IoTDB 简介

IoTDB 是一款低成本、高可用的国产全自研工业时序数据库，采用端边云协同的轻量化结构，支持一体化的物联网时序数据收集、存储、管理与分析，具有多协议兼容、高压缩比、高通量读写、工业级稳定、简便运维等特点。

IoTDB 架构以自主研发的时序数据专用文件存储格式 TsFile 为基础，支撑三大核心组件：面向端侧具备嵌入式数据存储能力的 IoT Node、高性能时序数据管理引擎 Data Node，以及具备机器学习训练推理能力的 AI Node。

InfluxDB 简介

InfluxDB 是一款开源时序数据库，支持纳秒级时间戳和高频数据写入，并集成数据采集工具与可视化工具，广泛应用于物联网、监控系统和实时分析场景。

综合对比

IoTDB 功能

1. 双数据模型

• 树模型-离散点位管理：层级化方式管理测点，实现亿级时间序列管理规模，支持序列级时间序列权限控制

• 结构化表模型-统一设备管理：支持标准 SQL 语法，原生支持无模式写入，实现动态静态数据统一管理

• 双模型转换：允许通过简单 SQL 语句在原始数据树上创建虚拟表视图，实现树模型与表模型的自然映射

2. 部署模式

• 多种部署模式：支持单机模式、双活模式、集群模式部署，保障多场景高扩展、高可用

• 端边云协同：实现设备端侧-厂站边侧-集团云侧协同传输，实现数据互联互通

• 高效的数据迁入、迁出能力：无需解压和二次处理，接收端 CPU 消耗节省 95%，网络带宽节省 90%

3. 时序数据写入与存储

• 自研 TsFile 时序数据标准文件格式：相比通用文件格式，压缩比提升 20% 以上，达到 10X 无损压缩比、100X 有损压缩比、

• 高吞吐写入：TsFile 支持列式数据写入，达到毫秒级高频数据接入，支持千万/秒写入速度

• 乱序数据处理：首创乱序分离存储引擎，乱序数据处理效率达 4 倍以上

• 模态融合：支持非结构化对象/文件管理，可自定义存储、解析文件

4. 时序数据查询与分析

• 丰富查询功能：满足时序数据特性查询需求，支持降采样时序对齐、时序分段查询、数据补齐与修复等功能

• 高级分析能力：支持标量函数（UDSF）、聚合函数（UDAF）、表值函数（UDTF），实现趋势查询、窗口函数、嵌套查询

• 联邦查询：无缝接入外部数据源业务数据，实现跨系统、多模态数据分析

5. AI 训推一体化

• AI Node 节点：支持即插即用的一体化时序数据机器学习模型训练推理，支撑工业智能分析应用

• 自研时序大模型 Timer：支持任意长度输入，产生多种概率预测结果，在国际时序预测榜单取得领先预测效果和推理效率

• 自动完成业务分析：结合 IoTDB MCP Server 功能，基于自然语言交互，实现智能关联分析

6. 软硬件生态系统

• 全生命周期生态集成：支持 MQTT、OPC UA 等工业协议，与 KafKa、Spark、Flink 等大数据系统深度集成，支持 Grafana、DataEase 等可视化工具，支持 Kubernetes 部署

• 硬件生态扩展：联合集成边缘智能硬件板、系统控制器、智能一体机，工业智能化能力具象化为可部署的实体解决方案

• 兼容国产化生态：兼容国产 CPU、国产服务器操作系统

7. 易用性工具

• 可视化控制台 Workbench：图形化操作，一站实现时序数据可视化管理

• 集群监控工具：帮助监控集群健康状态，并进行集群调优和运维

• 一键式集群管理工具：支持集群部署、启停、更新、扩容等功能，实现复杂集群一键式指令下发

InfluxDB 功能

1. 写入与存储

• 写入优化：通过 TSM 引擎优化，每秒可处理数百万数据点，适用于物联网、工业传感器等高频写入场景

• 压缩存储：采用 TSM 格式实现高效数据压缩，降低存储空间占用。

2. 查询与分析

• 多语言查询支持：支持 InfluxQL 语法，兼容传统 SQL 习惯，同时提供脚本式语言 Flux，支持复杂分析

• 查询扩展功能：支持滑动窗口计算、窗口函数等功能，适用于实时指标监控场景

3. 可视化与监控

• Grafana 集成：原生支持，快速创建仪表盘。

• 内置 UI：InfluxDB 2.x 提供数据探索和可视化界面

• 告警功能：通过 Flux 或 API 设置阈值告警

4. 生态集成

• 开发者友好接口：内置 HTTP API，提供便捷的 SDK 集成方案

• Telegraf：轻量级数据采集代理

• Chronograf：官方可视化工具，2.x 中整合到 Web UI

• Kapacitor：流式处理与告警引擎，2.x 由 Flux 替代

5. 运维管理

• 数据保留策略：支持自定义数据生命周期策略，自动清理过期数据

• 权限控制：提供用户分级授权机制，支持数据库访问权限的精细化控制

6. 分布式架构

• 分布式集群：多节点部署，保障分布式架构高扩展、高可用

• 数据分片、复制：支持数据分片和复制，保障系统稳定性，提升系统容错

7. 安全和管理

• 用户管理：支持多用户、多权限管理

• HTTPS 支持：HTTPS 保障数据传输安全

• 数据加密：支持数据加密存储和传输

IoTDB 数据建模概念

• 数据模型（sql_dialect）：IoTDB 支持两种时序数据模型（SQL语法），管理的对象均为设备和测点树：以层级路径的方式管理数据，一条路径对应一个设备的一个测点表；以关系表的方式管理数据，一张表对应一类设备。

