存储时间序列数据的最佳方法

选择时间序列数据库

在过去三年中，时间序列数据库的使用量大幅增加，而且这种趋势丝毫没有停止的迹象。在越来越多的行业中，时间序列数据（其中数据点主要按时间戳索引）在 DevOps 监控、基础设施和应用程序监控、传感器数据收集和实时分析过程中不断产生。为了利用所有这些数据，拥有一个用于存储时间序列数据的最佳数据库至关重要。

哪种时间序列数据库最适合您取决于您的用例，但我们可以将其分解为四个主要因素

• 任何给定时间将有多少数据（数据量）
• 您将在这些数据上运行哪些类型的查询
• 您正在存储哪种类型的数据
• 您需要读取和写入数据的速率

数据量

如果您的数据量相当低（任何给定时间存储的总数据点少于一百万，每秒写入的点少于一千个），像 MySQL、SQL Server 或 PostgreSQL 这样的标准关系数据库就可以很好地工作。尽管它们并非设计用于时间序列数据，但在小规模下，由此产生的性能问题并不明显。

对于任何数据量高于一百万数据点的情况，专门构建的时间序列数据库将是最佳选择。由于这些数据库的数据存储针对时间序列数据进行了优化，因此它们能够对大量带时间戳的数据产生更快的查询时间。

查询类型

话虽如此，几乎所有的 TSDB 都是 NoSQL 数据库。这些数据库针对时间序列数据进行的优化通常以牺牲 SQL 数据库中常见的功能为代价，例如即席查询。因此，如果您将运行大量即席查询，尤其是在小型或中型数据集上，那么最好坚持使用 SQL，或使用 MongoDB。

数据类型

如果您正在存储大量时间序列数据，并且主要对其运行相同的查询集，那么下一个考虑因素是您正在存储哪种类型的数据。不同的时间序列数据库针对不同的数据类型进行了优化。如果您要存储来自物联网 (IoT) 设置的数据，那么像 InfluxDB 这样的键值存储（能够包含整数、浮点数、字符串和布尔值等标准数据类型）将非常适合。如果您需要存储更复杂的数据类型，那么像 Google Bigtable 这样的数据库（将所有数据视为原始字节字符串）可能适合您。

读取和写入时间

最后的考虑因素是您需要写入和从数据库读取多少数据。即使您已经完美地考虑了其他三个因素，为时间序列数据选择高性能数据库也至关重要。凭借高摄取率，即使在行数达数亿的大数据上，也可以进行实时数据分析。

InfluxDB 的数据摄取率和查询速度高于 MongoDB, Cassandra, OpenTSDB 以及许多其他通用和时间序列数据库。此外，由于其优化的时间序列数据存储，它对磁盘空间的要求更低。

总结

上述 InfluxDB 相对于其他时间序列数据库的性能优势使其连续四年被 DB-Engines 评为最受欢迎的时间序列数据库，并被几乎所有行业的各种用例广泛采用，无论是在其开源版本还是付费版本中。