时序数据库介绍

TSDB（Time series database）

A time series database (TSDB) is a software system that is optimized for handling time series data, arrays of numbers indexed by time (a datetime or a datetime range).

数据特征：

结构简单
数据量大

可以看出时序数据库是存储按照时间进行增量增长，无数据更新的交易数据。通过唯一标识和时间戳进行数据存储，其特点是结构简单，数据量大。

数据库特征：

写多于读，顺序写入，很少或者不更新，更新使用块删除。
顺序读取，读取一段时间的数据内容，读取数据内容较大
可支持分布式

如何评价一个时序数据库？

性能：写入性能吞吐量要高，查询读取性能延迟性地
存储：集群扩展
功能：对查询功能的支持（可视化、报警）
技术：技术预研
运维：维护和部署难度，自动归档、压缩、删除
成熟度：生态系统、第三方插件丰富程度、开发/社区活跃度，是否有成功案例
背景：开发商背景，持续优化，高级功能收费
安全性：根据需要进行评估

时序数据库选型：

首先看一下排名：
https://db-engines.com/en/ranking/time+series+dbms

对比一下数据库特征：

InfluxDB

主页 https://influxdata.com/
编写语言 Golang
License MIT
项目创建时间 2013
最新版 v0.10.1 2016/2/18
活跃度活跃
文档详细

InfluxDB由Golang语言编写，也是由Golang编写的软件中比较著名的一个，在很多Golang的沙龙或者文章中可能都会把InfluxDB当标杆来介绍，这也间接帮助InfluxDB提高了知名度。

InfluxDB的主要特点包括下面这些：

schemaless(无结构)，可以是任意数量的列
可扩展（集群）
方便、强大的查询语言
Native HTTP API
集成了数据采集、存储、可视化功能
实时数据Downsampling
高效存储，使用高压缩比算法，支持retention polices
InfluxDB是TSDB中为数不多的进行了用户和角色方面实现的，提供了Cluster Admin、Database Admin和Database User三种角色。

InfluxDB的数据采集系统也支持多种协议和插件：

行文本
UDP
Graphite
CollectD
OpenTSDB
不过InfluxDB每次变动都较大，尤其是在存储和集群方面，追求平平安过日子，不想瞎折腾的可以考虑下。

注意：

由于InfluxDB开发太活跃了，很可能你在网上搜到的资料都是老的，会害到你，所以你需要以官方文档为主。

一句话总结：欣欣向荣、值得一试。

RRDtool

主页 http://oss.oetiker.ch/rrdtool/index.en.html
编写语言 C语言
License GNU GPL V2 or later
项目创建时间 16-Jul-1999 rrdtool-1.0.0
最新版 rrdtool-1.5.5 10-Nov-2015
活跃度活跃
文档详细
RRDtool全称为Round Robin Database Tool，也就是用于操作RRD的工具，简单明了的软件名。

什么是RRD呢？简单来说它就是一个循环使用的固定大小的数据库文件（其实也不太像典型的数据库）。

大体来说，RRDtool提供的主要工具如下：

创建RRD（rrdtool create）
更新RRD（rrdtool update）
画图（rrdtool graph）
这其中，画图功能是最复杂也是最强大的，甚至支持下面这些图形，这是其他TSDB中少见的：

指标比较，对两个指标值进行计算，描画出满足条件的区域
移动平均线
和历史数据进行对比
基于最小二乘法的线性预测
曲线预测
总之，它的画图功能太丰富了。

一句话总结：老牌经典、艺多不压身。

Graphite

主页 http://graphite.readthedocs.org/en/latest/
编写语言 Python
License Apache 2.0
项目创建时间 2006年
最新版 0.9.10 2012/5/31
活跃度活跃
文档详细
Graphite由Orbitz, LLC 的 Chris Davis创立于2006年，它主要有两个功能：

存储数值型时序列数据
根据请求对数据进行可视化（画图）
相应的，它的特点为：

分布式时序列数据存储，容易扩展
功能强大的画图Web API，提供了大量的函数和输出方式
Graphite本身不带数据采集功能，但是你可以选择很多第三方插件，比如适用于collectd、Ganglia或Sensu的插件等。同时，Graphite也支持Plaintext、Pickle和AMQP这些数据输入方式。

Graphite主要由三个模块组成：

whisper：创建、更新RRD文件
carbon：以守护进程的形式运行，接收数据写入请求
carbon-cache：数据存储
carbon-relay：分区和复制，位于carbon-cache之前，类似carbon-cache的负载均衡
carbon-aggregator：数据集计，用于减轻carbon-cache的负载
graphite-web：用于读取、展示数据的Web应用
whisper使用了类似RRDtool的RRD文件格式，它也不像C/S结构的软件一样，没有服务进程，只是作为Python library使用，提供对数据的create/update/fetch操作。

如果你对它的性能比较在意，这里有一份老的数据可供参考。

Google、Etsy、GitHub、豆瓣、Instagram、Evernote和Uber等很多知名公司都是Graphite的用户。有此背景，其可信度又加一层，而且网上的资料也相当的多，值得评估一下。

一句话总结：群众基础好、可以参考。

OpenTSDB

主页 http://opentsdb.net/
编写语言 Java
License LGPLv2.1+ GPLv3+
项目创建时间 2010
最新版 2.2
活跃度活跃
文档详细
OpenTSDB是一个分布式、可伸缩的时间序列数据库。它支持豪秒级数据采集所有metrics，支持永久存储（不需要downsampling），和InfluxDB类似，它也是无模式，以tag来实现维度的概念。

