作者：Timescale 团队
时间序列数据已成为当今业务数据基础架构中不可或缺的一部分。从监控系统指标和跟踪用户行为到分析财务数据和传感器读数，时间序列数据使组织能够做出明智的决策并获得有价值的见解。
为了有效地存储、管理和分析这些不断增长的数据量，业务实施越来越多地转向时间序列数据库 (TSDB)。这些专门的数据库旨在处理时间序列数据的独特特征，例如高写入吞吐量、高效压缩和优化的查询性能。
虽然可以使用专有的时间序列数据库解决方案，但开源 TSDB 因其灵活性、成本效益和社区驱动的开发而广受欢迎。开源 TSDB 提供可扩展和可定制的解决方案，可以根据组织的特定需求进行定制。
然而，由于可用的开源时间序列数据库选项非常多，因此可能需要一些时间来确定哪一个最符合您的要求。每个 TSDB 都有其优势、局限性和用例，这使得选择过程成为您用例的关键决策。
在本文中，我们将
探索开源时间序列数据库的选择，包括专门的解决方案和基于 PostgreSQL 的扩展。
检查每个选项的优缺点，考虑可扩展性、性能、易用性和社区支持等因素。
指南，帮助您根据您的特定需求选择开源时间序列数据库。
在阅读本文后，您将更清楚地了解开源 TSDB 格局，并能够更好地选择合适的解决方案来满足您的时间序列数据管理和分析需求。
时间序列数据库 (TSDB) 是一种专门的数据库，旨在有效地存储、管理和分析时间序列数据。时间序列数据 由定期收集的数据点组成，使您能够监控和跟踪随时间发生的变化。传感器、物联网设备、金融系统和监控工具通常会生成此数据类型。
时间序列数据的示例包括以下内容
来自工业设备的传感器读数
股票价格和交易量
网络和移动应用程序的用户参与度指标
服务器性能指标，如 CPU 使用率和内存利用率
时间序列数据具有独特的特征，这使得传统数据库难以有效地处理。TSDB 经过优化，可以应对这些挑战
大量写入：时间序列数据通常以大量生成，并且数据点会不断被收集。TSDB 旨在处理高写入吞吐量，从而能够高效地摄取大量数据。
基于时间的查询：对时间序列数据的查询通常涉及基于时间的过滤、聚合和分析。TSDB 为基于时间的查询提供了优化的查询性能，利用了数据固有的基于时间的结构。
可扩展性：随着时间序列数据的积累，TSDB 必须扩展以满足不断增长的数据存储需求。它们提供了可扩展的架构，允许水平扩展和分布式存储。
在评估时间序列数据库时，需要考虑几个基本属性
可扩展性：TSDB 应该能够处理大量数据摄取，并进行水平扩展以满足不断增长的数据存储需求。随着数据集随时间增长，它应该保持性能和可靠性。
可维护性：数据库应该易于维护，提供清晰的文档、社区支持以及简化的升级和迁移流程。它应该提供工具和功能来简化数据保留、压缩和备份/恢复等任务。
可靠性：TSDB 应该提供高可用性和容错能力，以确保数据完整性并最大程度地减少停机时间。它应该具有处理节点故障、数据复制和灾难恢复的机制。
可用性（查询语言）：时序数据库的查询语言和 API 应该直观且易于使用。它们应该支持常见的时序查询模式，并为开发者提供熟悉的接口（例如，SQL 或类 SQL 语言）。
对于开源时序数据库，有以下几种类型的选项可用
1. 专用解决方案：专用时序数据库提供专门构建的功能和优化，以高效处理时序数据。它们通常具有专为时序工作负载量身定制的查询语言、存储引擎和数据模型。
专用时序数据库的例子包括
2. PostgreSQL：一种开源的、行业标准的关系数据库，拥有广泛的社区支持。虽然不是专门为时序数据设计的，但 PostgreSQL 的灵活性和健壮性使其成为存储和查询时序数据的可行选择，特别是对于规模较小的用例或需要与其他关系数据集成的情况。
3. PostgreSQL 扩展：借助正确的扩展，PostgreSQL 成为一个强大且通用的平台，可以成为键值存储、地理空间数据库、图数据库，甚至是向量数据库。为了弥合 PostgreSQL 的通用功能与时序工作负载特定需求之间的差距，已经开发了几种扩展，它们构建在 PostgreSQL 之上，并提供额外的功能和优化。像 TimescaleDB 这样的扩展利用 PostgreSQL 的可扩展性并添加时序特定功能，例如
