初探时间序列数据库

初探时间序列数据库

时序数据库是什么？

时间序列数据是基于时间的系列数据。时序数据库就是存放时间序列数据的数据库，需要支持时序数据的快速写入、持久化、多纬度的聚合查询等功能。对比传统数据库仅仅记录了数据的当前值，时序数据库则记录了所有的历史数据，同时时序数据的查询也总是会带上时间作为过滤条件。

在有时间的坐标中将这些数据点连成线，向过去看可以做成多纬度报表，揭示其趋势性、规律性、异常性；往未来看可以做大数据分析，机器学习，实现预测和预警。

上面的表达相对模糊，我画了一张图来帮助理解。

为什么需要时序数据库？

传统关系型数据库上加上时间戳列就能作为时序数据库，以前大家都是这么干的，事实上基于PG的TimescaleDB也是这么延伸出来的。数据量少的时候确实没问题，但数据量小，展现的纬度就有限，细节少，用来做数据分析置信度就低。

举个例子：无人车在运行时需要监控各种状态，包括坐标，速度，方向，温度，湿度等等，并且需要把每时每刻监控的数据记录下来，用来做数据分析。每辆车每天就会采集将近海量的数据。如果只是存储下来不查询也还好，但如果需要快速查询多纬度、分组聚合查询，那么传统关系数据库加时间戳的方法就难以应对了。

时序数据库是为了解决上述海量数据场景而设计开发出来的，时序数据库需要解决以下几个问题：时序数据的高速写入（几乎不改）：支持海量数据点的高频数据大量写入；时序数据的高效读取：支持在秒级对上亿数据的分组聚合运算；低成本：解决海量数据存储带来的是成本问题，更好的压缩算法和分级存储机制。这些都是时序数据库需要解决的问题。

另外一个最重要的方面，是分析和处理能力的提升和改善，把尽可能多的算法或者模型内置在数据库中，数据分析工作相比传统关系数据库就更进一层楼了。如同以前一直在说的，IT的平民化和细分场景驱动，为快速满足需求而导致的敏捷实践和技术堆栈选择权的程序员化，投射在时间相关的数据分析场景，就推动了企业时序数据库的大量导入了吧。

时序数据库并不新鲜，早期用例主要在金融领域（KDB+），特别是股票程序化交易领域（因子分析、策略回测、实时风控、交易信号的计算等），目前金融不再是时序数据库的唯一应用领域，事实上， IT人员最熟悉的用例，可能是运维大数据平台中的时序数据库（Prometheus）。另外一个目前大家都在谈的用例是物联网IOT数据平台，特别是BAT。

目前发展的整体情况

时序数据库目前处于快速发展的时段，从下图《DB-Engines数据库发展趋势图》可见，时序数据库是2020年以来市场热度排名第二的数据库类型。同时，时序列数据库也是过去24个月数据库行业增长最快的数据库类型。

时序数据库全球发展的情况

从全球视角来看，数据库DB-Engines排行榜情况[1]和上图的发展趋势完全贴合。一共378个数据库系统入围，时序数据库36个。其中开源的InfluxDB处于绝对领先的状态，出现的时间也比较早（2013），是许多实践的重要参考。KDB是这个领域最古老的玩家，2000年就发布了，金融领域应该还是有比较大的客户群基数。Prometheus在运维领域，如今应该是不可撼动神一般的存在了吧。

时序数据库国内发展情况

下图是2021年9月数据库流行度时序数据库类别的排行榜。一共142个国产数据库入围，其中时序数据库9个[2] 。排名第一的是腾讯云时序数据库CTSDB，第二、第三都是阿里的，TSDB是阿里云时间序列数据库，CeresDB基于OceanBase的，第四是百度的TSDB。

值得一说的亮点是国内排名第5位的Dolphin DB，全球排名第十一位。作为对比，国内排名第一腾讯CTSDB，全球DB Rank上找不着，第二名阿里TSDB+全球排名第十九名。可以说Dolphin DB是国产时序数据库在全球榜单上的No. 1，墙内开花墙外香，这个初创团队，牛！

以上，都是个人不成熟的看法，是我基于已知信息作出的“有限理性”判断。如有异议，你是对的。如觉有益，请帮助点个“在看”和/或进行转发，让更多人看到。

[1] https://db-engines.com/en/ranking/time+series+dbms

[2] https:///dbRank