时序数据库简介
对比传统数据库仅仅记录了数据的当前值，时序数据库则记录了所有的历史数据。同时时序数据的查询也总是会带上时间作为过滤条件。
时序数据库（Time Series Database，简称TSDB）是一种特定类型的数据库，主要用来存储时序数据。时序数据指的是按照时间顺序记录系统、设备状态变化的数据，如CPU利用率、某一时间的环境温度等。这些数据具有明显的时间属性，并且随着时间的推移不断产生新的数据。
时序数据库的特点包括：
数据结构简单：时序数据在某一度量指标上，每一时间点只会有一个值，没有复杂的结构（如嵌套、层次等）和关系（如关联、主外键等）。
数据量大：由于时序数据由所监控的大量数据源来产生、收集和发送，比如主机、IoT设备、终端或App等，所以数据量非常大，每秒钟可能需要写入成千万上亿条数据。
数据操作特定：时序数据基本上都是插入操作，没有更新的需求。
时序数据库的应用场景广泛，特别是在IT基础设施、运维监控系统和物联网中。随着物联网时代的到来，时序数据的数据量呈井喷式爆发，时序数据库的优化存储显得越来越重要。
时序数据库提供了各种数据分析所需的运算和变换函数，以支持数据分析的需求。用户可以通过时序数据库查询最新状态、展示区间统计、获取异常数据等，以揭示数据背后的趋势、规律、异常，进行实时在线预测和预警。
需要注意的是，时序数据库的选择和使用需要根据具体的业务需求、数据规模和处理要求进行权衡。同时，随着技术的不断发展，时序数据库也在不断演进和优化，以适应更多复杂和多变的应用场景。
TSDB（时序数据库）适用于多种场景，这些场景的共同特点是需要处理大量的、带有时间戳的数据。以下是TSDB的主要应用场景：
物联网（IoT）设备状态监控分析：各种物联网设备可以通过平台接入上云，设备的状态数据可以实时并高效地写入时序数据库中。这样，可以实时监控设备的状态，分析设备的运行效率，以及预测可能的问题。
互联网业务性能监控服务：互联网服务可以将用户的访问延迟、查询返回效率、业务服务指标监控数据写入时序数据库中。时序数据库可以支持多维度的聚合分析和监控项展示，帮助用户了解服务性能，优化用户体验。
大数据实时分析：通过将各种采集终端上报的用户数据以及日志清洗程序得到的业务状态数据等存储于时序数据库中，可以实现高效实时分析及建模等需求。这对于需要从大量数据中提取有价值信息的业务场景非常有用。
监控业务（如哨兵）：哨兵会在业务服务器上部署各种脚本客户端，用来采集服务器指标数据（如IO指标、CPU指标、带宽内存指标等），业务相关数据（如方法调用异常次数、响应延迟等），以及数据库相关数据（如读取延迟、写入延迟等）。这些数据都是时间序列相关的，哨兵服务器会将这些数据进行存储，并提供页面给用户进行查询。用户可以通过哨兵系统查看服务器的负载情况，进行性能分析和问题排查。
总的来说，TSDB在需要处理和分析时间序列数据的场景中表现出色，其高效的数据写入和查询能力，以及对时间序列数据的优化存储，使其成为这些场景下的理想选择。
TSDB（时序数据库）的对比主要可以从性能、数据模型、查询语言、可用性、生态支持等方面进行。
在性能方面，不同的TSDB可能有所差异。例如，Druid和Elasticsearch在性能上表现不俗，它们都能满足检索和时间序列的特性需求，同时提供高可用容错架构。而像InfluxDB则更适合数据量较小，但性能要求较高的场景。OpenTSDB和KairosDB则更适合处理大数据服务基础，有分布式集群需求的场景。
数据模型方面，不同的TSDB支持的模型可能有所不同。大部分TSDB都是基于列存储的，这样的设计可以更好地满足时间序列数据的需求。但是，不同的系统在处理数据的粒度、维度和聚合方式等方面可能会有所不同。
查询语言方面，目前大部分的TSDB都支持基于HTTP的SQL-like查询，这使得用户可以更方便地进行数据查询和分析。然而，不同的系统在查询语法、功能和性能上可能有所差异。
在可用性方面，一个优秀的TSDB应该具有稳定高可用的系统架构，以及数据的高可用存储。此外，系统的容错能力和恢复能力也是衡量其可用性的重要指标。
生态支持方面，一个强大的开源社区和背后的支持公司对于TSDB的选择也是非常重要的。这不仅可以保证项目的可用性和后期的维护更新，也可以提供丰富的插件和工具支持，方便用户进行定制和扩展。
综上所述，不同的TSDB在性能、数据模型、查询语言、可用性和生态支持等方面都有所不同。在选择TSDB时，需要根据具体的业务需求、数据规模和处理要求进行权衡和选择。
常见的时序数据库（TSDB）包括以下几种：
InfluxDB：这是一个开源的时序数据库，专为大量时间序列数据的高性能读写和实时分析而设计。它提供了SQL-like的查询语言，支持水平扩展，并且具有强大的社区支持和丰富的插件生态系统。
Prometheus：这是一个开源的服务监控系统和时序数据库，用于从各种输入源采集指标数据，进行计算后显示结果，或者根据指定条件触发报警。Prometheus具有高性能、可扩展的特点，并且在云原生领域得到了广泛的应用。
Grafana Loki：Loki是Grafana开源的一个日志聚合系统，受Prometheus启发而设计，相对于ELK，它更为轻量级且容易扩展。Loki特别适合存储大量的日志数据，并提供高效的查询和分析功能。
OpenTSDB：OpenTSDB是一个分布式、可伸缩的时间序列数据库，用于存储和检索大量的时间序列数据。它基于HBase构建，具有高可用性和容错性，适用于大规模部署和复杂查询场景。
TimescaleDB：TimescaleDB是一个基于PostgreSQL的扩展，用于存储、分析和查询时间序列数据。它提供了高效的数据压缩、索引和查询优化，适用于需要实时分析和复杂查询的场景。
这些TSDB都具有各自的特点和优势，在选择使用时需要根据具体的业务需求、数据规模和处理要求进行权衡。同时，随着技术的不断发展，新的TSDB也在不断涌现，可以根据实际情况关注并选择合适的解决方案。