TDengine TSDB（以下“TDengine”均指“TDengine TSDB”）是一款高性能時(shí)序數(shù)據(jù)庫(kù)。通過(guò)充分利用時(shí)序大數(shù)據(jù)的特點(diǎn)，TDengine Database 團(tuán)隊(duì)設(shè)計(jì)了新穎的存儲(chǔ)引擎，大幅提升了數(shù)據(jù)的寫(xiě)入和查詢速度，同時(shí)也大幅提高了數(shù)據(jù)壓縮率。與通用數(shù)據(jù)庫(kù)相比，性能好至少十倍以上，而存儲(chǔ)空間不到其 1/5，與其他時(shí)序數(shù)據(jù)庫(kù)相比，性能也是遠(yuǎn)超。

一、DevOps 場(chǎng)景下，TSBS 基準(zhǔn)測(cè)試報(bào)告

在 DevOps 場(chǎng)景下，TSBS 基準(zhǔn)測(cè)試結(jié)果顯示 TDengine 寫(xiě)入性能最大達(dá)到 TimescaleDB 的 6.7 倍，InfluxDB 的 10.6 倍。此外，TDengine 在寫(xiě)入過(guò)程中消耗了最少計(jì)算（CPU）資源和磁盤(pán) IO 開(kāi)銷(xiāo)；相同落盤(pán)數(shù)據(jù)規(guī)模下，TDengine 存儲(chǔ)空間只有 InfluxDB 的 25%，只有 TimescaleDB 的 4%。此外，對(duì)于大多數(shù)查詢類(lèi)型，TDengine 的性能均優(yōu)于 InfluxDB 和 TimescaleDB，在 Complex queries 類(lèi)型的查詢中展現(xiàn)出巨大的優(yōu)勢(shì)——TDengine 的 Complex queries 查詢性能最高達(dá)到了 InfluxDB 的 37 倍、 TimescaleDB 的 28.6 倍。

從圖 1 可以看出在 TSBS 全部五個(gè)場(chǎng)景中，TDengine 的寫(xiě)入性能全面超越 TimescaleDB 和 InfluxDB。在場(chǎng)景二（4,000 devices）中 TDengine 寫(xiě)入性能是 TimescaleDB 的最大達(dá)到 6.74 倍，在差距最小場(chǎng)景五（10 million devices）中，是 TimescaleDB 寫(xiě)入性能的 1.52 倍。相對(duì)于 InfluxDB，TDengine 在場(chǎng)景五（10 million devices）中寫(xiě)入性能是 InfluxDB 的 10.63 倍，在差距最小的場(chǎng)景一（100 devices）中也有 3.01 倍。

從圖 2 可以看出，在磁盤(pán)空間占用方面，TimescaleDB 在所有的場(chǎng)景下數(shù)據(jù)規(guī)模均顯著地大于 InfluxDB 和 TDengine，并且這種差距隨著數(shù)據(jù)規(guī)模增加快速變大。TimescaleDB 在場(chǎng)景四（1 million devices）和場(chǎng)景五（10 million devices）中占用磁盤(pán)空間是 TDengine 的 25 倍。在前面三個(gè)場(chǎng)景中，InfluxDB 落盤(pán)后數(shù)據(jù)文件規(guī)模與 TDengine 非常接近，但是在場(chǎng)景四/五兩個(gè)場(chǎng)景中，InfluxDB 落盤(pán)后文件占用的磁盤(pán)空間是 TDengine 的 4 倍以上。

從圖 3 可以看出，在 Double-rollups 類(lèi)型查詢中， TDengine 展現(xiàn)出巨大的性能優(yōu)勢(shì)，其查詢響應(yīng)時(shí)間來(lái)度量，double-groupby-5 和 double-groupby-all 的查詢性能是 TimescaleDB 的 24 倍，在 double-groupby-5 查詢上是 InfluxDB 的 26 倍 和 double-groupby-all 是其 34 倍。

從圖 4 可以看出，對(duì)于 Complex-queries 類(lèi)型的查詢，TDengine 兩個(gè)查詢均大幅領(lǐng)先 TimescaleDB 和 InfluxDB。在lastpoint 查詢中，查詢性能是 TimescaleDB 的 5 倍， InfluxDB 的 21 倍。在 groupby-orderby-limit 場(chǎng)景中查詢性能是TimescaleDB的 8 倍，是 InfluxDB 的 15 倍。在時(shí)間窗口聚合的查詢過(guò)程中，TimescaleDB 針對(duì)規(guī)模較大的數(shù)據(jù)集其查詢性能不佳（double rollups類(lèi)型查詢），對(duì)于 groupby-orderby-limit 的查詢，其性能上表現(xiàn)同樣不是太好。