优化存储：优化的存储格式和压缩技术，可有效存储大量时序数据。
自动分区：基于时间间隔自动对时序数据进行分区，从而提高查询性能并简化数据管理。
时序特定函数：像 TimescaleDB 这样的扩展提供了专门为时序分析设计的附加函数和运算符（超函数），例如基于时间的聚合、插值和降采样。
每个选项都有其优势和需要考虑的因素，我们将在以下部分中更详细地探讨。
专用时序数据库是专门设计的数据库系统，从头开始专门用于存储、管理和分析时序数据。专门的公司或团队创建这些数据库是为了解决时序工作负载的独特挑战和需求。
专用时序数据库的主要特征包括
优化的存储引擎，可有效处理高写入吞吐量和大量数据
专为时序数据量身定制的特定数据模型和模式
专为时序分析和聚合设计的查询语言和 API
内置的数据保留、降采样和数据压缩功能
除了核心数据库功能外，这些专用解决方案背后的公司或团队还可以提供其他服务，例如
托管云托管和基础架构配置
企业支持和咨询服务
与时序生态系统中的其他工具和平台集成
专用时序数据库的例子包括
InfluxDB
由 InfluxData 开发
类 SQL 查询语言，称为 InfluxQL（在 InfluxDB v2 中，该语言是 Flux，一种函数式数据脚本语言）
支持高写入吞吐量和快速查询性能
提供连续查询（InfluxDB v2 中的任务）、数据保留策略和降采样等功能
Prometheus
由 SoundCloud 创建，现在由云原生计算基金会 (CNCF) 维护
强大的查询语言 PromQL，用于时序数据分析
专为云原生环境中的监控和警报而设计；它主要是一个可观测性存储，用于收集指标，实现与其他工具的快速集成，以及快速构建仪表板和警报，如果您想将业务数据和其他类型的数据合并到一个数据库中，则灵活性较差
与 Kubernetes 和其他云原生工具良好集成
专用解决方案的优点
专为时序数据而构建，提供优化的性能和存储效率
提供专为时序工作负载设计的一组特性和功能
通常具有强大的生态系统集成和托管服务产品
专用解决方案的缺点
由于非标准的查询语言和 API，学习曲线可能更陡峭
例如，一些用户 发现 Prometheus 的查询语言 (PromQL) 不透明且难以适应。
与更广泛使用的通用数据库相比，社区支持有限
InfluxDB 用户 报告 在查找调试解决方案和资源方面存在挑战。
原始设计可能存在局限性或未经测试的功能
例如，InfluxDB 在更改模式或更新现有条目方面存在 问题。
PostgreSQL 是一种广泛使用的开源关系数据库管理系统 (RDBMS)，以其可靠性、效率和强大的社区支持而闻名。虽然不是明确设计为时序数据库，但 PostgreSQL 的灵活性和健壮性使其成为存储和查询时序数据的可行选择，特别是对于规模较小的用例或需要与其他关系数据集成的情况。
PostgreSQL 的主要特征包括
ACID（原子性、一致性、隔离性、持久性）合规性，确保数据完整性和可靠性
广泛的 SQL 支持和高级查询功能
丰富的扩展和工具生态系统，适用于各种用例
跨平台兼容性和广泛的行业采用
使用 PostgreSQL 处理时序数据的优点
久经考验且可靠
PostgreSQL 是一个成熟且经过实战考验的数据库，符合行业标准。
它已被广泛采用，并受到各种规模的组织的信赖。
强大的社区支持
PostgreSQL 拥有庞大而活跃的社区，提供广泛的学习、故障排除和优化资源。
有许多扩展和工具可用于扩展 PostgreSQL 的功能并满足特定用例。
熟悉的 SQL 接口
PostgreSQL 使用标准 SQL，使熟悉 SQL 的开发人员和分析师可以轻松使用该数据库。
无需学习特定于特定时序数据库的新查询语言。
使用 PostgreSQL 处理时序数据的缺点
未针对时序工作负载进行优化
PostgreSQL 的通用设计可能无法提供与专用时序数据库相同的性能水平。
在时序场景中典型的高写入吞吐量和大量数据的情况下，它可能需要帮助。
可扩展性挑战
