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。
TimescaleDB 简介
TimescaleDB 是一款由 Timescale 公司（于 2025 年 6 月 17 日更名为“TigerData”）开发的开源时序数据库。该数据库基于 PostgreSQL 扩展，通过额外的 SQL 函数和表结构，专门为大规模时序数据提供了存储优化、性能提升及分析功能支持。
综合对比
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
TimescaleDB 功能
1. 时序存储管理
超表（Hypertable）：自动按时间维度分区，支持跨维度分区（如设备 ID+时间）
混合行列式存储引擎（Hypercore）：行式存储用于存储最新数据，列式存储用于提高分析性能
分布式架构：如果主实例不可用，将自动故障转移到高可用性 (HA) 副本
2. 时序数据写入
写入数据：可以使用 INSERT、UPDATE 和 DELETE 语句在常规表和超表中添加和修改数据
3. 持续聚合引擎
增量刷新机制：基于 Postgres 物化视图的持续聚合，仅计算变更数据而非全量更新
近实时聚合：支持低延迟的聚合数据查询，降低资源消耗
4. 高性能时序处理
时段函数（Time Bucket）：提供灵活的时间粒度聚合
超函数（Hyperfunction）：旨在高效处理、聚合和分析海量数据，同时保持高性能
5. 全生命周期数据管理
分层存储策略（Tiered Storage）：高性能存储层存储最新且最常查询的数据，对象存储层存储很少访问且性能要求较低的数据
数据保留策略（Data Retention）：自动清理过期数据，支持与持续聚合联动实现数据降采样
生态支持：支持写入、查询、流处理、可视化、系统管理等维度软件生态集成
6. 无缝兼容性
完整 SQL 支持：100% 兼容 PostgreSQL 生态，支持所有 PG 工具链
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
TimescaleDB 数据建模及部分功能概念
超表（Hypertable）：基于普通的 PostgreSQL 表创建，可以使用标准 SQL 语法对超表进行插入和查询等操作，并在普通表的基础上超表添加了自动分区、压缩和连续聚合的功能，以更高效地存储和查询时间序列数据。
块（Chunk）：Hypertable 按照时间范围分割成的多个连续的数据块，以存储时序数据。
时段（Time Buckets）：实现实时分析的核心功能，可以将 Hypertable 中的数据按时间粒度聚合为不同的时段单元。
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。
TimescaleDB 数据模型
TimescaleDB 的底层数据结构为 Hypertable（超表），是一种逻辑上的时间分区表。每个 Hypertable 可以自动将数据按时间分割成多个块（Chunk），以实现对时序数据的高效管理。
时间分区方面，每个 Hypertable 块都会被分配一个时间范围，并且仅包含该范围内的数据。当运行查询时，TimescaleDB 会识别正确的块并对其运行查询，而无需遍历整个表。默认情况下，每个 Hypertable 块会保存 7 天的数据，用户可以根据自己的需求进行更改。
空间分区方面，TimescaleDB 支持在创建超表时（即表为空时），在非时间列（如位置或设备 UUID）上添加分区维度，并指定分区数量，以适配特定条件查询。随着数据增长，用户也可以调整分区数量以提升查询性能。
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
