- 综合排序
- 最热优先
- 最新优先
- 来自专栏仙士可博客
时序数据库学习一:什么是时序数据库
时序数据库 时序数据库全称为时间序列数据库。时间序列数据库指主要用于处理带时间标签（按照时间的顺序变化，即时间序列化）的数据，带时间标签的数据也称为时间序列数据。 ,看某一个时间段的所有数据才有意义 时序数据库的基本概念 Time series （时间序列，简称时序或者时序数据）：根据wiki百科[2]，其数学定义是这样：In mathematics, a time 时序数据库的项目 事实上，业界流行的ClickHouse、Apache IoTDB等也属于时序数据库范畴。 TimescaleDB： 基于优秀的PostgreSQL构建出的时序数据库。长远考虑，专业的TSDB必须是从底层存储面向时序数据的特征进行针对性设计和优化的。因此它不在本文中进一步分析。 IoTDB：国内清华大学开源的时序数据库，面向工业IoT场景；性能出众，社区活跃。
4.2K20编辑于 2022-05-27 时序数据库
时序数据库的核心特点 时序数据库专门存储按时间顺序生成的数据（如监控指标、传感器数据），其核心特点是高写入吞吐和时间范围查询。数据通常带有时间戳，写入后极少更新，但需支持高效的时间区间聚合分析。 InfluxDB企业版的双层架构设计 META节点与DATA节点分离的设计源于场景差异： META节点：存储元信息（数据库/表结构），需强一致性（CP模型），采用Raft算法保证容错与即时一致性，通常3 DATA节点：存储时序数据，需高吞吐和水平扩展（AP模型），允许最终一致性，通过多副本、Hinted-handoff等机制平衡性能与可靠性。 时序数据的不可变性简化修复逻辑——仅需补全缺失记录。 时序数据库的写入密集型特性决定了DATA节点采用AP模型，而元数据管理需CP保证。 权衡的艺术：强一致性（如Raft）牺牲性能，最终一致性（如反熵）需容忍短暂不一致。
39310编辑于 2025-12-18- 来自专栏DevOps
时序数据库：TDengine与其他时序数据库比对测试
为了更客观的对比TDengine和其他时序数据库（Time-Series Database）的性能差异，本项目采用由InfluxDB团队开源的性能对比测试工具来进行对比测试，相同的数据产生器，相同的测试用例 本测试项目目前支持以下时序数据库的对比测试 InfluxDB TDengine 本项目的Github链接：https://github.com/liu0x54/timeseriesdatabase-comparisons 因为测试模拟数据先生成并写入硬盘文件，由数据加载程序从文件中读取一条条的数据写入语句，写入时序数据库。这种方式能够将数据产生过程中的性能差异排除。 root权限。 写入测试 本测试包提供了一个run.sh脚本，自动执行将docker容器按指定IP地址运行起来，然后产生数据，写入数据文件，并写入时序数据库。 除核心的快10倍以上的时序数据库（Time-Series Database）功能外，还提供缓存、数据订阅、流式计算等功能，最大程度减少研发和运维的工作量。
3.9K10编辑于 2024-03-29 - 来自专栏云服务器教程
时序数据库 CTSDB
典型应用场景 互联网日志存储与监控分析 互联网服务可以将用户的网络延迟数据、业务服务指标数据、日志数据等写进CTSDB数据库。然后由时序数据库直接生成报表以供技术产品做分析，尽早的发现、解决问题。
3.6K50发布于 2019-01-11 - 来自专栏Node Python Go全栈开发
