TimescaleDB 与PostgreSQL 数据库的比较（未完待续······）

文档：https://docs.timescale.com/v0.9/introduction/timescaledb-vs-postgres

为什么在关系数据库上使用TimescaleDB?

TimescaleDB相对于存储时间序列数据的vanilla PostgreSQL或其他传统RDBMS提供了三大优势：

· 数据采集率要高得多，尤其是在数据库规模较大的情况下。

· 查询性能从相当于数量级更大。

· 时间导向的功能。

由于TimescaleDB仍然允许您使用各种PostgreSQL功能和工具 - 例如，与关系表联接，可通过地理空间查询PostGIS，pg_dump和pg_restore，任何讲PostgreSQL的连接器 - 几乎没有理由不使用TimescaleDB在PostgreSQL节点中存储时间序列数据。

更高的摄取率

对于时间序列数据，TimescaleDB比PostgreSQL实现更高且更稳定的采集速率。正如我们的架构讨论中所描述的那样，只要索引表不能再适应内存，PostgreSQL的性能就会显着下降。

特别是，无论何时插入新行，数据库都需要为每个表的索引列更新索引（例如B树），这将涉及从磁盘交换一个或多个页面。在这个问题上抛出更多的内存只会拖延不可避免的，一旦您的时间序列表达到数千万行，每秒10K-100K +行的吞吐量就会崩溃到每秒数百行。

TimescaleDB通过大量利用时空分区来解决这个问题，即使在单台机器上运行也是如此。因此，对最近时间间隔的所有写入操作仅适用于保留在内存中的表，因此更新任何二级索引的速度也很快。

基准测试显示了这种方法的明显优势。数据库客户端插入适度大小的包含时间，设备标记集和多个数字指标（在本例中为10）的批量数据，以下10亿行（在单台计算机上）的基准测试模拟常见监控方案。在这里，实验在具有网络连接的SSD存储的标准Azure VM（DS4 v2,8核心）上执行。

我们观察到PostgreSQL和TimescaleDB对于前20M请求的启动速度大约相同（分别为106K和114K），或者每秒超过1M指标。然而，在大约五千万行中，PostgreSQL的表现开始急剧下降。在过去的100M行中，它的平均值仅为5K行/秒，而TimescaleDB保留了111K行/秒的吞吐量。

简而言之，Timescale在PostgreSQL的总时间的十五分之一中加载了十亿行数据库，并且吞吐量超过了PostgreSQL在这些较大规模时的20倍。

我们的TimescaleDB基准测试表明，即使使用单个磁盘，它在10B行以上也能保持其性能不变。

此外，用户在一台计算机上利用多个磁盘时，可以为数以十亿计的行提供稳定的性能，无论是采用RAID配置，还是使用TimescaleDB支持在多个磁盘上传播单个超级缓存（通过多个表空间传统的PostgreSQL表）。

卓越或类似的查询性能

在单磁盘机器上，许多只执行索引查找或表扫描的简单查询在PostgreSQL和TimescaleDB之间表现相似。

例如，在具有索引时间，主机名和CPU使用率信息的100M行表上，对于每个数据库，以下查询将少于5ms：

涉及对索引进行基本扫描的类似查询在两者之间也是等效的：

涉及基于时间的GROUP BY的较大查询 - 在面向时间的分析中很常见 - 通常在TimescaleDB中实现卓越的性能。

例如，当整个（超）表为100M行时，接触33M行的以下查询在TimescaleDB中速度提高5倍，而在1B行时速度提高约2倍。

而且，其他可以专门针对时间排序的查询可以在TimescaleDB中更高性能。

例如，TimescaleDB引入了基于时间的“合并追加”优化，以最小化必须处理以执行以下操作的组的数量（考虑到时间已经被排序）。 对于我们的100M行表，这导致查询延迟比PostgreSQL快396倍（82ms vs. 32566ms）。

我们将很快发布PostgreSQL和TimescaleDB之间更完整的基准测试比较，以及复制我们基准的软件。

我们的查询基准测试的高级结果是，对于几乎所有我们尝试过的查询，TimescaleDB都可以达到与PostgreSQL类似或优异（或极其优越）的性能。

与PostgreSQL相比，TimescaleDB的一项额外成本是更复杂的计划（假设单个可超集可由许多块组成）。 这可以转化为几毫秒的计划时间，这对于非常低延迟的查询（<10ms）可能具有不成比例的影响。

 

时间导向特征

TimescaleDB还包括一些传统的关系数据库中没有的面向时间的特征。这些包括特殊查询优化（如上面的合并追加），它为面向时间的查询以及其他面向时间的函数（下面列出了一些）提供了一些巨大的性能改进。

面向时间的分析

TimescaleDB面向时间分析的新功能，包含以下几个方面:

时间戳：标准的date_trunc函数的更强大的版本，它允许任意的时间间隔（例如5分钟，6小时等），以及灵活的分组和偏移量，而不仅仅是第二，分钟，小时等等。

最后和第一个聚合：这些函数允许您按另一个列的顺序获取一列的值。 例如，最后（温度，时间）将基于组内的时间（例如，一小时）返回最新的温度值。

这些类型的函数能够实现非常自然的面向时间的查询。 例如，以下财务查询打印每个资产的开盘价，收盘价，最高价和最低价。

 

 

注 ：timescaledb和PG写入性能测试 ， 这是 Kun_Tsai 大神写的测试，我把地址给大家，希望可以好好学习一下！！