你該知道的時(shí)序數(shù)據(jù)庫技術(shù)

作者：王建榮 2022-12-18 19:38:31

隨著物聯(lián)網(wǎng)技術(shù)的快速發(fā)展，物聯(lián)網(wǎng)設(shè)備產(chǎn)生的數(shù)據(jù)呈爆炸式增長，數(shù)據(jù)的總量、數(shù)據(jù)類型越來越多、訪問速度要求越來越快、對數(shù)據(jù)價(jià)值的挖掘越來越重視。物聯(lián)網(wǎng)產(chǎn)生的數(shù)據(jù)通常都具備時(shí)間序列特征，時(shí)序數(shù)據(jù)庫是當(dāng)前針對物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、應(yīng)用性能監(jiān)控場景等垂直領(lǐng)域定制的數(shù)據(jù)庫解決方案，本文主要介紹物聯(lián)網(wǎng)場景海量時(shí)序數(shù)據(jù)存儲與處理的關(guān)鍵技術(shù)挑戰(zhàn)及解決方案。

什么是時(shí)序數(shù)據(jù)

時(shí)序數(shù)據(jù)是隨時(shí)間不斷產(chǎn)生的一系列數(shù)據(jù)，例如持續(xù)監(jiān)控的氣象變化數(shù)據(jù)、股市交易記錄、應(yīng)用監(jiān)控?cái)?shù)據(jù)等，通常一個(gè)時(shí)序數(shù)據(jù)點(diǎn)可以由時(shí)序指標(biāo)(metric)+ 一組標(biāo)簽(tags)+ 數(shù)據(jù)產(chǎn)生時(shí)間(timestamp)三部分唯一確定。

時(shí)序數(shù)據(jù)更適合體現(xiàn)數(shù)據(jù)“變化”的過程價(jià)值。如果在時(shí)間坐標(biāo)中將這些數(shù)據(jù)點(diǎn)連成線，過往的數(shù)據(jù)可以形成多緯度報(bào)表，揭示數(shù)據(jù)的趨勢性、規(guī)律性，捕獲異常；未來的數(shù)據(jù)可以建立數(shù)據(jù)模型、做統(tǒng)計(jì)分析，實(shí)現(xiàn)預(yù)測和預(yù)警。

時(shí)序數(shù)據(jù)應(yīng)用場景

隨著5G/IoT技術(shù)的發(fā)展，數(shù)據(jù)呈爆炸式增長，其中物聯(lián)網(wǎng)與應(yīng)用性能監(jiān)控等是時(shí)序數(shù)據(jù)最典型的應(yīng)用領(lǐng)域，覆蓋物聯(lián)網(wǎng)、車聯(lián)網(wǎng)、智能家居、工業(yè)互聯(lián)網(wǎng)、應(yīng)用性能監(jiān)控等常見的應(yīng)用場景。

圖一時(shí)序數(shù)據(jù)應(yīng)用場景

時(shí)序數(shù)據(jù)的特征及挑戰(zhàn)

在典型的物聯(lián)網(wǎng)與應(yīng)用性能監(jiān)控等時(shí)序數(shù)據(jù)應(yīng)用場景里，數(shù)據(jù)產(chǎn)、訪問都有比較明顯的規(guī)律，有很多共同的特征，相比當(dāng)前互聯(lián)網(wǎng)典型的應(yīng)用特征有比較大的區(qū)別。

結(jié)合時(shí)序數(shù)據(jù)的特征，要滿足大規(guī)模時(shí)序數(shù)據(jù)存儲需求，至少面臨如下的幾個(gè)核心挑戰(zhàn)：

