TDengine 是一款開源、云原生的時序數據庫，專為物聯網、工業互聯網、金融、IT 運維監控等場景設計并優化。它能讓大量設備、數據采集器每天產生的高達 TB 甚至 PB 級的數據得到高效實時的處理，對業務的運行狀態進行實時的監測、預警，從大數據中挖掘出商業價值。

一、高性能的時序數據庫

通過充分利用時序大數據的特點，TDengine團隊設計了新穎的存儲引擎，大幅提升了數據的寫入和查詢速度，同時也大幅提高了數據壓縮率。與通用數據庫相比，性能好至少十倍以上，而存儲空間不到其1/5，與其他時序數據庫相比，性能也是遠超。與流行的時序數據庫 InfluxDB 相比，完全采用 InfluxDB 自身提供的測試框架、數據集和測試場景寫入速度至少是2倍以上，在設備數量超過1000以后，寫入速度是5.2倍。對于查詢場景，極個別的與InfluxDB速度持平，絕大部分都是幾倍的速度，有的甚至高達40倍。數據壓縮上，TDengine 也表現更好，存儲空間不到 InfluxDB 的 70%。

二、極簡的時序數據處理平臺

時序數據庫（Time Series Data, TSDB）是一個專門為時序數據優化設計的數據庫，用于以高效的方式存儲和分析時序數據。但是時序數據處理需要的不僅僅是存儲和分析。在典型的時序數據處理平臺中，TSDB 總是與流處理、緩存、數據訂閱和其他工具集成在一起。這使得系統設計復雜且難以維護。此外，它還需要消耗更多的計算和存儲資源。

為了降低系統設計復雜度和運行成本，TDengine 充分利用時間序列數據的特點，構建了自己的緩存、流計算和數據訂閱功能。它不僅提供了一種高效的時間序列數據存儲和分析方式，還為時間序列數據處理提供了一種極簡的解決方案(Simplified Solution for Time Series Data)。

三、云原生時序數據庫

云原生數據庫 (Cloud Native Data) 是指充分利用了云計算平臺以及分布式系統的優勢而設計的數據庫。云原生數據庫提供了按照實際使用資源量來計費的能力，以降低運營成本。此外，它提供了快速開發原型、研發、測試以及部署新的應用的能力，可以大大縮短新的應用從設計開發到進入市場的時間。

作為一個云原生，而不只是能在云上運行的時序數據庫(Time Series Data)，TDengine 具備云原生數據庫的幾大特點：水平擴展性(Scalability)、彈性(Elasticity)、韌性(Resiliency)、可觀測性(Observability)以及運維自動化(Automation)。

四、開源的時序數據庫

定位于為 IoT、IIoT 等場景專門打造的時序數據庫（Time Series Data, TSDB），TDengine 的研發始于 2016 年 12 月。經過 2 年多的研發后，TDengine 團隊在 2019 年 7 月將單機版開源，2020 年 8 月又將集群版開源。TDengine 的核心服務器代碼 taosd 采用 AGPL 開源協議，但為便于與第三方工具集成，taosAdapter 以及多個連接器都采用 MIT 開源協議。沒有選擇 Apache 協議，而采用 AGPL 協議的唯一目的是阻止云廠商免費使用開源版本。

TDengine 項目十分活躍，從 2019 年開源到 2022 年 8 月 1 日，Pull Request 總次數已經達到 12.6k，commit 次數已經超過 69k。2022 年 1 月 1 日至 2022 年 8 月 1 日，Pull Request 數量超過 5.6k，代碼 commit 次數超過 15.8k。目前 TDengine 的代碼除了自己的研發團隊外，外部的代碼貢獻者已經超過 100 人。到目前為止，TDengine 項目在 GitHub 上總共收獲了 19.5k star，全球安裝實例數已經超過 157.1k，用戶遍布全球五十多個國家和地區。

