6 月 26 日，濤思數(shù)據(jù)旗下時序數(shù)據(jù)庫(Time Series Database) TDengine 正式發(fā)布 IoT 場景下 TDengine 3.0 性能對比分析報告，該報告在 IoT 場景下從數(shù)據(jù)寫入、壓縮和查詢等維度，對比了 TDengine 與市場其他流行的時序數(shù)據(jù)庫產(chǎn)品的性能差異，其中所有測試均在標準化條件下使用公開數(shù)據(jù)完成。此外，為了方便開發(fā)者驗證報告結果，該報告中的數(shù)據(jù)在準備好物理環(huán)境后，可以由腳本一鍵執(zhí)行生成。
早在 2 月 21 日，TDengine 就已經(jīng)針對 DevOps 場景發(fā)布了第一期 TDengine 3.0 性能對比分析報告，報告顯示在 DevOps 場景下，TDengine 3.0 在寫入、查詢、存儲、資源消耗等方面均優(yōu)于另外兩大時序數(shù)據(jù)庫產(chǎn)品，驗證了 TDengine 基于時序數(shù)據(jù)場景所設計的獨特架構帶來的性能優(yōu)勢以及成本控制水平。
值得一提的是，上述兩大報告均是基于性能基準測試平臺 Time Series Benchmark Suite (TSBS) 完成的。TSBS 是由 Timescale 打造并開源，集多種應用場景下時序數(shù)據(jù)生成、數(shù)據(jù)寫入、查詢處理、自動化結果匯總統(tǒng)計等功能于一體的時序數(shù)據(jù)庫性能基準測評平臺。由于其開源的特性，自 2018 年以來，該平臺已被全球多家領先的時序數(shù)據(jù)庫廠商使用，成為時序數(shù)據(jù)庫性能測試上使用最為廣泛的平臺。
據(jù)了解，本次 TDengine 發(fā)布的 IoT 場景下 TDengine 3.0 性能對比分析報告使用 TSBS IoT 場景作為基礎數(shù)據(jù)集，模擬虛擬貨運公司車隊中一組卡車的時序數(shù)據(jù)，預設了五種卡車規(guī)模場景，在相同的 AWS 云環(huán)境下運行了 TDengine 3.0、TimescaleDB 2.10.1 和 InfluxDB 1.8.10，從四大維度進行對比測試并輸出結果。
測試報告結果可簡單總結如下： 數(shù)據(jù)寫入對比：在全部的五個場景中，TDengine 寫入性能均優(yōu)于 TimescaleDB 和 InfluxDB。寫入性能最大達到 TimescaleDB 的 3.3 倍，InfluxDB 的 16.2 倍。此外，TDengine 在寫入過程中消耗了最少計算(CPU)資源和磁盤 IO 開銷。
數(shù)據(jù)查詢對比：對于大多數(shù)查詢類型，TDengine 的性能均優(yōu)于 InfluxDB 和 TimescaleDB，在復雜的混合查詢中 TDengine 展現(xiàn)出巨大的優(yōu)勢——其中 avg-load 和 breakdown-frequency 的查詢性能是 InfluxDB 的 426 倍 和 53 倍;daily-activity 和 avg-load 的查詢性能是 TimescaleDB 的 34 倍和 23 倍。 數(shù)據(jù)存儲對比：報告顯示，TimescaleDB 在所有場景下數(shù)據(jù)規(guī)模均顯著地大于 InfluxDB 和 TDengine，并且這種差距隨著數(shù)據(jù)規(guī)模增加快速變大，其落盤數(shù)據(jù)規(guī)模最高達到了 TDengine 的 12.2 倍;InfluxDB 在前三個場景中落盤后數(shù)據(jù)文件規(guī)模與 TDengine 非常接近，但隨著數(shù)據(jù)規(guī)模的增長(場景四、場景五)，InfluxDB 落盤后文件占用的磁盤空間最大達到了 TDengine 的 2.8 倍，這也直接說明 TDengine 更加適用于時序大數(shù)據(jù)的存儲。 資源消耗對比：從整體 CPU 開銷上來看，TDengine 不僅完成全部查詢的時間低于 TimescaleDB 和 InfluxDB，在整體上 CPU 計算資源的消耗也遠小于 TimescaleDB 和 InfluxDB。在整個查詢過程中，TDengine 內(nèi)存也始終維持在一個相對平穩(wěn)的狀態(tài)。
有關測試報告執(zhí)行結果和重現(xiàn)步驟的詳細信息，請參閱完整報告：https://www.taosdata.com/iot-performance-comparison-influxdb-and-timescaledb-vs-tdengine
關于 TDengine
TDengine 是由濤思數(shù)據(jù)完全自主開發(fā)的一款開源、高性能、云原生的時序數(shù)據(jù)庫，專注時序空間大數(shù)據(jù)的存儲、查詢、分析和計算，全球運行的 TDengine 用戶實例數(shù)超過 294.9k，平均每天新增數(shù)百個新部署，用戶遍布全球 50 多個國家/地區(qū)，已被廣泛運用于物聯(lián)網(wǎng)、車聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、IT 運維等領域。2019年7月，TDengine 在 GitHub 開源，目前其 GitHub的 Star 數(shù)達到了 21.5k，且多次登頂 GitHub 全球趨勢排行榜。
2022年 8 月，TDengine 推出 3.0 版本，真正成為了一款云原生時序數(shù)據(jù)庫，支持 10 億個設備采集數(shù)據(jù)、100 個節(jié)點，支持存儲與計算分離，解決了困擾時序數(shù)據(jù)庫發(fā)展的高基數(shù)難題;還將存儲引擎、查詢引擎都進行了優(yōu)化升級，并打造了全新的流式計算引擎，無需再集成 Kafka、Redis、Spark、Flink 等軟件，性能提升的同時系統(tǒng)架構復雜度也實現(xiàn)了大幅降低。同年 9 月，TDengine Cloud 上線海外市場并同步支持 Microsoft Azure、AWS、Google Cloud 三大公有云平臺，TDengine PI 連接器也在不久后成功上線，基于此，企業(yè)既能保留傳統(tǒng)的 PI 系統(tǒng)，又能輕松獲得現(xiàn)代云平臺提供的所有好處。點擊進入www.taosdata.com了解更多信息。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
