时序数据库InfluxDB、TimeScaleDB简介

一、时序数据库作用、优点

1、作用：

时序数据库通常被用在监控场景，比如运维和 IOT（物联网）领域。这类数据库旨在存储时序数据并实时处理它们。

比如。我们可以写一个程序将服务器上 CPU 的使用情况每隔 10 秒钟向 InfluxDB 中写入一条数据。接着，我们写一个查询语句，查询过去 30 秒 CPU 的平均使用情况，然后让这个查询语句也每隔 10 秒钟执行一次。最终，我们配置一条报警规则，如果查询语句的执行结果>xxx，就立刻触发报警。

上述就是一个指标监控的场景，在 IOT 领域中，也有大量的指标需要我们监控。比如， 机械设备的轴承震动频率，农田的湿度温度等等。

2、优点：

其实关系型数据库也是支持时间戳的，也是可以存储时序数据，但是时序数据库与它相比还是有如下优点：

1. 写入能力：时序数据库大多采用采用LSM Tree 的变种，顺序写磁盘来增强数据的写入能力，通常时序数据库都会保证在单点每秒数十万的写入能力。而关系型数据库一般采用 B+树数据结构，在数据写入时，有可能会触发叶裂变，从而产生了对磁盘的随机读写，降低写入速度（如果按照主键递增的顺序依次写入那倒还好，否则可能影响前面已经存好的数据，导致整个树大变动）
2. 数据压缩：时序数据库一般用于指标监控场景。这个场景的数据有一个非常明显的特点就是冷热差别明显。通常，指标监控只会使用近期一段时间的数据，比如我只查询某个设备最近 10 分钟的记录，10 分钟前的数据我就不再用了。那么这 10 分钟前的数据，对我们来说就是冷数据，应该被压缩放到磁盘里去来节省空间。而热数据因为经常要用，数据库就应该让它留在内存里，等待查询。而市面上的时序数据库大都有类似的设计。通过此种方法可以大幅度的节省空间
3. 为只写不改的场景而设计：这种类型的数据大多数情况下都是按时间顺序依次写入，但不去修改
4. 数据分片存储：比如每个小时的数据或者每天的数据会放到一个shard中，查询某一天或者某个小时的数据时只查这个shard便可，不用全部查询，显著的提高查询速度

二、InfluxDB

主要用法：

1. 从文件导入数据到InfluxDB
2. 使用数据搜集工具，如Telegraf将数据搜集到InfluxDB。可以选择要搜集的数据来源，比如：cpu、nginx、redis、docker等
3. 让InfluxDB主动拉取数据。有些服务提供获取自己metrics数据的接口，如nacos，这时只需在InfluxDB中配置相应接口，便可拉取到对应数据
4. 利用程序，比如java程序调用InfluxDB提供的api接口，便可将数据上传到InfluxDB中，需要token

详情见：https://blog.csdn.net/qq_44766883/article/details/131511821

三、TimeScaleDB

TimescaleDB是一种用于处理时间序列数据的开源时序数据库，它是PostgreSQL的扩展。它可以处理大量的时间序列数据，并且支持SQL查询和连续聚合功能，如果之前系统已经使用了PostgreSQL，那么可以优先考虑TimeScaleDB

详情见：https://blog.csdn.net/shaopengjie2/article/details/130480459