时序数据库特点与对比

  1. 时序数据库的特点
  • 数据写入
    时序数据会按照指定的时间粒度持续写入,支持实时、高并发写入,无须更新或删除操作。
  • 数据读取
    写多读少,多时间粒度、指定维度读取,实时聚合。
  • 数据存储
    按列存储,通过查询特征发现时序数据更适合将一个指标放在一起存储,任何列都能作为存储,读取数据时只会读取所需要的维度所在的列;以不同时间粒度存储,将最近时间以一个比较细的粒度存储,可以将历史数据聚合成一个比较粗的粒度。
  1. 时序数据库的对比
时序数据库 优点 缺点
OpenTSDB - Metric+Tags
- 集群方案成熟(HBase)
- 写高效(LSM-Tress)
- 查询函数有限
- 依赖HBase
- 运维复杂
- 聚合分析能力较弱
Graphite - 提供丰富的函数支持
- 支持自动Downsample
- 对Grafana的支持最好
- 维护简单
- Whisper存储 引擎IOPS高
- Carbon组件CPU使用率高
- 聚合分析能力较弱
InfluxDB - Metrics+Tags
- 部署简单、无依赖
- 实时数据Downsample
- 高效存储
- 开源版本没有集群功能
- 存在前后版本兼容问题
- 存储引擎在变化
Prometheus - Metric + Tags
- 适用于容器监控
- 具有丰富的查询语言
- 维护简单
- 集成监控和报警功能
- 没有集群解决方案
- 聚合分析能力较弱
Druid - 支持嵌套数据的列式存储
- 具有强大的多维聚合分析能力
- 实时高性能数据摄取
- 具有分布式容错框架
- 支持类SQL查询
- 一般不能查询原始数据
- 不适合维度基数特别高的场景
- 时间窗口限制了数据完整性
- 运维较复杂
ElasticSearch - 支持嵌套数据的列式存储
- 支持全文检索
- 支持查询原始数据
- 灵活性高
- 社区活跃
- 扩展丰富
- 不支持分析字段的列式存储
- 对硬件资源要求高
- 集群维护较复杂
ClickHouse - 具有强大的多维聚合分析能力
- 实时高性能数据读写
- 支持类SQL查询
- 提供丰富的函数支持
- 具有分布式容错框架
- 支持原始数据查询
- 适用于基数大的维度存储分析
- 比较年轻,扩张不够丰富,社区还不够活跃
- 不支持数据更新和删除
- 集群功能较弱
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,544评论 6 501
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,430评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,764评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,193评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,216评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,182评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,063评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,917评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,329评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,543评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,722评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,425评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,019评论 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,671评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,825评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,729评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,614评论 2 353

推荐阅读更多精彩内容