有關(guān)測(cè)試報(bào)告執(zhí)行結(jié)果和重現(xiàn)步驟的詳細(xì)信息，請(qǐng)參閱《基于 TSBS 標(biāo)準(zhǔn)數(shù)據(jù)集 TimeScaleDB、InfluxDB 與 TDengine 的性能對(duì)比測(cè)試》。

二、IoT 場(chǎng)景下，TSBS 基準(zhǔn)測(cè)試報(bào)告

在 IoT 全部五個(gè)場(chǎng)景下，TDengine 寫(xiě)入性能均優(yōu)于 TimescaleDB 和 InfluxDB。寫(xiě)入性能最大達(dá)到 TimescaleDB 的 3.3 倍，InfluxDB 的 16.2 倍。此外，TDengine 在寫(xiě)入過(guò)程中消耗了最少計(jì)算（CPU）資源和磁盤(pán) IO 開(kāi)銷(xiāo)。

對(duì)于大多數(shù)查詢類(lèi)型，TDengine 的性能均優(yōu)于 InfluxDB 和 TimescaleDB，在復(fù)雜的混合查詢中 TDengine 展現(xiàn)出巨大的優(yōu)勢(shì)——其中 avg-load 和 breakdown-frequency 的查詢性能是 InfluxDB 的 426 倍 和 53 倍；daily-activity 和 avg-load 的查詢性能是 TimescaleDB 的 34 倍和 23 倍。

TimescaleDB 在所有場(chǎng)景下數(shù)據(jù)規(guī)模均顯著地大于 InfluxDB 和 TDengine，并且這種差距隨著數(shù)據(jù)規(guī)模增加快速變大，其落盤(pán)數(shù)據(jù)規(guī)模最高達(dá)到了 TDengine 的 12.2 倍；InfluxDB 在前三個(gè)場(chǎng)景中落盤(pán)后數(shù)據(jù)文件規(guī)模與 TDengine 非常接近，但隨著數(shù)據(jù)規(guī)模的增長(zhǎng)（場(chǎng)景四、場(chǎng)景五），InfluxDB 落盤(pán)后文件占用的磁盤(pán)空間最大達(dá)到了 TDengine 的 2.8 倍，這也直接說(shuō)明 TDengine 更加適用于時(shí)序大數(shù)據(jù)的存儲(chǔ)。

從整體 CPU 開(kāi)銷(xiāo)上來(lái)看，TDengine 不僅完成全部查詢的時(shí)間低于 TimescaleDB 和 InfluxDB，在整體上 CPU 計(jì)算資源的消耗也遠(yuǎn)小于 TimescaleDB 和 InfluxDB。在整個(gè)查詢過(guò)程中，TDengine 內(nèi)存也始終維持在一個(gè)相對(duì)平穩(wěn)的狀態(tài)。

有關(guān)測(cè)試報(bào)告執(zhí)行結(jié)果和重現(xiàn)步驟的詳細(xì)信息，請(qǐng)參閱《基于 TSBS 標(biāo)準(zhǔn)數(shù)據(jù)集時(shí)序數(shù)據(jù)庫(kù) TimescaleDB、InfluxDB 與 TDengine 在 IoT 場(chǎng)景性能對(duì)比測(cè)試》。

與 MongoDB、ClickHouse、OpenTSDB 等其他 Database 的對(duì)比測(cè)試報(bào)告，請(qǐng)下載“TDengine與其他數(shù)據(jù)庫(kù)對(duì)比測(cè)試的完整報(bào)告”。

TDengine 在數(shù)據(jù)寫(xiě)入、數(shù)據(jù)查詢、存儲(chǔ)空間、資源消耗等方面都表現(xiàn)出了超強(qiáng)的性能，因此，采用高性能時(shí)序數(shù)據(jù)庫(kù) TDengine，可將典型的物聯(lián)網(wǎng)、車(chē)聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)大數(shù)據(jù)平臺(tái)的總擁有成本降低至少 50% 以上。

都是時(shí)序數(shù)據(jù)庫(kù)，為什么 TDengine 能如此出眾？這是由于 TDengine 采用了獨(dú)特的存儲(chǔ)結(jié)構(gòu)，而不是照搬通用的 KV 存儲(chǔ)或 LSM 存儲(chǔ)引擎。它充分利用時(shí)序數(shù)據(jù)的特點(diǎn)而進(jìn)行了各種優(yōu)化，創(chuàng)新地提出了包括“一個(gè)數(shù)據(jù)采集點(diǎn)一張表”與“超級(jí)表”的設(shè)計(jì)，詳細(xì)請(qǐng)看 TDengine 數(shù)據(jù)模型和基本概念。