时序数据库 InfluxDB（一）
数据库种类有很多，比如传统的关系型数据库 RDBMS（ 如 MySQL ），NoSQL 数据库（ 如 MongoDB ），Key-Value 类型（ 如 redis ），Wide column 类型（ 如 HBase ）等等等等，当然还有本系列文章将会介绍的时序数据库 TSDB（ 如 InfluxDB ）。 01 — 时序数据库 TSDB 不同的数据库针对的应用场景有不同的偏重。TSDB（ time series database ）时序数据库是专门以时间维度进行设计和优化的。 通常具有以下的特点： 时间是不可或缺的绝对主角（就像 MySQL 中的主键一样），数据按照时间顺序组织管理 高并发高吞吐量的数据写入 数据的更新很少发生 过期的数据可以批量删除 InfluxDB 就是一款非常优秀的时序数据库 这张图选取了三种时序数据库的历年排名得分情况。
4.6K20发布于 2020-07-17 - 来自专栏Node Python Go全栈开发
时序数据库 InfluxDB（七）
2、当某个 InfluxDB 实例故障而导致写入失败时，记录失败的数据和节点，这些失败的数据可以临时存储在数据库、消息中间件、日志文件等等里面。
2.3K20发布于 2020-07-17 - 来自专栏DevOps
时序数据库：TDengine简介
除核心的快10倍以上的时序数据库功能外，还提供缓存、数据订阅、流式计算等功能，最大程度减少研发和运维的复杂度，且核心代码，包括集群功能全部开源（开源协议，AGPL v3.0）。 10 倍以上性能提升。 由于超强性能，计算资源不到通用大数据方案的1/5；通过列式存储和先进的压缩算法，存储空间不到通用数据库的1/10。 全栈时序数据处理引擎。 ，比如结构化、无需事务、很少删除或更新、写多读少等等，因此与其他时序数据库相比，TDengine 有以下特点： 高性能：TDengine 是唯一一个解决了时序数据存储的高基数难题的时序数据库，支持上亿数据采集点 ，并在数据插入、查询和数据压缩上远胜其它时序数据库。 需要指出的是，TDengine 是针对时序数据场景设计的专用数据库和专用大数据处理工具，因其充分利用了时序大数据的特点，它无法用来处理网络爬虫、微博、微信、电商、ERP、CRM 等通用型数据。
5.4K21编辑于 2024-03-29 - 来自专栏数据库干货铺
时序数据库influxdb简介
influxdb是一款开源的时序数据库，可以用作监控系统的数据存储或用来存储基于时序进行分析的业务系统的数据存储。 不为0，会导致influxdb OOM，配置时设置为0 查询限制参数不要修改，使用默认配置，否则会出现各种奇葩问题 写入超时时间默认是10s，需要按需调大 03 主要概念简介 Database 数据库是个逻辑容器 这些配置在创建数据库时可以修改。 Continuous Query CQ是预先配置好的一些查询命令，定期自动执行这些命令并将查询结果写入指定的measurement中，这个功能主要用于数据聚合。 （参考 饿了么Influxdb实践之路） 04 结语 influxdb的部署是非常简单的，本文的主要目的是推出influxdb,让更多的小伙伴多一种可选的数据库； 之前我们也介绍过prometheus 监控利器出鞘：Prometheus+Grafana监控MySQL、Redis数据库 5. PostgreSQL主从复制--物理复制 6. MySQL传统点位复制在线转为GTID模式复制 7.