比如，这就是它的一个metric例子：

mysql.bytes_received 1287333217 66666666 schema=foo host=db1
OpenTSDB的节点称为TSD（Time Series Daemon (TSD)），它没有主、从之分，消除了单点隐患，非常容易扩展。它主要以HBase作为存储系统，现在也增加了对Cassandra和Bigtable（非云端）。

OpenTSDB以数据存储和查询为主，附带了一个简单地图形界面（依赖Gnuplot），共开发、调试使用。

一句话总结：好用，我们在用。

KDB+

主页 http://kx.com/
License 商业
所有TSDB中，估计就数这个最酷了，我说的是域名，只有两个字母，猥琐地想一下，域名就值很多钱：-）。

kdb+是一个面向列的时序列数据库，以及专门为其设计的查询语言q（和他们的域名一样简短）。Kdb+混合使用了流、内存和实时分析，速度很快，支持分析10亿级别的记录以及快速访问TB级别的历史数据。

不过这是一个商业产品，但是也提供了免费版本（貌似还限制在32位）。

KairosDB

– – 备注
主页 http://kairosdb.github.io/
编写语言 Java
License Apache License 2.0
项目创建时间 2013
最新版 1.1.1 2015/12/08
活跃度活跃
文档详细
KairosDB是一个OpenTSDB的fork，不过是基于Cassandra存储的。由于Cassandra的行比HBase宽，所以KairosDB的Cassandra的默认行大小为3星期，而OpenTSDB的HBase则为1小时。

KairosDB支持通过Telnet、Rest、Graphite等协议写入数据，你也可以通过编写插件自己实现数据写入。

KairosDB也提供了基于Web API的查询接口，支持数据聚合、持过滤和分组等功能。

同时KairosDB提供了一个供开发用的Web UI，图形绘制引擎使用了 Flot。

和OpenTSDB类似，KairosDB 也提供了插件机制，你可以使用插件完成如下工作：

添加数据点（data point）监听器
添加新的数据存储服务
添加新的协议处理程序
添加自定义系统监视服务

Druid

主页 http://druid.io/
编写语言 Java
License Apache License 2.0
项目创建时间 2011
最新版 Druid 0.9.0-RC2 2016/02/23
活跃度活跃
文档详细
Druid是一个快速、近实时的海量数据OLAP系统，并且是开源的。Druid诞生于Metamarkets，后来一些核心人员创立了IMPLY公司，进行Druid相关的产品开发。

Druid会按时间来进行分区（segment），并且是面向列存储的。它的主要特性如下：

支持嵌套数据的列式存储
层级查询
二级索引
实时数据摄取
分布式容错架构
根据去年底druid.io的白皮书，现在生产环境下最大的集群规模如下：

3M EVENTS / SECOND SUSTAINED (200B+ EVENTS/DAY)
10 – 100K EVENTS / SECOND / CORE
500TB OF SEGMENTS (>50 TRILLION RAW EVENTS)
5000 CORES (>400 NODES, >100TB RAM)
QUERY LATENCY (500MS AVERAGE)
90% < 1S 95% < 2S 99% < 10S
3+ trillion events/month
3M+ events/sec through Druid’s real-time ingestion
100+ PB of raw data
50+ trillion events

Druid企业用户比较多，比如OneAPM、Netflix和Paypal等。具体可以参考 http://druid.io/druid-powered.html 。

Druid架构比较复杂，因此对部署和运维也有一定的负担，比如需要的机器多、机器配置要高（尤其是内存）。

一句话总结：好用，我们在用。

Prometheus

主页 http://prometheus.io/
编写语言 Golang
License Apache License 2.0
项目创建时间 2012
最新版 0.17.0rc2 2016-02-05
活跃度活跃
文档详细
Prometheus是一个开源的服务监控系统和时序列数据库，由社交音乐平台SoundCloud在2012年开发，最近也变得很流行，最新版本为0.17.0rc2。

Prometheus从各种输入源采集metric，进行计算后显示结果，或者根据指定条件出发报警。

和其他监控系统相比，Prometheus的特点包括：

多维数据模型（时序列数据由metric名和一组key/value组成）
灵活的查询语言
不依赖分布式存储，单台服务器即可工作
通过基于HTTP的pull方式采集是序列数据
可以通过中间网关进行时序列数据推送
多种可视化和仪表盘支持
由于Prometheus采用了类似OpenTSDB 和 InfluxDB的key/value维度机制，所以如果你对任一种TSDB有了解的话，学习起来会简单些。

一句话总结：貌似比较火，何不试一试？

Pinot

主页 https://github.com/linkedin/pinot/wiki
编写语言 Java
License Apache License 2.0
项目创建时间 2014/08
最新版 0.016
活跃度活跃
文档详细
Pinot是一个开源的实时、分布式OLAP数据存储方案。它来自Linkedin，虽然Linkedin最近估价表现很差，但是他们创建的各种软件、中间件实在太多了。这一点我们做软件的都应该向Linkedin表示感谢。

Pinot就像是一个Druid的copy，不过两者的灵感都来源于SenseiDB（Sensei在日语里为老师的意思，写成汉字为“先生”）。

Pinot也像Druid一样，能加载offline数据（Hadoop文件）和实时数据（Kafka）。Pinot从设计上就面向水平扩展。

Pinot主要特点：

面向列
插拔式索引引擎：排序索引、位图索引和反向索引
根据查询语句和segment信息对查询/执行计划进行优化
从Kafka实时数据摄取（ingestion）
从Hadoop进行批量摄取
类似SQL的查询语言，支持聚合、过滤、分组、排序和唯一处理。
支持多值字段
水平扩展和容错
Pinot的特点和Druid很像，两者可互为参考。

一句话总结：背靠大树好乘凉。