• 元数据（Schema）:元数据是数据库的数据模型信息，即树形结构或表结构。包括测点的名称、数据类型等定义。

• 设备（Device）：对应一个实际场景中的物理设备，通常包含多个测点。

• 测点（Timeseries）：又名：物理量、时间序列、时间线、点位、信号量、指标、测量值等。测点是多个数据点按时间戳递增排列形成的一个时间序列。通常一个测点代表一个采集点位，能够定期采集所在环境的物理量。

• 编码（Encoding）：编码是一种压缩技术，将数据以二进制的形式进行表示，可以提高存储效率。

• 压缩（Compression）：IoTDB 在数据编码后，使用压缩技术进一步压缩二进制数据，提升存储效率。

InfluxDB 数据建模概念

• Database: 数据库名，在 InfluxDB 中可以创建多个数据库

• 时间戳 Time：每条数据记录的时间，也是数据库自动生成的主索引，默认为当前系统的时间戳（纳秒）

• 字段 Field：包含数据的实际值，可以是各种数据类型，字段在查询时可以进行数学运算

• 标签 Tag：用于索引和过滤数据

• Point：表里面的一行数据，由时间戳（timestamp）、标签（tag）、字段（field）和组成

• Measurement: 存储具有相似特征或属于同一类别的数据点集合，包含了列 Timestamp 时间戳，Field 字段和Tag 标签

• Field Set：每组 field key 和 field value 的集合

• Tag Set: 不同的每组 tag key 和 tag value 的集合

• Retention Policy：定义了数据在数据库中的保存期限。当数据超过了指定的时间限制，它们将自动被删除

• Series：共同 Retention Policy，Measurement 和 Tag set 的集合

IoTDB 数据模型

IoTDB 提供了两种数据建模方式——树模型和表模型，其特点分别如下：

• 树模型：以测点为对象进行管理，每个测点对应一条时间序列，测点名按.分割可形成一个树形目录结构，与物理世界一一对应，对测点的读写操作简单直观。

• 表模型：推荐为每类设备创建一张表，同类设备的物理量采集都具备一定共性（如都采集温度和湿度物理量），数据分析灵活丰富。

两种模型有各自的适用场景，以下表格从适用场景、典型操作等多个维度对树模型和表模型进行了对比。用户可以根据具体的使用需求，选择适合的模型，从而实现数据的高效存储和管理。

注意：

• 同一个集群实例中可以存在两种模型空间，不同模型的语法、数据库命名方式不同，默认不互相可见。

• 在通过客户端工具 Cli 或 SDK 建立数据库连接时，需要通过 sql_dialect 参数指定使用的模型语法（默认使用树语法进行操作）。

InfluxDB 数据模型

数据库服务器包含逻辑数据库，逻辑数据库包含表，表包含列。V3 与之前的 InfluxDB 版本相比，在 V2 版本中，用户可以将数据库视为存储桶（bucket），在 V1 版本中，则可以将其视为 db/retention_policy。

表相当于一个测量值（measurement），其列可以是 tag（字符串字典）、int64、float64、uint64、bool 或 string 类型，最后，每个表都有一个时间列，该列的精度为纳秒级时间戳。

在 InfluxDB 3 中，每个表都有一个主键（标签和时间的有序集合），用于存储其数据。所有创建的 Parquet 文件都使用主键进行排序。当创建表时（无论是通过显式调用还是首次将数据写入表），系统都会按照标签到达的顺序将主键设置为标签的主键。这是不可变的。表的标签列定义也是不可变的。

标签应包含唯一的标识信息，例如 sensor_id、building_id 或 trace_id。所有其他数据应保存在字段中。用户将能够为任何列（无论是字段还是标签）添加后 N 个值和不同值查找功能。

IoTDB 应用场景

• 能源电力：管理电力生产、传输、存储和消费过程中的海量时序数据，实现电力系统实时监控、精准预测和智能调度，有效提升能源利用效率，降低运营成本。

• 航空航天：管理飞机、火箭、卫星等设备在设计、制造、试飞、运行等全流程中产生的海量时序数据，实现对飞行任务中关键系统的精准监测与分析。

• 钢铁冶炼：对冶炼设备和生产线进行实时数据管理，实现对核心生产环节的智能监测、精准控制与高效管理，提升产能、优化产品质量、降低能耗。

• 石油石化：管理供油气管道、储配站、调控中心等设备数据，实现数据稳定实时展示与系统监控报警，为公共安全保障及石油管网数智化升级贡献力量。

• 交通运输：管理列车、地铁、船舶、汽车等设备的运行、状态、位置信息等数据，为铁路、船舶等构建起稳定可靠的智能交通系统管理基础。

• 智慧工厂：满足大规模设备接入需求，支持设备状态监测、故障诊断、预测性维护等核心业务应用，提升生产、运营效率。

InfluxDB 应用场景

• 监控运维：在企业服务器集群中，InfluxDB 能快速采集 CPU 负载、内存占用等性能指标，记录网络流量变化情况，保存应用程序响应时间等数据。这些数据为管理员和开发人员提供了实时系统状态视图，便于及时发现异常波动，快速定位故障点，提升系统运维效率

• 实时数据分析：对于海量实时数据的分析处理需求，InfluxDB 支持数据持续高速写入，配合查询机制可快速完成时序数据可视化图表生成、异常数据自动检测、实时阈值报警等操作

• 日志数据管理：InfluxDB 将日志数据按照时间序列有序存储，尤其适用于分布式系统和微服务架构下海量日志的管理。通过时间维度的有序组织，开发人员能更便捷地回溯、查询和分析日志信息，实现系统运行问题诊断与优化