3.5K10发布于 2020-05-04 - 来自专栏Node Python Go全栈开发
时序数据库 InfluxDB（四）
所有数据先写入到 WAL（ Write Ahead Log ）预写日志文件，并同步到 Cache 缓存中，当 Cache 缓存的数据达到了一定的大小，或者达到一定的时间间隔之后，数据会被写入到 TSM 文件中。
2.3K30发布于 2020-07-17 - 来自专栏扯编程的淡
什么是时序数据库
时序数据库，全称为时间序列数据库，主要用于处理带时间标签（按照时间的顺序变化，即时间序列化）的数据。这些数据主要由电力行业、化工行业、气象行业、地理信息等各类型实时监测、检查与分析设备所采集、产生。 总结起来，时序数据库就是为了两件事：监控+存储对比关系型数据库的不同：时序数据库关系型数据库存储内容存储时间和时间戳等序列信息存储非序列性数据，例如关系中的对象之间的相互关系管理方式集中式管理方式分布式管理方式扩展性支持大量并发访问和更新通常只支持单个数据存储 ：OpenTSDB：基于HBase的开源时序数据库，支持分布式存储和查询。 InfluxDB：另一个开源的时序数据库，支持时间序列数据的存储、查询和分析。Prometheus：一个开源的监控和警告工具，也提供了自己的时序数据库。 OpenTracing：虽然不是专门的时序数据库，但OpenTracing提供了一个分布式追踪系统的框架，可以用于收集、处理和分析分布式系统中的时间序列数据。
1K10编辑于 2023-12-18 - 来自专栏Node Python Go全栈开发
时序数据库 InfluxDB（三）
in-memory 相关设置： max-series-per-database = 1000000 max-values-per-tag = 100000 max-series-per-database ：每个数据库允许的最大
3.3K40发布于 2020-07-17 - 来自专栏Node Python Go全栈开发
时序数据库 InfluxDB（六）
01 — CQ 连续查询 连续查询 Continuous Queries（ CQ ）是 InfluxDB 很重要的一项功能，它的作用是在 InfluxDB 数据库内部自动定期的执行查询，然后将查询结果存储到指定的 = true ：开启CQ log-enabled = true ：输出 CQ 日志 query-stats-enabled = false ：关闭 CQ 执行相关的监控，不会将统计数据写入默认的监控数据库 02 — 基本语法 一 、 基本语法： CREATE CONTINUOUS QUERY <cq_name> ON <database_name> BEGIN <cq_query> END 在某个数据库上创建一个 <measurement> 使用当前数据库和默认 RP 的情况就只需要 measurement 。 CQ 在何时执行取决于 CQ 创建完成的时间点、GROUP BY time() 设置的时间间隔、以及 InfluxDB 数据库预设的时间边界（这个预设的时间边界其实就是 1970.01.01 00:00
2.2K40发布于 2020-07-17 - 来自专栏开源技术小栈
开源时序数据库 InfluxDB
使用场景 InfluxDB 是一种时序数据库，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。 当前市面上的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。网上有不少关于性能测试的文章，同学们可以自己去参考学习，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。 时间不可倒流，数据只写不改 时序数据是描述一个实体在不同时间所处的不同状态。 这是时序数据的一大特点。与之相应，时序数据库基本上是插入操作较多，而且还没有什么更新需求。 另外，在时序数据库领域，一行数据一行数据由下面 4 种元素构成。
2.6K10编辑于 2024-06-04 【MySQL作时序数据库】
物联网实时数据库最好采用时序数据库（如opentsdb、influxdb），因为物联网的数据一般都是连续的、带有时间戳的采集记录。不过，在某些特殊情况下，必须或最好使用MySQL。 在数据表的模型设计层面，设计物联网的时序模型。尽管MySQL引擎已经更换成了与时序数据库相同的底层机制，但上层结构设计并没有适配时序数据的结构与模型，所以需要在数据表设计时进行适配。 可以学习opentsdb等时序数据库的记录模型，例如使用类似于opentsdb的datapoint结构，包括metric指标任务、timestamp时间戳、value数据和tags标签。 要使用MySQL作为物联网实时数据库，采用以下两个策略： 替换MySQL的引擎为myrocks：myrocks引擎的内核是rocksdb，而rocksdb和一些时序数据库都是基于lsm索引机制的。 在数据库表的模型设计上，采用时序模型：学习类似opentsdb的时序数据库的记录模型，设计数据表结构。
