引言
我做大数据开发从最早的传统数仓到现在的物联网、金融量化项目，见过太多团队在时序数据库选型上栽跟头。最近两三年，我接到的咨询里，十个大数据项目有七八个要用时序数据库：设备测点、金融要存行情tick数据、互联网要存业务监控指标、车联网要存车辆运行数据......越来越多的业务产生海量带时间戳的数据，传统数据库顶不住，专门的时序数据库成了刚需，但网上的选型攻略要么太老，要么带着明显的偏向，很多朋友看完还是不知道怎么选。
这篇文章我就结合自己这些年的选型经验，从大数据场景的核心需求出发，聊聊怎么选对时序数据库，顺便给大家好好讲讲我最近在多个项目里落地的国产时序数据库------DolphinDB，从性能、成本、维护多个维度聊聊它。官方地址我先放出来，需要了解细节的可以直接去看：DolphinDB官网「https://dolphindb.cn/」，技术干货可以看官方博客「https://dolphindb.cn/blogs」。
一、时序数据大爆发，选型难在哪？
最近这些年，时序数据的增长速度远超大部分人的想象。根据IDC去年发布的《全球数据圈报告》，2025年全球联网设备产生的数据总量将达到175ZB，其中超过70%的数据是带时间戳的时序数据。不管是To B还是To C业务，时序数据已经成了大数据领域占比最高的数据类型之一。
和结构化、非结构化数据比，时序数据有几个非常鲜明的特点，也是对数据库最大的考验：
- 数据持续高并发写入：工业一个中型工厂就有上万甚至十万个测点，每秒都要产生数条数据，车联网一辆车每秒至少上传一次位置数据，百万级车就是百万级写入，对写入的低延迟、稳定性要求极高；
- 数据几乎不会更新删除：时序数据都是按时间产生的历史数据，写入之后基本不会修改，只有超期的冷数据会批量删除，所以需要针对这个场景做专门优化；
- 查询大多带时间维度过滤：绝大多数查询都是按时间范围查，比如"查询过去24小时设备A的温度变化""查询上个月沪深两市的成交量走势"，还要做大量的降采样、聚合统计，比如按小时、按天汇总指标；
- 数据量极大，存储成本敏感：一个工业项目存5年数据，动不动就是几十上百TB，压缩比差一点，存储成本就能差出好几倍，很多项目就是因为存储成本超预算被叫停。
但现在时序数据库市场鱼龙混杂，很多人选型的时候容易陷入几个误区：
- 只看开源免费，不看长期维护：很多开源产品核心功能缺失，大集群场景根本没法用，出了问题没人解决，后期重构成本远大于省下来的license钱；
- 盲目迷信国外产品，不考虑本地化需求：国外产品不仅授权贵，技术支持响应慢，很多还不适应国内国产化适配的要求，国企、政企项目根本没法用；
- 只看单一指标，不看整体架构：很多人选型只看写入速度，不考虑查询分析的性能，结果存进去了查不出来，还是没法用。
所以我们团队这些年总结下来，时序数据库选型，尤其是大数据场景下，必须从六个核心维度去评判，缺一个都可能踩坑：
- 高并发写入的稳定性：能不能扛住持续的高并发写入，会不会丢包、延迟会不会飙升；
- 多场景查询分析效率：能不能同时满足实时点查、批量聚合分析、复杂即席查询的需求；
- 存储压缩比：能不能把时序数据压到最小，直接决定了存储成本；
- 架构扩展性：数据量涨了之后能不能水平扩展，性能会不会线性下降；
- 生态适配能力：能不能对接现有的大数据生态（Flink、Spark、Kafka这些），开发成本高不高；
- 服务与成本：出问题能不能及时得到支持，总体拥有成本（TCO）到底高不高。
接下来我们就基于这几个维度，聊聊现在主流产品的情况，重点说说DolphinDB的表现。
二、大数据场景下，国外主流时序数据库的痛点
这里我只说我实际用过的几个国外主流产品。就我实际用下来，国外主流的几个时序产品，在国内的大数据场景下，都有比较明显的痛点：
