3.核心功能大揭秘:衡量数据库的硬实力 (一)写入性能 对于时序数据库而言,高吞吐量写入是其立足的根本。 一些时序数据库还支持分布式查询,能够在多个节点上并行执行查询操作,进一步提高查询性能。 (四)分布式支持 在大规模数据场景中,分布式架构是时序数据库的必然选择。 5.IoTDB:国产之光的独特魅力 (一)IoTDB 简介 IoTDB 是一款由清华大学主导开发的开源时序数据库,如今已成长为 Apache 基金会的顶级项目,在时序数据库领域中占据着重要的地位 。 根据国际权威数据库性能基准榜单 TPCx-IoT 的测试结果,基于 IoTDB 开发的国产化时序数据库软件 TimechoDB 在物联网场景中,性能指标相比第二名提高了 86%,系统成本降低了 68% 如果你对 IoTDB 的企业版感兴趣,想要了解更多关于企业版的功能、优势以及应用案例等信息,可以访问企业版官网:Apache IoTDB_国产开源时序数据库_时序数据管理服务商-天谋科技Timecho
面对如此海量的时序数据处理需求,如何选择合适的时序数据库成为企业数字化转型的关键问题。 一、 时序数据挑战:大数据时代的时间序列洪流 时序数据与传统关系型数据有着本质区别。 传统的关系型数据库在这些场景下往往力不从心,专门设计的时序数据库应运而生。 二、选型指南:五个维度的实用考量 在选择时序数据库时,企业应从多个维度进行综合评估,确保选型能够满足当前及未来的业务需求。 优秀的时序数据库应支持灵活的数据模型,能够高效处理多层次、多维度的时序数据。 查询语言应简单易用,支持丰富的时间窗口聚合函数,能够满足复杂业务分析需求。 三、国产力量:Apache IoTDB的技术优势与应用实践 在众多时序数据库解决方案中,Apache IoTDB(物联网数据库)作为国产自研的代表,展现了在时序数据管理领域的强大技术实力。 国产时序数据库的力量正在改变数据处理的规则。
正是由于这些痛点,企业迫切需要一种专为工业时序数据设计、具备原生分布式架构和极致性能的新型数据库系统。2. 国产时序数据库的 DolphinDB 的存算一体与革新架构数据的爆炸式增长与实时智能的需求,是贯穿工业、金融、交通等各行各业的时代映射。 DolphinDB 正是顺应这一时代趋势应运而生的国产高性能时序数据库平台。 2.1 存算一体与极致性能:面向时序的深度优化DolphinDB 从底层存储到计算引擎都进行了针对时序数据的深度优化,实现了数据存储与计算的紧密集成(存算一体),突破了传统数据库的性能瓶颈。 面对数据洪流和国产化替代的战略要求,企业在工业时序数据库的技术选型上,必须突破传统思维,转向综合考量“性能、功能与服务”的价值体系。
1.基本概念 时序数据库(Time Series Database)是用于存储和管理时间序列数据的专业化数据库。时序数据库特别适用于物联网设备监控和互联网业务监控场景。 下面介绍下时序数据库的一些基本概念(不同的时序数据库称呼略有不同)。 1.1 度量(metric) 监测数据的指标,例如风力和温度。相当于关系型数据库中的table。 5.传统关系型数据库存储时序数据的问题 很多人可能认为在传统关系型数据库上加上时间戳一列就能作为时序数据库。数据量少的时候确实也没问题。 如何更低成本的存储这些数据,将成为时序数据库需要解决的重中之重。 6.时序数据库发展简史与现状 目前,DB-Engines把时间序列数据库作为独立的目录来分类统计,下图就是2018年业内流行的时序数据库的关注度排名和最近5年的变化趋势。
过去,这种优化依赖老师傅的“手感”或昂贵的国外软件;今天,以国产时序数据库为核心的新一代技术方案,正在为制造业注入全新的智慧基因。 其次,以 DolphinDB 为代表的国产时序数据库技术取得了长足进步。在数据处理性能、系统稳定性、工业协议支持等方面已经达到甚至超越了国际同类产品水平。这为制造业提供了既先进又安全可控的技术选择。 2 国产时序数据库——生产优化的数据基石 机遇已至,但将海量数据转化为生产力,首先需要一个能处理工业级数据洪流的坚实底座。这正是国产时序数据库发挥核心价值的舞台。 国产时序数据库的崛起,标志着中国制造业拥有了一把开启高质量与高效率之门的自主钥匙。它不仅仅是一项技术工具,更是推动产业从“经验依赖”转向“数据驱动”的核心引擎。 随着人工智能算法的深度融入以及与工业互联网平台的广泛协同,以 DolphinDB 为代表的国产时序数据库,将持续赋能更复杂的生产场景。
数据库的模型包含关系型、key-value 型、Document 型等很多种,那么为什么新型的时序数据库成为监控数据存储的新宠呢? 下面就会从 为什么需要时序数据库? 时序数据库的数据结构 两个方面来介绍一下时序数据库。 1. 事实上,你完全可以可以使用非时序序列的数据库,并且也确实有人是这样做的。 **注**: 数据源 Percona,2017 年 2 月. 为什么需要时序数据库? 1.3 场景选择 是否所有的数据都适合用时序数据库来存储? 答案:是否定的,时序数据库提供了针对大量数据的插入操作,但同时数据的读取延迟也相对增加。而且时序数据库不支持 SQL 的数据查询。 时序数据库的数据结构 传统数据库存储采用的都是 B+ tree,原因是查询和顺序插入时有利于减少寻道次数的。然而对于 90% 以上场景都是写入的时序数据库,使用了 LSM tree 更合适。
