對于查詢性能的評估，我們使用場景一（只包含 4 天數(shù)據(jù)，這個修改與[7]中要求一致）和場景二作為基準數(shù)據(jù)集。對于 InfluxDB，我們開啟 InfluxDB  的 TSI (time series index)。在整個查詢對比中，TDengine 數(shù)據(jù)庫的虛擬節(jié)點數(shù)量（vnodes）保持為默認的 6 個，其他的數(shù)據(jù)庫參數(shù)配置為默認值。

1 4,000 devices × 10 metrics查詢性能對比

由于部分類型（分類標準參見[7] ）單次查詢響應時間非常短，為了更加準確地測量每個查詢場景的較為穩(wěn)定的響應時間，我們將單個查詢運行次數(shù)提升到 5,000 次，然后使用  TSBS 自動統(tǒng)計并輸出結果，最后結果是 5,000 次查詢的算數(shù)平均值，使用并發(fā)客戶端 Workers 數(shù)量為 8。首先我們提供場景二 （4,000 設備）的查詢性能對比結果。

表 1. 4,000 devices × 10 metrics（場景二）查詢性能對比表（單位： ms）

查詢分類		TDengine	InfluxDB	InfluxDB/TDengine
Simple Rollups	single-groupby-1-1-1	0.94	1.71	181.91%
	single-groupby-1-1-12	1.92	9.40	489.58%
	single-groupby-1-8-1	2.09	4.10	196.17%
	single-groupby-5-1-1	1.08	4.40	407.41%
	single-groupby-5-1-12	3.00	36.43	1214.33%
	single-groupby-5-8-1	2.60	13.58	522.31%
Aggregates	cpu-max-all-1	1.30	5.86	450.77%
	cpu-max-all-8	3.36	20.64	614.29%
Double-Rollups	double-groupby-1	266.69	2,785.23	1044.37%
	double-groupby-5	446.23	11,702.49	2622.52%
	double-groupby-all	686.42	23,509.02	3424.87%
Thresholds	high-cpu-1	2.23	17.15	769.06%
	high-cpu-all	3,508.00	52,884.94	1507.55%
Complex Queries	groupby-orderby-limit	1,527.02	23,169.15	1517.28%
	lastpoint	133.13	2,808.00	2109.22%

下面我們對每個查詢結果做一定的分析說明：

由于 Simple Rollups 的整體查詢響應時間非常短，制約查詢響應時間主體因素并不是查詢涉及的數(shù)據(jù)規(guī)模，即這種類型查詢的瓶頸并不是數(shù)據(jù)規(guī)模。但是 TDengine 仍然在所有類型的查詢響應時間上優(yōu)于 InfluxDB，具體的數(shù)值比較請參見表 1 中的詳細數(shù)據(jù)表格。

在  Aggregates 類型的查詢中，我們看到 TDengine 查詢性能相比于 InfluxDB 有比較大的優(yōu)勢，TDengine 在 cpu-max-all-8 查詢性能是 InfluxDB 的 7 倍。

在 Double-rollups 類型查詢中， TDengine 展現(xiàn)出巨大的性能優(yōu)勢，其查詢響應時間來度量，在 double-groupby-5 查詢上是 InfluxDB 的 26 倍 和 double-groupby-all 是其 34 倍。

如圖 4、圖 5 所示 threshold 類型的查詢，TDengine 的查詢響應時間均顯著低于 InfluxDB。在 high-cpu-all 類型的查詢上，TDengine 的性能是 InfluxDB 的 15 倍。

對于 Complex-queries 類型的查詢，TDengine 兩個查詢均大幅領先 InfluxDB。在 lastpoint 查詢中，查詢性能是 InfluxDB 的 21倍。在 groupby-orderby-limit 場景中查詢性能是 InfluxDB 的 15 倍。

2 資源開銷對比

由于部分查詢持續(xù)時間特別短，并不能完整地看到查詢過程中服務器的 IO/CPU/網絡情況。我們針對場景二以 Double rollups 類別中的 double-groupby-5 查詢?yōu)槔?，?zhí)行 1,000 次查詢，記錄整個過程中 TDengine 和 InfluxDB 在查詢執(zhí)行的整個過程中服務器 CPU、內存、網絡的開銷進行對比。

如圖 7 可以看到，TDengine 和 InfluxDB 在整個查詢過程中 CPU 的使用均較為平穩(wěn)。TDengine 在查詢過程中整體 CPU 占用約 80%，使用的 CPU 資源較高，InfluxDB 的穩(wěn)定的 CPU 占用較小，約 27 %（但是有較多的瞬時沖高）。整體 CPU 開銷上來看，雖然 InfluxDB 瞬時 CPU 開銷大部分是較低的，但是其完成查詢持續(xù)時間最長，所以整體 CPU 資源消耗最多。由于 TDengine 完成全部查詢的時間僅是 InfluxDB 的  1/20，雖然 CPU 穩(wěn)定值是 InfluxDB 的 2 倍多，但整體的 CPU 計算時間消耗只有其 1/10 。

服務器內存狀況

如圖 8 所示，在整個查詢過程中，TDengine 內存維持了一個相對平穩(wěn)的狀態(tài)，InfluxDB 內存占用呈現(xiàn)相對穩(wěn)定的狀態(tài)。

服務器網絡帶寬

圖 9 展示了查詢過程中服務器端上行和下行的網絡帶寬情況，負載狀況基本上和 CPU 狀況相似。TDengine 網絡帶寬開銷最高，因為在最短的時間內就完成了全部查詢，需要將查詢結果返回給客戶端。InfluxDB 網絡帶寬開銷最低。

3 100 devices × 10 metrics 查詢性能對比

對于場景一(100 devices x 10 metrics)，TSBS 的 15 個查詢對比結果如下：

表 2. InfluxDB 相對于 TDengine 查詢響應時間比率 (單位：ms)

查詢分類		TDengine	InfluxDB	InfluxDB/TDengine
Simple Rollups	single-groupby-1-1-1	0.91	2.01	220.88%
	single-groupby-1-1-12	1.83	9.40	513.66%
	single-groupby-1-8-1	2.09	3.98	190.43%
	single-groupby-5-1-1	1.03	4.40	427.18%
	single-groupby-5-1-12	2.94	36.77	1250.68%
	single-groupby-5-8-1	2.63	13.71	521.29%
Aggregates	cpu-max-all-1	1.27	5.92	466.14%
	cpu-max-all-8	3.46	21.88	632.37%
Double-Rollups	double-groupby-1	7.79	78.61	1009.11%
	double-groupby-5	12.10	340.53	2814.30%
	double-groupby-all	17.31	642.16	3709.76%
Thresholds	high-cpu-1	2.05	13.51	659.02%
	high-cpu-all	96.75	1,129.62	1167.57%
Complex Queries	groupby-orderby-limit	1,527.02	23,169.15	1517.28%
	lastpoint	133.13	2,808.00	2109.22%

如表 2 所示，在更小規(guī)模的數(shù)據(jù)集（100設備）上的查詢對比可以看到，整體上 TDengine 同樣展現(xiàn)出極好的性能，在全部的查詢語句中全面優(yōu)于 InfluxDB，部分查詢性能超過 InfluxDB 37 倍。

>> InfluxDB vs. TDengine 其他性能對比測試具體結果與分析

• 時序數(shù)據(jù)庫寫入性能對比：TDengine vs. InfluxDB
• 時序數(shù)據(jù)庫磁盤空間占用對比：TDengine vs. InfluxDB