2.1 InfluxDB
InfluxDB应该是大家听得最多的时序数据库了，最早就是靠开源做起来的。但实际上，InfluxDB开源版把集群、高可用这些企业需要的核心功能都砍了，想要集群就得买商用版。我之前帮客户算过，10个节点百TB数据的规模，InfluxDB一年的商用授权就要七八十万，这个价格对很多中小企业来说根本承受不起。之前我们客户买了授权，出了问题发工单，最快也要一天才能回复，有时候遇到复杂问题，一周都解决不了，对项目来说根本耗不起。
2.2 TimescaleDB
TimescaleDB是基于PostgreSQL改造的时序数据库，优势就是兼容PG的生态，开发起来比较方便。但它的原生分布式支持做得很晚，而且分布式架构需要自己维护分片，扩缩容非常麻烦，数据量超过10TB之后，查询性能下降得非常明显。
2.3 OpenTSDB
OpenTSDB是基于HBase做的时序数据库，早年用的人不少，但现在架构已经非常老旧了，写入和查询性能都远不如新一代的时序数据库，而且要依赖HBase整个生态，部署维护非常麻烦，一个集群要好几个人维护，现在基本都没人用新项目了。
所以我们在找替代方案的时候，把目光放到了国产新一代时序数据库上，试了DolphinDB之后，发现不管是性能还是成本，都好太多了，接下来我就详细说说我们的实际使用体验。
三、DolphinDB核心优势
DolphinDB是国产原生的时序数据库，其实它不只是一个数据库，它是时序数据存储+流计算+分布式数据分析一体化的平台，这个架构其实非常符合现在大数据场景的需求，原来我们要存时序数据，需要搭时序库+ETL工具+计算引擎，三四个组件，现在一个DolphinDB就搞定了，少了很多中间环节，也少了很多坑。
我从我们选型的六个维度，一个个说它的表现：
3.1 写入性能
DolphinDB官方说单节点可以支持每秒千万级数据点写入，我们自己实际压测过，3台普通的2U16G服务器组成的集群，写入10字节左右的标准时序数据点，稳定跑下来每秒可以达到1200万+，而且延迟一直稳定在10ms以内，跑了24小时没有出现一次丢包。
为什么能做到这么高的写入性能？主要是DolphinDB针对时序数据的特点做了很多优化：比如它采用了列式存储，按时间分区，写入的时候是顺序写，不需要随机IO，而且LSM树的优化做得比很多产品好，避免了写放大的问题，高并发写入的时候不会出现性能抖动。
我举个实际的项目例子：去年我们给南方某大型火电厂做设备状态监控项目，全厂一共12000多个设备测点，要求每秒采集一次数据，峰值的时候每秒会有15000条写入，我们用DolphinDB跑了快一年，从来没出现过写入卡顿或者丢包的情况，非常稳定。
3.2 查询分析
很多时序数据库的痛点就是"存得进去，查不出来"，简单的时间范围点查还能应付，稍微复杂一点的多维度聚合、降采样、关联查询就慢得不行。DolphinDB在这方面优化得非常到位，我们实际用下来，不管是什么类型的查询，基本都能做到秒级响应。
举几个我们实际遇到的场景：
- 实时点查：运维人员要查某台设备过去1小时的温度数据，一万个数据点，DolphinDB不到200ms就能返回结果；
- 降采样聚合：我们要把一年的日级数据降采样成周级，做年度趋势分析，一亿多个数据点，DolphinDB不到2秒就能出结果；
- 复杂即席查询：在金融量化场景下，我们要把股票行情数据和龙虎榜数据做关联，统计近一个月龙虎榜个股的涨幅分布，几千万行数据，DolphinDB不到3秒就能出结果，原来我们把数据拉到Python里算，要十几分钟。