目录 1 .什么是InfluxDB 2.那么时序数据有什么特点呢? 3.对于时序数据,我们总结了以下特点: 4.业务方常见需求 5.时序数据库为了解决什么问题? 6.InfluxDB的优势 ---- 1 .什么是InfluxDB InfluxDB是一个开源的、高性能的时序型数据库,在时序型数据库DB-Engines Ranking上排名第一。 根据DB-Engines等数据库趋势跟踪和行业分析网站发布的信息,时序型数据库是数据库市场中份额增长最快的部分。 传统数据库通常记录数据的当前值,时序型数据库则记录所有的历史数据,在处理当前时序数据时又要不断接收新的时序数据,同时时序数据的查询也总是以时间为基础查询条件,并专注于解决以下海量数据场景的问题: 专为时序存储和高性能读写而设计 为什么通用数据库在时序场景上不是最优的选择呢?许多通用数据库正在为时序数据添加一些支持,虽然可能很容易使用,但它们基本上都不是针对海量时序数据的吞吐量和实时操作而设计的。
前言 mysql可能大家都用的比较多且普遍,最近1年在使用PostgreSql,其大体DML语句与mysql类似,只是部分DDL语句有些区别,写一篇文章给正在应用该数据库或者准备选型该数据库的朋友 版本为基础的对象关系型数据库管理系统。 dnS 列出所有模式 S代表各个schema \d tablename 列出表详情 类似于mysql的show create table 3.时序分片 — 建表语句 CREATE TABLE NULL, CONSTRAINT info_ukey UNIQUE (type, info, ts) ) WITH (OIDS = FALSE) TABLESPACE default; — 时序 ,在时序处理上表现是比较出色的,如果有针对于时间维度的比较重的表需要做一些优化,可以考虑引入时序数据库的选型,而且大体DML语句与mysql类似,只是部分DDL语句有些区别,希望文章对您有所帮助 原创,
在这一权威榜单中,涛思数据旗下的TDengine连续多次蝉联时序数据库类别榜首。 02 架构创新:从时序数据库到全链路解决方案TDengine的创新之处在于它不仅仅是一个时序数据库,更是一个完整的时序数据处理平台。其架构设计体现了“极简时序数据处理平台”的理念。 根据墨天轮数据,TDengine落地案例数达88个,居国产时序数据库首位。 所有需要采集数据的场景,都可以使用时序数据库。” 目前TDengine落地案例数达88个,居国产时序数据库首位。Q:TDengine在生态建设和未来布局上有何特点?
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。
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。
时序数据库正是为解决这类问题而生的专业数据基础设施。理解它,是能源行业推进信创国产化替换的关键认知起点。 时序数据库的工作原理:如何实现“海量写入+秒级响应”?时序数据库是如何运作的? 能源行业正从“设备监测”向“业务+设备”混合时序分析演进,覆盖更广业务维度。 “国产时序能力不足”?→ 认知需更新。 总结与延伸:从认知到行动,国产时序能力正成为能源新基建底座时序数据库是什么? 它是能源数字化转型中,承载设备生命体征的“数字脉搏监护仪”。 选择具备成熟时序处理能力的国产数据库,不仅有助于满足合规要求,更能提升数据采集完整性、查询响应及时性、分析建模灵活性。在构建新型电力系统与智慧能源体系过程中,时序数据基础设施已成为不可或缺的一环。
2026年3月,国际权威数据库排名机构 DB-Engines 最新更新各类数据库排行榜,DolphinDB 凭借卓越的综合实力,成功跻身时序数据库(TSDB)全球 TOP 5,该名次为国产时序数据库迄今为止最佳排名 ,同时居向量数据库(VectorDB)榜单全球 TOP 8,再次彰显国产数据库的硬核底气与全球竞争力。 在时序数据库领域,DolphinDB 早已确立领先地位:国内市场中,它长期稳居国产时序数据库榜首,服务于中信证券、长江电力、比亚迪等近200家头部企业,成为金融、电力、制造等核心场景的首选解决方案;全球舞台上 全球总榜国产位居前列,综合实力凸显值得关注的是,本次排名中,DolphinDB 在全球共计389个数据库的总榜中位列第66位,为所有国产数据库类别中的第二,展现出多模型数据库的综合实力优势,其多场景适配能力获得全球行业认可 作为一款多模型数据库,DolphinDB 并非单一类型数据库,而是集时序、向量、关系型等多种数据模型于一体,能够高效处理时序数据流、向量检索、结构化查询等多种场景需求,无需额外部署多套数据库系统,大幅降低企业数据管理成本
