时序数据库特点与对比

1. 时序数据库的特点

• 数据写入
  时序数据会按照指定的时间粒度持续写入，支持实时、高并发写入，无须更新或删除操作。
• 数据读取
  写多读少，多时间粒度、指定维度读取，实时聚合。
• 数据存储
  按列存储，通过查询特征发现时序数据更适合将一个指标放在一起存储，任何列都能作为存储，读取数据时只会读取所需要的维度所在的列；以不同时间粒度存储，将最近时间以一个比较细的粒度存储，可以将历史数据聚合成一个比较粗的粒度。

2. 时序数据库的对比

时序数据库	优点	缺点
OpenTSDB	- Metric+Tags - 集群方案成熟(HBase) - 写高效（LSM-Tress）	- 查询函数有限 - 依赖HBase - 运维复杂 - 聚合分析能力较弱
Graphite	- 提供丰富的函数支持 - 支持自动Downsample - 对Grafana的支持最好 - 维护简单	- Whisper存储 引擎IOPS高 - Carbon组件CPU使用率高 - 聚合分析能力较弱
InfluxDB	- Metrics+Tags - 部署简单、无依赖 - 实时数据Downsample - 高效存储	- 开源版本没有集群功能 - 存在前后版本兼容问题 - 存储引擎在变化
Prometheus	- Metric + Tags - 适用于容器监控 - 具有丰富的查询语言 - 维护简单 - 集成监控和报警功能	- 没有集群解决方案 - 聚合分析能力较弱
Druid	- 支持嵌套数据的列式存储 - 具有强大的多维聚合分析能力 - 实时高性能数据摄取 - 具有分布式容错框架 - 支持类SQL查询	- 一般不能查询原始数据 - 不适合维度基数特别高的场景 - 时间窗口限制了数据完整性 - 运维较复杂
ElasticSearch	- 支持嵌套数据的列式存储 - 支持全文检索 - 支持查询原始数据 - 灵活性高 - 社区活跃 - 扩展丰富	- 不支持分析字段的列式存储 - 对硬件资源要求高 - 集群维护较复杂
ClickHouse	- 具有强大的多维聚合分析能力 - 实时高性能数据读写 - 支持类SQL查询 - 提供丰富的函数支持 - 具有分布式容错框架 - 支持原始数据查询 - 适用于基数大的维度存储分析	- 比较年轻，扩张不够丰富，社区还不够活跃 - 不支持数据更新和删除 - 集群功能较弱