TDengine 在 2019 年開源后，很快發行了 1.6 版，2020 年 8 月發行了 2.0 版，2022 年 8 月發行了 3.0 版。相對于 2.x 版，3.0 解決了業內的 High Cardinality 問題，能支持 10 億條以上的時間線，100 個節點以上的集群。它在分布式設計的基礎上，實現了計算和存儲分離，讓 TDengine 從 3.0 起成為了一個云原生時序數據庫（Cloud Native Time-Series Data）。而且 3.0 將流計算、數據訂閱功能完全重構，極大地提高了效率，讓 TDengine 為時序數據的處理提供了一個極簡的平臺。同時，TDengine 3.0 重構了查詢計算引擎，對 SQL 提供了更多支持，讓很多復雜查詢得以進行。

五、強大而又簡單易用的數據分析能力

對于數據分析師來說，花費大量時間處理數據并不罕見。因為關系型數據庫可以提供復雜的分析能力，一種方法便是將時間序列數據存入關系型數據庫進行分析。直接將實時數據寫入關系數據庫存在重大的寫入性能瓶頸，因此往往先將時序數據寫入時序數據庫(Time Series Data, TSDB)，然后從時序數據庫批量導出數據，格式化并轉換數據后，將其加載到關系數據庫或數據倉庫中進行分析。這種解決方案完全可以工作，但復雜且成本高昂。

另外一種方法就是使用支持 SQL 查詢語言的時序數據庫。SQL 是一種用于選擇、過濾和將數據連接在一起進行數據分析的強大工具。TDengine 是支持 SQL 的時序數據庫，對于數據分析師而言，使用 TDengine 就像在使用一個關系型數據庫。而且通過超級表、存儲和計算分離、數據按時間分區、預計算等多種手段，TDengine 提供了強大而又簡單易用的分析能力。具體而言，TDengine 的分析能力具有以下顯著特點：

1、多個數據采集點之間的高效聚合：TDengine 針對時序數據的特點，提出創新的超級表概念，將時序數據與標簽數據分離存儲。無需 JOIN，只需要指定超級表的標簽過濾條件，就可將同類型的數據采集點進行高效的聚合操作，這使得組織和查找數據更加簡單。此外，TDengine 允許向每個數據采集點添加多達 128 個標簽，也支持在以后刪除和更新這些標簽。TDengine 提供了一種將數據切割成多維立方體以進行多維分析的強大方法。

2、計算存儲分離：從 3.0 起，TDengine 支持存算分離，系統可以根據需要，啟動一個或多個計算節點，增加計算資源，加快復雜查詢的速度，減小 Latency。對于云平臺，計算節點可以是一個容器，可以快速地啟動或停止，計算存儲分離將充分利用云平臺的彈性計算資源。

3、歷史與實時數據的分析完全統一：TDengine 按時間段對數據自動進行分區，即使是 10 年的數據，也無需分庫分表，不存在檔案數據一說。為降低存儲成本，按照數據的新老程度，實行多級存儲，但對用戶而言是完全透明的。無論是查詢最新數據還是 10 年前的數據，只是查詢的起止時間不同。

4、時序數據分析的特有功能：TDengine 在標準 SQL 的基礎上，針對時序數據的處理進行擴展，提供累計求和、時間加權平均、移動平均、變化率、時間窗口，session 窗口、state 窗口、插值等眾多時序數據分析功能。通過時間窗口和插值，可以將不同數據采集點的數據按固定時間間隔將數據的時間戳對齊，便于后續的進一步分析?？梢詤⒖?SQL手冊了解更多信息。

5、實時數據分析：TDengine 既提供了時間驅動的流式計算(連續查詢)，也提供了事件驅動的流式計算。不僅可以對單個數據采集點生成的數據流進行流式計算，也可以對多個采集點的數據流聚合后進行流式計算。對自定義函數的支持更是讓流計算能方便地提供對數據的前置處理、轉換或任何其他復雜計算。關于流式計算，請看用戶文檔流式計算。