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。
Prometheus时序数据库 一、Prometheus 1、Prometheus安装 1)源码安装 prometheus安装包最新版本下载地址:https://prometheus.io/download rules文件的周期,默认为1min scrape_timeout: 15s # 设定抓取数据的超时时间,默认为10s external_labels: # 额外的属性,会添加到拉取得数据并存到数据库中 1)表达式浏览器 在浏览器中,输入部署prometheus数据库的机器ip地址以及端口号 http://localdns:9090/graph 界面展示如下,就可以通过浏览器查看Prometheus中的数据
InfluxDB 是一个开源分布式时序、事件和指标数据库。使用 Go 语言编写,无需外部依赖。其设计目标是实现分布式和水平伸缩扩展。 , median 一系列函数,方便统计 Native HTTP API, 内置http支持,使用http读写 Powerful Query Language 类似sql 操作介绍 远程连接 创建及使用数据库 REATE RETENTION POLICY “rp_name” ON “db_name” DURATION 30d REPLICATION 1 DEFAULT rp_name:策略名 db_name:具体的数据库名 hours d days w weeks INF infinite REPLICATION 1:副本个数,这里填1就可以了 DEFAULT设为默认的策略 目前,我们已经influxdb+grafana应用到数据库监控
一、项目概述 此项目为模拟风电场监控项目,模拟一个电厂、六台风机,数据采用随机数实时插入到时序数据库中,再由websocket+quartz从时序数据库中取出推送到界面展示。 其中统计信息存放在关系型数据库中。 在线演示地址: http://tenddb.zsis.net:8080 账号:root1 密码:123456 演示环境没有删除、修改权限权限。 3.互操作性—支持实时数据库的数据接口,并通过标准关系数据库接口(ODBC,OLE DB)实现与ERP及其它MIS系统的数据集成。 五、 数据库设计 5.1 物理视图 5.2 E-R图 六、系统功能 6.1 完整实时数据展现 该系统采用时序数据库系统实现风电场的所有风电机组、风速、发电量等运行情况的远程监视和接收汇总,使各级部门都能及时的了解风电机组运行状态和发电状况 七、界面设计 八、性能测试 提供了时序数据库的插入性能测试:单标签多数据和多标签多数据。 更多功能广大网友可以继续挖掘。
2026年3月9日,国产时序数据库厂商TDengine悄然变更官网slogan——"TDengine,构建AI时代的工业数据基座"。 布局:TDengine的"TSDB+IDMP"组合战略TDengine的答案,是一个"双轮驱动"的产品组合:TSDB(时序数据库)+IDMP(工业数据管理平台)。 作为一款开源、高性能、云原生的时序数据库,TSDB专注于解决时序空间大数据的存储、查询、分析和计算问题。 在国产时序数据库领域,TDengine已稳居领先地位,墨天轮中国数据库流行度排行榜显示,其持续六年蝉联国产时序数据库第一。但仅有TSDB还不够。 2016年底,TDengine创始人陶建辉因看到物联网、工业互联网的高速发展,判断市场需要一款高性能、具备水平扩展能力的时序数据库,开启了人生的第三次创业。
摘要:2026年,伴随工业物联网与数字化转型的深度推进,国产时序数据库迎来规模化应用阶段,产品技术路线日趋多元。 本文梳理主流国产时序数据库的核心技术特征、适配场景,同步提供多产品的基础部署与核心操作步骤,结合SQL实操案例解析技术落地逻辑,为企业技术选型与落地提供客观参考。 一、主流国产时序数据库技术全景 (2026) 当前国产时序数据库形成分布式、多模融合、开源闭源并行的格局,各产品基于技术储备聚焦不同落地场景,核心技术参数与适配方向如下表所示: 数据库名称 核心厂商/社区 ,支持分布式/集中式部署 开源 监控运维、通用物联网场景 GreptimeDB 格睿科技 云原生分布式,实时分析引擎优化 开源 高时效时序数据洞察场景 金仓时序数据库 中电科金仓(原人大金仓) KES内核时序插件 五、总结 2026年国产时序数据库的技术差异核心集中在部署架构、数据处理能力与生态适配性上,无绝对最优产品,仅存在场景适配度差异。
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。