BlueSky时序数据库解决方案优惠报价「美信科技」

时序数据库新思路新架构具备很大的优势

性能好：关系数据库六十年积累沉淀了大量好的数据处理技术，加上针对时序的专门优化，性能远超其他时序数据库；精简技术栈，无需关系数据库+时序数据库的产品组合方式，大大提升开发效率，降低运维复杂度；支持ACID，确保数据不错不丢不重，把ACID复杂度留给数据库开发人员而不是丢给应用开发人员；功能丰富：关系时序数据库具备几乎所有关系数据库的功能，譬如支持丰富的数据类型，包括数组、JSON等复合类型；支持自定义函数/存储过程；支持触发器；支持索引；支持监控管理；支持备份***；支持冷热分级存储；支持灵活的分区等；完善的生态：关系数据库生态体系发展了几十年，关系时序数据库可以直接融入到已有的生态中。

时序数据场景下传统数据库存在的问题

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。但时序数据往往是由百万甚至千万终端设备产生的，写入并发量比较高，属于海量数据场景。

MySQL在海量的时序数据场景下存在如下问题：

存储成本大：对于时序数据压缩不佳，需占用大量机器资源；

维护成本高：单机系统，需要在上层人工的分库分表，维护成本高；

写入吞吐低：单机写入吞吐低，很难满足时序数据的写入压力；

查询性能差：适用于交易处理，海量数据的聚合分析性能差。

Hadoop生态（Hadoop、Spark等）存储时序数据会有以下问题：

数据延迟高：离线批处理系统，数据从产生到可分析，耗时数小时、甚至天级；

查询性能差：不能很好的利用索引，依赖MapReduce任务，查询耗时一般在分钟级。

可以看到时序数据库需要解决以下几个问题：

时序数据的写入：如何支持每秒钟上千万上亿数据点的写入。

时序数据的读取：如何支持在秒级对上亿数据的分组聚合运算。

成本敏感：由海量数据存储带来的是成本问题。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。

基于上面的这些问题，时序数据库的诞生就是为了解决传统关系型数据库在时序数据存储和分析上的不足和缺陷的。

时序数据库下的OpenTSDB

OpenTSDB是在2010年开源的一款分布式时序数据库，当然其主要用于监控方案中。

OpenTSDB采用的是HBase的分布式存储，它获取数据的模式与Prometheus不同，采用的是推模式（Push）。

在展示层，OpenTSDB自带有WebUI视图，也可以与Grafana很好的集成，提供丰富的展示界面。

但OpenTSDB并没有自带预警模块，需要自己去开发或者与第三方组件结合使用。

时序数据库关注的技术点在哪里？

说了这么多，是应该看看TSDB到底在技术层面关注哪些点了，基于时序业务的基本特点，总结起来TSDB需要关注的技术点主要有这么几个：高吞吐量写入能力。这是针对时序业务持续产生海量数据这么一个特点量身定做的，当前要实现系统高吞吐量写入，必须要满足两个基本技术点要求：系统具有水平扩展性和单机L***体系结构。系统具有水平扩展性很容易理解，单机肯定是扛不住的，系统必须是集群式的，而且要容易加节点扩展，说到底，就是扩容的时候对业务无感知，目前Hadoop生态系统基本上都可以做到这一点；而L***体系结构是用来保证单台机器的高吞吐量写入，L***结构下数据写入只需要写入内存以及追加写入日志，这样就不再需要随机将数据写入磁盘，HBase、Kudu以及Druid等对写入性能有要求的系统目前都采用的这种结构。数据分级存储/TTL。这是针对时序数据冷热性质定制的技术特性。数据分级存储要求能够将近小时级别的数据放到内存中，将近天级别的数据放到SSD，更久远的数据放到更加廉价的HDD或者直接使用TTL过期淘汰掉。