标签：场景 TDengine 性能 IoT InfluxDB 时序 TimescaleDB
6 月 26 日，涛思数据旗下时序数据库（Time Series Database） TDengine 正式发布 IoT 场景下 TDengine 3.0 性能对比分析报告，该报告在 IoT 场景下从数据写入、压缩和查询等维度，对比了 TDengine 与市场其他流行的时序数据库产品的性能差异，其中所有测试均在标准化条件下使用公开数据完成。此外，为了方便开发者验证报告结果，该报告中的数据在准备好物理环境后，可以由脚本一键执行生成。
IoT 场景下三大数据库写入性能对比
早在 2 月 21 日，TDengine 就已经针对 DevOps 场景发布了第一期 TDengine 3.0 性能对比分析报告，报告显示在 DevOps 场景下，TDengine 3.0 在写入、查询、存储、资源消耗等方面均优于另外两大时序数据库产品，验证了 TDengine 基于时序数据场景所设计的独特架构带来的性能优势以及成本控制水平。
值得一提的是，上述两大报告均是基于性能基准测试平台 Time Series Benchmark Suite (TSBS) 完成的。TSBS 是由 Timescale 打造并开源，集多种应用场景下时序数据生成、数据写入、查询处理、自动化结果汇总统计等功能于一体的时序数据库性能基准测评平台。由于其开源的特性，自 2018 年以来，该平台已被全球多家领先的时序数据库厂商使用，成为时序数据库性能测试上使用最为广泛的平台。
据了解，本次 TDengine 发布的 IoT 场景下 TDengine 3.0 性能对比分析报告使用 TSBS IoT 场景作为基础数据集，模拟虚拟货运公司车队中一组卡车的时序数据，预设了五种卡车规模场景，在相同的 AWS 云环境下运行了 TDengine 3.0、TimescaleDB 2.10.1 和 InfluxDB 1.8.10，从四大维度进行对比测试并输出结果。
测试报告结果可简单总结如下：
- 数据写入对比：在全部的五个场景中，TDengine 写入性能均优于 TimescaleDB 和 InfluxDB。写入性能最大达到 TimescaleDB 的 3.3 倍，InfluxDB 的 16.2 倍。此外，TDengine 在写入过程中消耗了最少计算（CPU）资源和磁盘 IO 开销。
- 数据查询对比：对于大多数查询类型，TDengine 的性能均优于 InfluxDB 和 TimescaleDB，在复杂的混合查询中 TDengine 展现出巨大的优势——其中 avg-load 和 breakdown-frequency 的查询性能是 InfluxDB 的 426 倍 和 53 倍；daily-activity 和 avg-load 的查询性能是 TimescaleDB 的 34 倍和 23 倍。
- 数据存储对比：报告显示，TimescaleDB 在所有场景下数据规模均显著地大于 InfluxDB 和 TDengine，并且这种差距随着数据规模增加快速变大，其落盘数据规模最高达到了 TDengine 的 12.2 倍；InfluxDB 在前三个场景中落盘后数据文件规模与 TDengine 非常接近，但随着数据规模的增长（场景四、场景五），InfluxDB 落盘后文件占用的磁盘空间最大达到了 TDengine 的 2.8 倍，这也直接说明 TDengine 更加适用于时序大数据的存储。
- 资源消耗对比：从整体 CPU 开销上来看，TDengine 不仅完成全部查询的时间低于 TimescaleDB 和 InfluxDB，在整体上 CPU 计算资源的消耗也远小于 TimescaleDB 和 InfluxDB。在整个查询过程中，TDengine 内存也始终维持在一个相对平稳的状态。
有关测试报告执行结果和重现步骤的详细信息，请参阅完整报告：《
基于 TSBS 标准数据集时序数据库 TimescaleDB、InfluxDB 与 TDengine 在 IoT 场景性能对比测试》。
关于 TDengine
TDengine 是由涛思数据完全自主开发的一款开源、高性能、云原生的时序数据库，专注时序空间大数据的存储、查询、分析和计算，全球运行的 TDengine 用户实例数超过 294.9k，平均每天新增数百个新部署，用户遍布全球 50 多个国家/地区，已被广泛运用于物联网、车联网、工业互联网、IT 运维等领域。2019年7月，TDengine 在 GitHub 开源，目前其
GitHub 的 Star 数达到了 21.5k，且多次登顶 GitHub 全球趋势排行榜。
2022年 8 月，TDengine 推出 3.0 版本，真正成为了一款云原生时序数据库，支持 10 亿个设备采集数据、100 个节点，支持存储与计算分离，解决了困扰时序数据库发展的高基数难题；还将存储引擎、查询引擎都进行了优化升级，并打造了全新的流式计算引擎，无需再集成 Kafka、Redis、Spark、Flink 等软件，性能提升的同时系统架构复杂度也实现了大幅降低。同年 9 月，TDengine Cloud 上线海外市场并同步支持 Microsoft Azure、AWS、Google Cloud 三大公有云平台，TDengine PI 连接器也在不久后成功上线，基于此，企业既能保留传统的 PI 系统，又能轻松获得现代云平台提供的所有好处。点击进入www.taosdata.com了解更多信息。
标签：场景,
TDengine,
性能,
IoT,
InfluxDB,
时序,
TimescaleDB
From： https://www.cnblogs.com/taosdata/p/17517526.html