 JSON 的文档存储以及对各种编程语言的支持促成了其在各行各业和各种应用中的广泛采用。
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，可以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能力以及高摄取率，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。
MongoDB 用于时间序列数据
虽然 MongoDB 是一个通用的 NoSQL 数据库，但它可用于存储和处理时间序列数据。MongoDB 灵活的数据模型允许轻松适应时间序列数据不断变化的结构，例如添加新指标或修改现有指标。MongoDB 提供对生存时间 (TTL) 索引的内置支持，该索引会在指定时间段后自动过期旧数据，使其适用于管理具有有限存储容量的大量时间序列数据。MongoDB 最近还添加了自定义列式存储引擎和时间序列集合，用于时间序列用例，旨在提高默认 MongoDB 存储引擎在数据压缩和查询性能方面的性能。
M3 关键概念
- 时间序列压缩：M3 具有压缩时间序列数据的能力，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，从而使水平扩展和节点管理变得无缝。
- 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
MongoDB 关键概念
MongoDB 的一些关键术语和概念包括
- 数据库：MongoDB 数据库是集合的容器，集合是相关文档的组。
- 集合：MongoDB 中的集合类似于关系数据库中的表，用于保存一组文档。
- 文档：MongoDB 中的文档是单个记录，以称为 BSON（二进制 JSON）的类似 JSON 的格式存储。集合中的文档可以具有不同的结构。
- 字段：字段是文档中的键值对，类似于关系数据库中的属性或列。
- 索引：MongoDB 中的索引是一种数据结构，可以提高集合中特定字段的查询性能。
M3 架构
M3 旨在实现水平可扩展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，可确保数据完整性。客户端对等流负责从对等方获取块以进行引导。M3 还实现了缓存策略，通过确定哪些刷新块保留在内存中来优化高效读取。
MongoDB 架构
MongoDB 的架构以其灵活的、基于文档的数据模型为中心。作为 NoSQL 数据库，MongoDB 支持无模式结构，这允许存储和查询各种数据类型，例如嵌套数组和文档。MongoDB 可以部署为独立服务器、副本集或分片集群。副本集通过自动故障转移和数据冗余提供高可用性，而分片集群通过根据分片键在多个服务器之间分配数据来实现水平扩展和负载均衡。
免费时间序列数据库指南
获取对备选方案和选择关键要求的全面审查。
M3 功能
提交日志
M3 使用提交日志来确保数据完整性，为写入操作提供持久性。
对等流
M3 的客户端对等流从对等方获取数据块以进行引导，从而优化数据检索和分发。
缓存机制
M3 实施各种缓存策略来有效管理内存使用，将频繁访问的数据块保存在内存中以实现更快的读取。
MongoDB 功能
灵活的数据模型
MongoDB 的无模式数据模型允许存储和查询各种数据类型，使其非常适合处理复杂且不断发展的数据结构。
高可用性
MongoDB 的副本集功能通过自动故障转移和数据冗余确保高可用性。
水平可扩展性
MongoDB 的分片集群架构实现了水平扩展和负载均衡，使其能够处理大规模数据处理和查询。
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海量时间序列数据。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。
物联网和传感器数据
M3 可用于存储和处理物联网设备和传感器生成的大量时间序列数据。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、预测性维护和提高物联网系统的整体效率。
金融数据分析
金融机构可以使用 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能力，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的未来发展做出更明智的决策。
MongoDB 用例
内容管理系统
MongoDB 灵活的数据模型使其成为内容管理系统的理想选择，内容管理系统通常需要能够存储和管理各种内容类型，例如文章、图像和视频。MongoDB 的无模式性质允许轻松适应不断变化的内容结构和需求。
物联网数据存储和分析
MongoDB 对高数据量和水平可扩展性的支持使其适用于存储和处理物联网设备生成的数据，例如传感器读数和设备日志。其高效索引和查询数据的能力允许对物联网设备进行实时分析和监控。
电子商务平台
MongoDB 的灵活性和性能特性使其成为电子商务平台的绝佳选择，在电子商务平台中，需要高效地存储和查询各种产品信息、客户数据和交易记录。灵活的数据模型使您可以轻松适应产品属性和客户偏好的变化，而高可用性和可扩展性功能可确保流畅且响应迅速的用户体验。
M3 定价模型
M3 是一个开源数据库，可以免费使用，尽管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。
MongoDB 定价模型
MongoDB 提供各种定价选项，包括免费的开源社区版和商业企业版，后者包括高级功能、管理工具和支持。MongoDB Inc. 还提供完全托管的基于云的数据库即服务 MongoDB Atlas，采用按需付费定价模型，该模型基于存储、数据传输和计算资源。MongoDB Atlas 为想要在不产生任何成本的情况下试用该服务的用户提供具有有限资源的免费套餐。
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。