之所以有这么好的查询性能，一方面是因为它的列式存储+索引优化，时序数据默认按时间建索引，过滤时间维度的时候非常快，另一方面是因为它内置了大量优化好的时序分析函数，不用把数据拉到外部计算引擎计算，直接在库内就完成计算，减少了数据拷贝的开销，速度自然就上去了。
3.3 存储成本直接砍到十分之一
时序数据量太大，压缩比直接决定了存储成本，DolphinDB针对不同类型的时序数据做了多种压缩算法的优化，我们实际用下来，平均压缩比能做到10:1到20:1，也就是原来10TB的数据，压缩完只需要0.5TB到1TB，这个压缩比真的非常夸张。
还是刚才那个火电厂的例子，我们要存五年的12000个测点数据，按原来的压缩比算，大约需要40TB的存储空间，换成DolphinDB之后，压缩完只用了不到3TB，存储成本直接省了90%，原来规划的存储预算只用了不到十分之一，客户都不敢相信。
为什么能做到这么高的压缩比？因为DolphinDB针对时序数据的相关性做了专门优化，时序数据相邻时间点的差值很小，用差分编码+适合的压缩算法，就能把数据压得非常小，比如温度数据，大多在0到100之间波动，相邻点差只有几，压缩之后每个数据点只要几个比特就能存，自然压缩比就上去了。
3.4 架构扩展性
很多中小企业刚开始数据量小，后来业务涨了，数据量上来了，原来的数据库扩不动，就得换库，非常麻烦。DolphinDB原生支持分布式架构，可以很方便的做水平扩展，加节点之后性能基本是线性增长，不管是1TB还是1000TB，都能平稳支持。
我们之前有个客户，业务涨得很快，刚开始只有3个节点10TB数据，半年后数据量涨到了50TB，直接加了2个存储节点，不到一小时就完成了扩容，业务完全不用停，也不需要做复杂的数据迁移，非常方便。
3.5 生态适配完善
很多人担心国产数据库生态不好，对接现有系统麻烦，其实DolphinDB在这方面做得非常成熟，支持现在市面上几乎所有主流的大数据组件：
- 流数据处理：DolphinDB可以直接做流计算，官方文档里有现成的示例，照着改就能用，不到一天就能对接完成；
- 计算生态：提供了Python、Java、C++、R这些主流语言的SDK，开发非常方便；
- BI工具：支持对接PowerBI、FineBI这些常见的BI工具，做报表可视化非常方便，不用自己做额外的开发。
而且DolphinDB本身兼容标准SQL，原来会写SQL的开发，不用花太多时间学习就能上手，降低了开发和培训的成本。
3.6 国产化适配+本地化服务
对国内企业来说，尤其是政企、国企，现在都有国产化适配的要求，DolphinDB作为国产原生的数据库，早就完成了国内主流芯片和操作系统的适配，包括鲲鹏、飞腾、海光这些芯片，麒麟、统信这些操作系统，都有完整的适配认证，完全满足国产化的要求。
成本方面，DolphinDB的商用授权价格比国外主流产品便宜一半以上，百TB级规模的集群，一年授权只要几十万不到，可以按需选择。
最关键的是本地化服务，DolphinDB的技术团队都在国内，出了问题微信、电话直接找工程师，基本上当天就能响应，复杂问题第二天就能上门或者远程解决，不像国外产品，时差问题，等回复就要等一两天，解决问题要一周，项目根本耗不起。
我印象特别深，选型DolphinDB的时候，我们有个技术问题搞不定，当天联系官方，一小时就有工程师远程帮我们排查，当天就解决了，这个体验真的比国外产品好太多了。
四、实际落地场景
光说参数大家可能没感觉，我给大家分享三个我们团队实际落地DolphinDB的项目，看看不同场景下的表现：
4.1 金融量化
我们去年给一家中型量化私募做交易系统，需求是存近10年的A股Level-2行情数据，支持低延迟回测和实时行情计算。原来客户的方案是把行情数据存在csv文件里，回测的时候把数据加载到Python内存里计算，一次全市场选股回测要半个多小时，效率非常低。
