Skip to main content

产品简介

TDengine 是一款开源高性能云原生时序数据库Time Series Database, TSDB)。TDengine 能被广泛运用于物联网、工业互联网、车联网、IT 运维、金融等领域。除核心的时序数据库功能外,TDengine 还提供缓存数据订阅流式计算等功能,是一极简的时序数据处理平台,最大程度的减小系统设计的复杂度,降低研发和运营成本。

本章节介绍TDengine的主要功能、竞争优势、适用场景、与其他数据库的对比测试等等,让大家对TDengine有个整体的了解。

主要功能

TDengine的主要功能如下:

  1. 高速数据写入,除 SQL 写入外,还支持 Schemaless 写入,支持 InfluxDB LINE 协议OpenTSDB Telnet, OpenTSDB JSON 等协议写入;
  2. 第三方数据采集工具 TelegrafPrometheusStatsDcollectdicinga2, TCollector, EMQ, HiveMQ 等都可以进行配置后,不用任何代码,即可将数据写入;
  3. 支持各种查询,包括聚合查询、嵌套查询、降采样查询、插值等
  4. 支持用户自定义函数
  5. 支持缓存,将每张表的最后一条记录缓存起来,这样无需 Redis
  6. 支持流式计算(Stream Processing)
  7. 支持数据订阅,而且可以指定过滤条件
  8. 支持集群,可以通过多节点进行水平扩展,并通过多副本实现高可靠
  9. 提供命令行程序,便于管理集群,检查系统状态,做即席查询
  10. 提供多种数据的导入导出
  11. 支持对TDengine 集群本身的监控
  12. 提供 C/C++, Java, Python, Go, Rust, Node.js 等多种编程语言的连接器
  13. 支持 REST 接口
  14. 支持与 Grafana 无缝集成
  15. 支持与 Google Data Studio 无缝集成
  16. 支持 Kubernetes 部署

更多细小的功能,请阅读整个文档。

竞争优势

由于 TDengine 充分利用了时序数据特点,比如结构化、无需事务、很少删除或更新、写多读少等等,设计了全新的针对时序数据的存储引擎和计算引擎,因此与其他时序数据库相比,TDengine 有以下特点:

  • 高性能:通过创新的存储引擎设计,无论是数据写入还是查询,TDengine 的性能比通用数据库快 10 倍以上,也远超其他时序数据库,存储空间不及通用数据库的1/10。

  • 云原生:通过原生分布式的设计,充分利用云平台的优势,TDengine 提供了水平扩展能力,具备弹性、韧性和可观测性,支持k8s部署,可运行在公有云、私有云和混合云上。

  • 极简时序数据平台:TDengine 内建消息队列、缓存、流式计算等功能,应用无需再集成 Kafka/Redis/HBase/Spark 等软件,大幅降低系统的复杂度,降低应用开发和运营成本。

  • 分析能力:支持 SQL,同时为时序数据特有的分析提供SQL扩展。通过超级表、存储计算分离、分区分片、预计算、自定义函数等技术,TDengine 具备强大的分析能力。

  • 简单易用:无任何依赖,安装、集群几秒搞定;提供REST以及各种语言连接器,与众多第三方工具无缝集成;提供命令行程序,便于管理和即席查询;提供各种运维工具。

  • 核心开源:TDengine 的核心代码包括集群功能全部开源,截止到2022年8月1日,全球超过 135.9k 个运行实例,GitHub Star 18.7k,Fork 4.4k,社区活跃。

采用 TDengine,可将典型的物联网、车联网、工业互联网大数据平台的总拥有成本大幅降低。表现在几个方面:

  1. 由于其超强性能,它能将系统需要的计算资源和存储资源大幅降低
  2. 因为支持 SQL,能与众多第三方软件无缝集成,学习迁移成本大幅下降
  3. 因为是一极简的时序数据平台,系统复杂度、研发和运营成本大幅降低
  4. 因为维护简单,运营维护成本能大幅降低

技术生态

在整个时序大数据平台中,TDengine 在其中扮演的角色如下:

TDengine Database 技术生态图

图 1. TDengine技术生态图

上图中,左侧是各种数据采集或消息队列,包括 OPC-UA、MQTT、Telegraf、也包括 Kafka, 他们的数据将被源源不断的写入到 TDengine。右侧则是可视化、BI 工具、组态软件、应用程序。下侧则是 TDengine 自身提供的命令行程序 (CLI) 以及可视化管理管理。

总体适用场景

作为一个高性能、分布式、支持 SQL 的时序数据库 (Database),TDengine 的典型适用场景包括但不限于 IoT、工业互联网、车联网、IT 运维、能源、金融证券等领域。需要指出的是,TDengine 是针对时序数据场景设计的专用数据库和专用大数据处理工具,因充分利用了时序大数据的特点,它无法用来处理网络爬虫、微博、微信、电商、ERP、CRM 等通用型数据。本文对适用场景做更多详细的分析。

数据源特点和需求

从数据源角度,设计人员可以从下面几个角度分析 TDengine 在目标应用系统里面的适用性。

数据源特点和需求不适用可能适用非常适用简单说明
总体数据量巨大TDengine 在容量方面提供出色的水平扩展功能,并且具备匹配高压缩的存储结构,达到业界最优的存储效率。
数据输入速度偶尔或者持续巨大TDengine 的性能大大超过同类产品,可以在同样的硬件环境下持续处理大量的输入数据,并且提供很容易在用户环境里面运行的性能评估工具。
数据源数目巨大TDengine 设计中包含专门针对大量数据源的优化,包括数据的写入和查询,尤其适合高效处理海量(千万或者更多量级)的数据源。

系统架构要求

系统架构要求不适用可能适用非常适用简单说明
要求简单可靠的系统架构TDengine 的系统架构非常简单可靠,自带消息队列,缓存,流式计算,监控等功能,无需集成额外的第三方产品。
要求容错和高可靠TDengine 的集群功能,自动提供容错灾备等高可靠功能。
标准化规范TDengine 使用标准的 SQL 语言提供主要功能,遵守标准化规范。

系统功能需求

系统功能需求不适用可能适用非常适用简单说明
要求完整的内置数据处理算法TDengine 的实现了通用的数据处理算法,但是还没有做到妥善处理各行各业的所有要求,因此特殊类型的处理还需要应用层面处理。
需要大量的交叉查询处理这种类型的处理更多应该用关系型数据系统处理,或者应该考虑 TDengine 和关系型数据系统配合实现系统功能。

系统性能需求

系统性能需求不适用可能适用非常适用简单说明
要求较大的总体处理能力TDengine 的集群功能可以轻松地让多服务器配合达成处理能力的提升。
要求高速处理数据TDengine 的专门为 IoT 优化的存储和数据处理的设计,一般可以让系统得到超出同类产品多倍数的处理速度提升。
要求快速处理小粒度数据这方面 TDengine 性能可以完全对标关系型和 NoSQL 型数据处理系统。

系统维护需求

系统维护需求不适用可能适用非常适用简单说明
要求系统可靠运行TDengine 的系统架构非常稳定可靠,日常维护也简单便捷,对维护人员的要求简洁明了,最大程度上杜绝人为错误和事故。
要求运维学习成本可控同上。
要求市场有大量人才储备TDengine 作为新一代产品,目前人才市场里面有经验的人员还有限。但是学习成本低,我们作为厂家也提供运维的培训和辅助服务。

与其他数据库的对比测试