高并發(fā)高吞吐寫入：在一些大規(guī)模的應(yīng)用性能監(jiān)控、物聯(lián)網(wǎng)場景，海量的設(shè)備持續(xù)產(chǎn)生時(shí)序數(shù)據(jù)，例如某CDN內(nèi)容分發(fā)網(wǎng)絡(luò)系統(tǒng)，3000+臺服務(wù)器，每秒/每十秒采集超100個(gè)系統(tǒng)指標(biāo)和業(yè)務(wù)指標(biāo)，每秒的時(shí)序數(shù)據(jù)點(diǎn)數(shù)達(dá)到數(shù)十萬時(shí)間點(diǎn)，需要數(shù)十臺機(jī)器的集群規(guī)模來支撐全量的業(yè)務(wù)寫入；時(shí)序數(shù)據(jù)存儲需要解決大規(guī)模集群的橫向擴(kuò)展，高性能平穩(wěn)寫入的需求。
高效的時(shí)序數(shù)據(jù)查詢分析：在典型的監(jiān)控場景，通常需要對長周期的數(shù)據(jù)進(jìn)行查詢分析，比如針對某些指標(biāo)最近1天、3天、7天、1個(gè)月的趨勢分析、報(bào)表等；這些查詢都需要掃描大量的集群數(shù)據(jù)才能拿到結(jié)果，同時(shí)查詢的結(jié)果集也可能非常大；時(shí)序數(shù)據(jù)存儲需要支持多維時(shí)間線檢索、并具備流式處理、預(yù)計(jì)算等能力，才能滿足大規(guī)模應(yīng)用監(jiān)控、物聯(lián)網(wǎng)業(yè)務(wù)場景的典型查詢需求，并且針對時(shí)序大查詢要最小化對寫入的影響。
低成本的時(shí)序數(shù)據(jù)存儲：某家庭安防場景，超千萬安防設(shè)備，每天就產(chǎn)生近百GB的視頻切片元數(shù)據(jù)指標(biāo)，如果要保存一年的運(yùn)行數(shù)據(jù)就需要PB級的數(shù)據(jù)存儲規(guī)模；由于數(shù)據(jù)規(guī)模巨大，對存儲的低成本要求很高，另外時(shí)序數(shù)據(jù)的冷熱特征明顯。時(shí)序數(shù)據(jù)存儲需要充分利用好時(shí)序數(shù)據(jù)量大、冷熱訪問特征明顯、做好計(jì)算、存儲資源的解耦，通過低成本存儲介質(zhì)、壓縮編碼、冷熱分離、高效TTL等技術(shù)將數(shù)據(jù)存儲成本降低到極致。
簡單便捷的生態(tài)協(xié)同：在物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)等場景，時(shí)序數(shù)據(jù)通常有進(jìn)一步做運(yùn)營分析處理的需求，在很多情況下時(shí)序數(shù)據(jù)只是業(yè)務(wù)數(shù)據(jù)的一部分，需要與其他類型的數(shù)據(jù)組合來完成查詢分析；時(shí)序數(shù)據(jù)存儲需要能與生態(tài)BI分析工具、大數(shù)據(jù)處理、流式分析系統(tǒng)等做好對接，與周邊生態(tài)形成協(xié)同來創(chuàng)造業(yè)務(wù)價(jià)值。

時(shí)序數(shù)據(jù)庫的現(xiàn)狀和發(fā)展

時(shí)序數(shù)據(jù)庫結(jié)合時(shí)序數(shù)據(jù)的特征，嘗試解決時(shí)序數(shù)據(jù)存儲在高寫入吞吐、橫向擴(kuò)展、低成本存儲、數(shù)據(jù)批量過期、高效檢索、簡單訪問與時(shí)序數(shù)據(jù)計(jì)算等方面面臨的挑戰(zhàn)。進(jìn)入2010年后，針對時(shí)序數(shù)據(jù)存儲設(shè)計(jì)的數(shù)據(jù)庫相繼誕生，并且時(shí)序數(shù)據(jù)庫的增長趨勢、關(guān)注熱度持續(xù)領(lǐng)先，國產(chǎn)化進(jìn)程不斷加快。

? 時(shí)序數(shù)據(jù)庫關(guān)注度日趨火熱，未來還有更大空間

在DB-Engine排行榜上，我們可以看到時(shí)序數(shù)據(jù)庫在近兩年在DB-Engine上是關(guān)注度上升最快的數(shù)據(jù)庫類型。

圖2時(shí)序數(shù)據(jù)庫關(guān)注熱度（數(shù)據(jù)來源：https://db-engines.com/en/ranking_categories）