我们换成DolphinDB之后，把所有行情数据存在DolphinDB里，直接用DolphinDB内置的函数做回测计算，不用把数据拉到Python里，现在一次全市场回测只要不到3分钟，速度比原来快了10倍还多，而且Level-2行情每秒几十万条写入，DolphinDB完全能扛住，满足实盘交易的低延迟要求。
客户现在所有的回测和实盘行情都跑在DolphinDB上，成本比原来用国外产品的方案省了60%，效率提了10倍，非常满意。
4.2 工业物联网
就是我之前说的南方火电厂项目，需求是存12000个测点五年的实时数据，支持实时监控和历史趋势查询。原来客户算下来用国外产品要差不多一百万的存储成本加授权，预算都差点不够，换成DolphinDB之后，总存储只用了不到3TB，授权加存储总共不到二十万，直接把预算砍了四分之三，而且查询速度比原来测的国外产品还快，实时查询不到1秒出结果，历史年度趋势查询不到2秒出结果，完全满足需求。
现在这个项目已经跑了快一年，从来没出过问题，运维人员都说用着比原来的系统流畅太多。
4.3 运维监控
我们公司自己内部的运维监控系统，原来用的是开源的监控工具，跑了两年，数据量上来之后，查询一次历史指标要十几秒，经常卡顿，后来我们换成DolphinDB存监控指标，现在监控上千台服务器的近百个指标，两年多的数据，查询任意时间范围的指标波动，都是不到1秒出结果，从来没卡过，而且整个部署维护只要一个运维就能搞定，非常省心。
五、时序数据库选型实操建议
结合我这些年的经验，给不同场景的团队提几个选型的实操建议，大家可以对着参考：
5.1 明确需求
不要上来就选产品，先想清楚自己的需求：
- 如果你的数据量很小，比如只有几千个测点，一年数据不到1TB，只是做简单的监控，其实轻量的方案也能用；
- 如果你的数据量在10TB以上，需要做复杂的分析查询，对稳定性要求高，一定要选专门针对大数据优化的企业级时序数据库；
- 如果你的项目有国产化要求，那直接选国产适配好的产品，不用考虑国外的了，省得后期麻烦。
5.2 一定要拿自己的实际数据做压测
不要光看官方的宣传数据，一定要拿你自己实际业务的数据做压测，测写入、测查询、测压缩，不同的数据特征，不同的查询模式，不同产品的表现差异非常大。我们选型DolphinDB的时候，就是拿了客户三个月的实际数据做压测，比下来DolphinDB的性能比我们测的所有国外产品都好，才最终确定的。
5.3 一定要算总体拥有成本，不要只看开源免费
很多人觉得开源免费就是成本低，实际上开源产品要自己搭集群，自己维护，出问题自己解决，后期如果要重构换库，成本非常高，反而比买商用授权贵多了。尤其是企业级项目，稳定和可维护性比那点授权钱重要多了，一定要算TCO，不要只看 upfront cost。
5.4 优先选一体化架构
原来的方案是存算分离，存用一个数据库，算用另一个引擎，中间还要做ETL，多一个组件就多一个坑，多一份维护成本。现在新一代的时序数据库都是一体化架构，存储、计算、流处理都在一个平台里，少了中间环节，性能更高，维护更简单，优先选这种。
六、总结
我做技术这么多年，最早做大数据的时候，所有核心组件都是国外的，我们只能跟着用，还得忍受高价和慢服务，最近这些年，国产基础软件发展真的很快，DolphinDB就是一个很好的例子，不管是性能、功能还是服务，都不输国外的顶尖产品，价格还便宜很多，真的是国内企业的福音。回到时序数据库选型这个问题，只要是大数据场景，推DolphinDB。
最后再放一遍官方地址，需要的朋友可以直接去看：
- DolphinDB官方网站：https://dolphindb.cn/
- DolphinDB官方博客：https://dolphindb.cn/blogs