c时序数据库

时序数据库（Time Series Database，TSDB）是优化用于摄取、处理和存储时间戳数据的数据库，此类数据可能包括来自服务器和应用程序的指标、来自物联网传感器的读数、网站或应用程序上的用户交互或金融市场上的交易活动。

一、基本概念

1、度量（Metric）：类似关系型数据库里的表（Table），代表一系列同类时序数据的集合，例如为空气质量传感器建立一个表，存储所有传感器的监测数据。

2、标签（Tag）：描述数据源的特征，通常不随时间变化，例如传感器设备包含设备 DeviceId、设备所在的 Region 等 Tag 信息，数据库内部会自动为 Tag 建立索引，支持根据 Tag 来进行多维检索查询。

3、时间戳（Timestamp）：代表数据产生的时间点，可以写入时指定，也可由系统自动生成。

4、量测值（Field）：描述数据源的量测指标，通常随着时间不断变化，例如传感器设备包含温度、湿度等 Field。

5、数据点（Data Point）：数据源在某个时间产生的某个量测指标值（Field Value）称为一个数据点，数据库查询、写入时按数据点数来作为统计指标。

6、时间线（Time Series）：数据源的某一个指标随时间变化，形成时间线，Metric + Tags + Field 组合确定一条时间线，针对时序数据的计算包括降采样、聚合（sum、count、max、min 等）、插值等都基于时间线维度进行。

二、特点

1、写入模式：时序数据随时间增长，相同维度重复取值，指标平滑变化，面对的往往是百万甚至千万数量级终端设备的实时数据写入，但数据大多表征设备状态，写入后不会更新。

2、查询方式：按不同维度对指标进行统计分析，且存在明显的冷热数据，一般只会频繁查询近期数据。

3、存储原理：传统数据库存储采用的都是 B tree，而时序数据库通常都是采用 LSM Tree 的变种，顺序写磁盘来增强数据的写入能力。

三、应用场景

1、系统运维和业务实时监控：在业务服务器上部署各种脚本客户端，实时采集服务器指标数据（IO 指标、CPU 指标、带宽内存指标等等）、业务相关数据（方法调用异常次数、响应延迟、JVM GC 相关数据等等）、数据库相关数据（读取延迟、写入延迟等等），这些数据都是时间序列相关的。

2、物联网设备状态监控存储分析：可预知的未来 3~5 年，随着物联网以及工业 4.0 的到来，所有设备都会携带传感器并联网，传感器收集的时序数据将严重依赖 TSDB 的实时分析能力、存储能力以及查询统计能力。

四、发展趋势

从 DB-engines 的排名可以看出，时序数据库的活跃度最高，且随时间呈现越来越活跃的趋势，其中排名最高的时序数据库是 2013 年开源的 InfluxDB。

五、相关产品及工具

1、InfluxDB：是一个开源的时序数据库，具有高性能、可扩展性强等特点，广泛应用于各种时序数据的存储和分析场景。

2、TimescaleDB：基于 PostgreSQL 的时序数据库插件，提供了强大的时序数据处理功能，如自动分区、压缩和连续聚合等。

六、与传统关系型数据库的区别

1、数据结构：传统关系型数据库采用 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；而时序数据库通常采用 LSM Tree 的变种，顺序写磁盘来增强数据的写入能力。

2、适用场景：传统关系型数据库适用于事务处理等场景；而时序数据库则更专注于处理带有时间标签的数据，如物联网设备监控、互联网业务监控等场景。

七、FAQs

1、什么是时序数据库中的数据点？

数据点是数据源在某个时间产生的某个量测指标值（Field Value），数据库查询、写入时按数据点数来作为统计指标。

2、时序数据库与关系型数据库有何区别？

传统关系型数据库采用 B+树数据结构，在数据写入时可能会触发叶裂变，产生对磁盘的随机读写，降低写入速度；而时序数据库通常采用 LSM Tree 的变种，顺序写磁盘来增强数据的写入能力，两者在适用场景上也有所不同，传统关系型数据库适用于事务处理等场景，而时序数据库更专注于处理带有时间标签的数据。