当面对时序数据典型的大量插入和查询时，PostgreSQL 的性能可能会下降。
水平扩展 PostgreSQL 可能很复杂，需要额外的工程努力。
缺乏原生时序优化
PostgreSQL 没有内置的专为时序数据设计的功能，例如自动数据保留、降采样或基于时间的分区。
实施这些优化可能需要手动操作或使用外部扩展。
为了缓解性能和可扩展性方面的挑战，开发人员可以利用 PostgreSQL 扩展。专门为时序数据设计的 PostgreSQL 扩展（例如 TimescaleDB）可以提供额外的优化和功能，同时保持与 PostgreSQL 生态系统的兼容性。
PostgreSQL 扩展是可以安装在 PostgreSQL 数据库之上的附加模块，用于提供增强的功能和性能。这些扩展利用 PostgreSQL 的可扩展性，并添加了旨在更有效地处理时序工作负载的功能。
PostgreSQL 时序数据扩展的主要特征
与 PostgreSQL 数据库引擎无缝集成
增强的时序工作负载性能和可扩展性
核心 PostgreSQL 中没有的附加功能和优化
PostgreSQL 扩展建立在 PostgreSQL 的可靠性和灵活性之上，同时解决了在处理时序数据时的一些局限性。它们引入了专门的数据类型、索引技术和查询优化，以改进时序数据的存储和检索。
TimescaleDB
TimescaleDB 是一个开源 PostgreSQL 扩展，它将 PostgreSQL 转换为高性能的时序数据库。
它为时序工作负载提供自动分区、优化的数据存储和快速的查询性能。
TimescaleDB 的主要功能
高性能时序数据存储和检索
完全 SQL 支持
TimescaleDB 保留了与 PostgreSQL SQL 接口的完全兼容性，允许开发人员使用熟悉的 SQL 语法和工具。
它使用额外的时序特定函数和运算符扩展了 SQL，使得执行复杂的时序查询和聚合更容易。
列式压缩
TimescaleDB 引入了 列式压缩，它利用时序数据的属性来实现高压缩率。
通过以列式格式存储数据并应用高级压缩技术，TimescaleDB 显着减少了存储需求并提高了查询性能。
使用 PostgreSQL 扩展处理时序数据的好处包括：
利用 PostgreSQL 的可靠性、灵活性和生态系统
在不牺牲 SQL 兼容性的情况下提高时序工作负载的性能和可扩展性
访问各种时序特定功能和优化
简化数据库管理并减少对多个专用数据库的需求
总的来说，对于希望处理时序数据同时利用 PostgreSQL 的优势和熟悉度的组织而言，PostgreSQL 扩展提供了一个引人注目的选择。它们平衡了专用时序数据库的优势和使用完善的关系数据库系统的优势。
在本文中，我们探讨了各种开源时序数据库以及如果您想有效地存储、管理和分析时序数据，您可以使用的选项。
我们首先讨论了时序数据的重要性以及需要专门的数据库来处理此数据的独特特征。然后，我们讨论了评估时序数据库时要考虑的基本属性：可扩展性、可维护性、可靠性和可用性。
接下来，我们研究了不同类别的开源时序数据库
像 InfluxDB 和 Prometheus 这样的专业解决方案是专为时间序列工作负载而构建的，并提供优化的性能和功能。
PostgreSQL 是一种流行的开源关系数据库，虽然它并非专为时间序列数据而设计，但在特定情况下仍然可行。
PostgreSQL 扩展，例如 TimescaleDB，建立在 PostgreSQL 的功能之上，并为时间序列数据提供增强的功能和优化。
我们讨论了每个类别的主要特征、优点和缺点，提供了见解，以帮助读者根据他们的特定需求做出明智的决定。
在整篇文章中，我们都强调了在选择开源时间序列数据库时考虑可扩展性、性能、易用性、社区支持和集成因素的重要性。
如果您正在寻找高性能、兼容 SQL 的时间序列数据库，那么 TimescaleDB 是一个很好的选择。TimescaleDB 建立在 PostgreSQL 的基础之上，为时间序列工作负载提供了无缝集成、强大的功能和优化的性能。
注册免费试用，亲身体验 TimescaleDB 的优势，并充分释放您的时间序列数据的潜力。
