IoTDB 入门教程基础篇①——时序数据库为什么选IoTDB ？

本文主要是介绍IoTDB 入门教程基础篇①——时序数据库为什么选IoTDB ？，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一、前文

IoTDB入门教程——导读

关注博主的同学都知道，博主在物联网领域深耕多年。

时序数据库，博主已经用过很多，从最早的InfluxDB，到后期的TDengine，以及现在的IoTDB。

最早是没得选，只能用InfluxDB。
后面是有的选，换了TDengine。
现在是选择太多，择优选了IoTDB。

各个时序数据库的厂家，随着版本更新，性能越来越强，越来越好用，也越来越易用。

本文主要讲述IoTDB的优势，时序数据库选择困难症的同学可以看看。已经选定IoTDB的同学可以直接看后面的应用实战。

正如俗语所言：“是骡子是马，拉出来遛遛。”

benchANT，一家位于德国的权威机构，专注于云设施和数据库性能评估。

benchANT 数据库性能排行榜链接：https://benchant.com/ranking/database-ranking

Workload Type选择Time Series: DevOps。

时序数据的特点显著，包括测量点众多、上报频率高以及数据规模庞大等。

因此，时序数据库面临的挑战也不容小觑：必须保证高频写入的速度、海量数据查询的迅捷以及数据存储成本的优化。

鉴于这些独特的需求，选择性能强大的时序数据库变得至关重要。

毕竟，如果MySQL能够满足这些要求，我们也不会特意去寻找更适合的时序数据库了。

Alt

物联网时序数据文件格式：Apache / TsFile

众所周知，数据文件如何高效的压缩和读写是数据库设计的一大关键。

而数据文件又处于很底层，大部分数据库厂家不对外提供这方面的资料。

但是IoTDB却把这方面的项目独立出来，成为又一个Apache Top-Level 项目Apache / TsFile。实在是不得不佩服。

TsFile是一种为时间序列数据设计的列式存储文件格式，它支持高效压缩、高读写吞吐量，并且兼容多种框架，如Spark和Flink。TsFile很容易集成到物联网大数据处理框架中。

TsFile API 快速上手

讲到这里又不得不提到TDengine，TDengine虽然版本更新很快，性能也很强。

但是他们底层数据文件也经常修改，不仅2.x与3.x版本的数据文件不兼容，3.0.0.1版本与3.0.2.0版本的数据文件也不兼容。

因为3.0.0.1的底层数据文件不稳定，所以后面版本就及时做了大改，所以导致的不兼容。

底层数据文件不稳定就很容易出现大问题，数据丢失，数据无法正常迁移等等。

这里也没有踩踏TDengine的意思，TDengine也很好，只不过通过对比，感觉IoTDB更好。

一群清华的硕士博士做出来的东西，确实靠谱。

IoTDB不仅支持高频的数据写入，还支持乱序数据写入。

乱序数据是指：早产生的数据后到了，晚产生的数据先到了

这是我们在实际应用中经常遇到的场景，会带来一些困扰，虽然不痛，但也很烦。

IoTDB首创了乱序分离存储引擎用独有的顺乱序判断的机制，将顺序数据与乱序数据分开，并通过多种空间合并的方法，去消除乱序数据。

Alt

IoTDB不仅功能丰富，而且具有诸多优势和亮点。只不过这些博主目前暂时用不到，所以这里就快速过一下，留个印象，后面实际项目有需要的时候自然会想起来。

全面的端-边-云协同模式：IoTDB支持边缘模式、单机模式以及分布式架构，为用户提供了灵活多样的部署选项。
专为物联网打造：IoTDB拥有设备测点物联网数据模型、IoTLSM物联网存储引擎和IoTConsensus物联网共识协议，确保数据在物联网环境中的高效管理和传输。
卓越的性能表现：通过已有案例展示，IoTDB能够轻松管理亿级序列，实现数千万点/秒的吞吐能力，并提供高达十倍的压缩比，大大提升了数据处理效率。
树形时序数据模型：IoTDB采用树形结构进行时序数据建模，确保这些关键数据能够被有效、有序地管理和查询。
智能分析功能（AINode）：IoTDB积极拥抱AI技术，提供了智能化的分析功能。它涵盖了多种适用于时序数据的算法和自研模型，能够实现序列预测、异常检测等高级分析场景，为用户提供深入的洞察力。
强大的处理能力：IoTDB支持丰富的时序特性查询和分析功能，满足用户在各种复杂场景下的数据处理需求。