6、支持Python：不僅提供 Python 連接器，還支持 Pandas 及 data ，讓喜愛 Python 的數據分析師可以很方便地利用各種 Python 庫做時序數據分析。

7、其他便捷的數據訪問、分析手段：利用 TDengine 提供的命令行程序，可以在終端執行各種即席查詢、或者導入導出數據。提供 R 與 Matlab 以及多種編程語言的連接器，支持與 Grafana、Google Data Studio 的無縫集成。

在一般的場景下，TDengine 可以作為時序數據倉庫(Time-Series Data Warehouse) 使用，不再需要將時序數據導入到專門的數據倉庫或數據湖進行處理分析，數據平臺的成本將大幅降低。

六、簡單易用的時序數據庫

TDengine 作為一款時序數據庫（Time Series Data），為時序數據的處理提供了一強大而又簡單易用的平臺。一個數據采集點一張表、超級表和標簽的核心設計使得寫入和查詢的性能極大提升，而且讓組織和查找數據變得更加簡單。對于數據庫管理員來說，TDengine 顯著減少了系統部署維護和管理數據的工作量。對于開發人員來說，TDengine 提供了簡單的接口、極簡的解決方案，并支持與眾多第三方工具的無縫集成。對于數據用戶說，TDengine 提供了便利的獲取數據的方式。

輕松管理

1、部署 – TDengine 的標準安裝包才 8 MB，而且沒有任何依賴，從下載、安裝到運行，僅需幾秒鐘。集群的管理都是通過簡單的 SQL 語句進行，并支持容器和 Kubernetes 部署。更多信息請參考用戶文檔部署。

2、監測 – TDengine 提供了 Grafana 插件 TDinsight。您可通過可視化看板了解系統的各種狀態和監測指標，并設置報警。了解更多，請看用戶文檔 TDinsight。

3、數據復制：TDengine 企業版提供了一個強大的工具 taosX，它允許將數據庫、超級表或子表的數據從一個集群復制到另一個集群，或保存到一個文件。taosX 能夠將任何邊緣、中心或云端集群的數據復制或同步到任何其他邊緣、中心或云端集群，以便輕松地將數據保存在用戶希望的地方。

易于開發

1、連接器 – 可以使用 C/C++、Java、Python、Go、Node.js、C# 和 Rust 的連接器以及示例代碼來構建自己的應用程序。更多信息請查看用戶文檔連接器。

2、SQL支持 – 采用標準 SQL，沒有學習成本，可以使用 SQL 插入、查詢數據以及管理集群。了解更多，請看SQL手冊。

3、無縫集成 – 無需一行代碼，TDengine 就可以與 Kafka、Telegraf、Grafana、Google Data Studio、EMQ X、Prometheus、StatsD 和 Collectd 等眾多第三方工具集成。了解更多，請查看用戶文檔第三方工具。

4、極簡的時序數據處理平臺 – TDengine 具有內置的緩存、流計算和數據訂閱功能，為時間序列數據處理提供了極簡的解決方案，不再需要 Kafka、Redis、Spark、F 或其他類似工具，可以大幅降低系統設計的復雜度和運營成本。了解更多，請查看用戶文檔開發指南。

輕松獲取數據

1、交互式控制臺 – TDengine 命令行程序(CLI) 讓用戶可以直接從 bash 或終端控制臺運行 SQL，與運行的數據庫系統或 TDengine 云服務交互，執行各種即席查詢，導入導出數據等。了解更多，請查看用戶手冊 TDengine CLI。

2、與分析工具集成 – 使用 Python、R 和 Matlab 的連接器，參考示例代碼，將數據導出到這些更專業的工具進行分析。了解更多，請查看用戶文檔連接器。

3、可視化 – 支持 Grafana 與 Google Data Studio 集成，不需要任何代碼，即可創建自己的數據看板。

本文參考：https://www.taosdata.com