? 時(shí)序數(shù)據(jù)庫處于百花齊放，各家時(shí)序數(shù)據(jù)正在深耕各自領(lǐng)域

圖3 時(shí)序數(shù)據(jù)庫熱度排名（數(shù)據(jù)來源：DB-engines）

圖4 時(shí)序數(shù)據(jù)庫發(fā)展簡史

經(jīng)過多年發(fā)展，時(shí)序數(shù)據(jù)庫大致經(jīng)歷了幾個(gè)階段：

第一代時(shí)序數(shù)據(jù)庫：基于關(guān)系型數(shù)據(jù)庫的簡單存儲。代表：TimescaleDB，基于PostgreSQL關(guān)系數(shù)據(jù)庫構(gòu)建。

第二代時(shí)序數(shù)據(jù)庫：依賴與Hadoop生態(tài)的通用分布式存儲系統(tǒng)。代表：OpenTSDB（底層使用HBase），KairosDB（底層使用 Cassandra）。

第三代時(shí)序數(shù)據(jù)庫：對高性能，低成本有強(qiáng)需求，需要針對時(shí)序領(lǐng)域特別專門設(shè)計(jì)。代表：InfluxDB，IoTDB和TDengine等。

? 數(shù)據(jù)庫產(chǎn)品國產(chǎn)化進(jìn)程加快，大廠紛紛布局

包括TDengine（濤思）、IoTDB（清華）、DolphinDB（智臾科技）等優(yōu)秀的國內(nèi)時(shí)序數(shù)據(jù)庫異軍突起，自主可控成為國內(nèi)華為、阿里等廠商布局時(shí)序數(shù)據(jù)庫場景的重要考量，華為時(shí)序數(shù)據(jù)庫內(nèi)化InfluxDB和IoTDB，阿里自研TSDB時(shí)序引擎，并提供基于InfluxDB的阿里云TSDB for InfluxDB，騰訊也推出了TencentDB for CTSDB云服務(wù)。

典型時(shí)序數(shù)據(jù)庫介紹及對比

5.1 InfluxDB

InfluxDB由Golang語言編寫，系統(tǒng)性能、穩(wěn)定性好，被廣泛應(yīng)用，是當(dāng)前DB-engine熱度排名第一的時(shí)序數(shù)據(jù)庫，生態(tài)支持豐富全面。不過，InfluxDB采用MIT開源協(xié)議，開源版本沒有集群功能，商業(yè)版本具備分布式集群、數(shù)據(jù)分級存儲等功能，但價(jià)格不菲。

5.2 OpenTSDB

OpenTSDB是Apache開源軟件，是在HBase的基礎(chǔ)上開發(fā)的，底層存儲是HBase，但其依據(jù)時(shí)序數(shù)據(jù)的特點(diǎn)做了一些優(yōu)化。其最大的好處就是建立在Hadoop體系上，各種工具鏈成熟，但這也是它最大的缺點(diǎn)，因?yàn)镠adoop不是為時(shí)序數(shù)據(jù)打造的，導(dǎo)致其性能很一般，而且需要依賴很多組件，安裝部署相當(dāng)復(fù)雜。

圖5 OpenTSDB系統(tǒng)架構(gòu)

圖6 OpenTSDB在HBase中存儲數(shù)據(jù)模式

5.3 TDengine

TDengine不僅是一款時(shí)序數(shù)據(jù)庫，而且還提供緩存、消息隊(duì)列、數(shù)據(jù)訂閱、流式計(jì)算等系列功能，是時(shí)序數(shù)據(jù)的全棧技術(shù)解決方案。而且它不依賴任何第三方軟件，安裝包只有1.5MB，使系統(tǒng)設(shè)計(jì)、安裝、部署和維護(hù)都變得極為簡單。

圖7 TDengine系統(tǒng)框圖及全棧解決方案

5.4 IoTDB

Apache IoTDB是一體化收集、存儲、管理與分析物聯(lián)網(wǎng)時(shí)序數(shù)據(jù)的軟件系統(tǒng)。Apache IoTDB采用輕量式架構(gòu)，具有高性能和豐富的功能，并與Apache Hadoop、Spark和Flink等進(jìn)行了深度集成，可以滿足工業(yè)物聯(lián)網(wǎng)領(lǐng)域的海量數(shù)據(jù)存儲、高速數(shù)據(jù)讀取和復(fù)雜數(shù)據(jù)分析需求。