39610编辑于 2025-08-29- 来自专栏解Bug之路
Prometheus时序数据库-报警的计算Prometheus时序数据库-报警的计算
Prometheus时序数据库-报警的计算 在前面的文章中，笔者详细的阐述了Prometheus的数据插入存储查询等过程。但作为一个监控神器，报警计算功能是必不可少的。 想知道具体的计算流程，可以见笔者之前的博客《Prometheus时序数据库-数据的查询》 计算出左节点的数据之后，我们就可以和右节点进行比较以计算出最终结果了。
1.4K10编辑于 2021-12-24 - 来自专栏杂烩
时序数据库influxdb体验
一、概述 influxdb是一种时序数据库，时序数据库简而言之就是针对时间为KEY的数据存储系统。其可存储海量数据，并且查询性能非常强，可以用来做基于时间的应用，比如日志存储、温度计采集等。
2.2K10编辑于 2023-03-23 - 来自专栏Node Python Go全栈开发
时序数据库 InfluxDB（二）
如果所示，一个 database 对应一个实际的磁盘上的文件夹，该数据库下不同的 RP 策略对应不同的文件夹。
2.1K40发布于 2020-07-17 - 来自专栏Node Python Go全栈开发
时序数据库 InfluxDB（五）
01 — 系统监控 InfluxDB 自带有一个监控系统，默认情况下此功能是开启的，每隔 10 秒中采集一次系统数据并把数据写入到 _internal 数据库中，其默认使用名称为 monitor 的 RP monitor] store-enabled = true store-database = "_internal" store-interval = "10s" _internal 数据库与其它数据库的使用方式完全一致 ，其记录的统计数据分为多个 measurements ： cq ：连续查询 database ：数据库 httpd ：HTTP 相关 queryExecutor ：查询执行器 runtime ：运行时 备份和恢复的命令参数非常相似，参数的含义也是一目了然的，比如你可以备份指定的数据库、RP、shard，恢复到新的数据库、RP 。 另外，恢复数据时，无法直接恢复到一个已经存在的数据库或者 RP 中，为此你只能先使用一个临时的数据库和 RP ，然后再重新将数据插入到已有的数据库中（比如使用 select ... into 语句）。
2.3K30发布于 2020-07-17 时序数据库的最佳实践
时序数据库（TimeSeriesDatabase,TSDB）在处理和分析带有时间戳的数据方面表现出色，广泛应用于物联网（IoT）、金融交易、工业监测等领域。 为了充分发挥时序数据库的优势，以下是一些最佳实践，帮助企业优化时序数据的存储和查询性能。一、数据建模与分区策略合理的数据建模：在设计时序数据库时，首先要考虑数据的结构和存储方式。 存储优化：选择合适的存储引擎和存储介质也是优化时序数据库性能的重要因素。对于高频写入和读取的场景，可以选择SSD等高速存储介质，以提高数据访问速度。 五、监控与性能调优性能监控：持续监控时序数据库的性能指标，如查询响应时间、磁盘I/O、CPU使用率等。通过监控数据，及时发现和解决性能瓶颈，确保系统的稳定运行。 通过以上最佳实践，企业可以充分利用时序数据库的优势，实现高效的数据管理和分析。随着技术的不断进步，时序数据库将在更多领域发挥重要作用，助力企业实现数字化转型。
36810编辑于 2025-11-12- 来自专栏DevOps
时序数据库：TDengine整体架构
与典型的 NoSQL 存储模型相比，TDengine 将标签数据与时序数据完全分离存储，它具有两大优势： 能够极大地降低标签数据存储的冗余度：一般的 NoSQL 数据库或时序数据库，采用的 K-V 存储 TDengine 在数据落盘时会打开新的数据库日志文件，在落盘成功后则会删除老的数据库日志文件，避免日志文件无限制地增长。 2.按时间轴聚合、降采样、插值 时序数据有别于普通数据的显著特征是每条记录均具有时间戳，因此针对具有时间戳的数据在时间轴上进行聚合是不同于普通数据库的重要功能。 2.数据特征 除时序特征外，仔细研究发现，物联网、车联网、运维监测类数据还具有很多其他明显的特征： 数据高度结构化； 数据极少有更新或删除操作； 无需传统数据库的事务处理； 相对互联网应用，写多读少； 与传统的关系型数据库相比，表（一个数据采集点）是带有静态标签的，而且这些标签可以事后增加、删除、修改。一张超级表包含有多张表，这些表具有相同的时序数据 schema，但带有不同的标签值。
5.1K10编辑于 2024-03-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号