时序数据库（Time-Series Database，TSDB）是一种专门用于存储、管理和查询按时间顺序组织的数据 的数据库。它特别适用于需要处理大量时间戳数据的应用场景，如物联网（IoT）、工业监控、金融市场、智能运维、日志管理等。
时序数据库的特点
-
数据按时间存储：
- 记录数据点时，每个数据点都会带有一个时间戳。
- 数据通常按照时间升序存储，以便高效查询最近的数据。
-
高吞吐写入：
- 由于时序数据是持续生成 的，时序数据库通常优化了批量写入能力，以支持高吞吐数据流。
-
高效的时间范围查询：
- 时序数据库通常会优化时间范围查询（如最近1小时、最近7天的数据），以提高查询速度。
-
数据生命周期管理（TTL）：
- 时序数据通常只对最近的数据感兴趣，数据库可以自动清理过期数据，减少存储压力。
-
压缩和高效存储：
- 采用数据压缩 、分块存储等技术优化存储，降低存储成本。
-
数据聚合和降采样：
- 允许对历史数据进行汇总计算（如平均值、最大值、最小值、标准差等），以支持长期趋势分析。
主流时序数据库
| 数据库名称 | 主要特点 | 适用场景 |
|---|---|---|
| InfluxDB | 易用性强，支持SQL-like查询语言 | 物联网、监控、日志分析 |
| TimescaleDB | 基于PostgreSQL，兼容SQL | 需要SQL能力的时序数据分析 |
| OpenTSDB | 基于HBase，适合海量数据 | 大规模监控、物联网 |
| Prometheus | 主要用于监控和告警 | 监控、运维 |
| Druid | 适用于大规模数据分析 | 业务数据分析、日志分析 |
时序数据库 vs 关系型数据库（MySQL、PostgreSQL）
| 对比项 | 时序数据库（TSDB） | 关系型数据库（RDBMS） |
|---|---|---|
| 主要用途 | 处理时间序列数据 | 处理结构化数据 |
| 写入性能 | 高吞吐量优化 | 一般写入性能 |
| 查询优化 | 时间范围查询优化 | 普通SQL查询 |
| 数据删除 | 自动清理过期数据 | 需要手动管理 |
| 存储结构 | 通常使用列式存储，优化查询 | 传统行式存储 |
| 存储效率 | 高效存储，支持压缩 | 通常存储效率较低 |
时序数据库的应用场景
- 工业监控（工厂传感器数据、智能制造）
- 金融市场（股票价格、市场行情分析）
- 物联网（IoT）（智能家居、智能城市、车联网）
- 系统监控（CPU、内存、磁盘、网络等性能数据）
- 日志分析（业务日志、用户行为分析）