人间指南

通过上一章《时序列数据库武斗大会之什么是TSDB》的介绍，相信大家已经知道了什么是时序列数据库，以及它能干什么，有什么特点等有了一定的了解。

那么在这一篇文章中，我们将介绍一下目前都有哪些TSDB，以及它们的特点，并基于个人观点，给出一定的（喜好）评判。

由于个人能力所限，有些地方调查可能不到位，再加上一定的个人主观因素，所以跟其他人的结论可能不一样，不过这应该也正常。没有调查就没有发言权，只有真正的深度用户的发言，才具有说服务力，你可以权当这里就当是我抛砖了。

虽然也有人用ElasticSearch或者MongoDB来存储时序列数据，作为更适合分类为NOSQL的这两个数据库软件，我们这里就不对它们做介绍了。

DB-Engines中时序列数据库排名

我们先来看一下DB-Engines中关于时序列数据库的排名

这是当前（2016年2月的）排名情况：

下面，我们就按照这个排名的顺序，简单介绍一下这些时序列数据库中的一些。下面要介绍的TSDB以开源的为主，如果是商业或者SaaS服务，也简单介绍一下其特点，让大家能对其他领域的事物也有所了解。

这里有一个例外，就是Pinot并不在这个排名里，但是我们也把它列在了这里。

1. InfluxDB

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。

2. RRDtool

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。

3. Graphite

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。

4. OpenTSDB

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：

1

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。

5. KDB+

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）。

6. KairosDB

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

7. Druid

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。

8. Prometheus

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？

9. Pinot

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。

小结

这里我们为大家介绍了几种常见TSDB，如不出意外，你可能会在这里选择某一种来使用。

尽管如此，我们还是会为大家介绍更多一些的项目，让大家能更多的了解一些不同的TSDB及其特点，也能帮助读者深入了解TSDB的各种场景，开阔思路。

在下一篇文章中，我们将会为各位再介绍几种时序列数据库。

相关阅读

这是本系列文章的其他部分：

• 时序列数据库武斗大会之什么是TSDB
• 时序列数据库武斗大会之TSDB名录 Part 1
• 时序列数据库武斗大会之TSDB名录 Part 2
• 时序列数据库武斗大会之OpenTSDB篇
• 时序列数据库武斗大会之KairosDB篇