TDengine TSDB（以下“TDengine”均指“TDengine TSDB”）是一款高性能時序數據庫。通過充分利用時序大數據的特點，TDengine Database 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。

一、DevOps 場景下，TSBS 基準測試報告

在 DevOps 場景下，TSBS 基準測試結果顯示 TDengine 寫入性能最大達到 TimescaleDB 的 6.7 倍，InfluxDB 的 10.6 倍。此外，TDengine 在寫入過程中消耗了最少計算（CPU）資源和磁盤 IO 開銷；相同落盤數據規(guī)模下，TDengine 存儲空間只有 InfluxDB 的 25%，只有 TimescaleDB 的 4%。此外，對于大多數查詢類型，TDengine 的性能均優(yōu)于 InfluxDB 和 TimescaleDB，在 Complex queries 類型的查詢中展現出巨大的優(yōu)勢——TDengine 的 Complex queries 查詢性能最高達到了 InfluxDB 的 37 倍、 TimescaleDB 的 28.6 倍。

從圖 1 可以看出在 TSBS 全部五個場景中，TDengine 的寫入性能全面超越 TimescaleDB 和 InfluxDB。在場景二（4,000 devices）中 TDengine 寫入性能是 TimescaleDB 的最大達到 6.74 倍，在差距最小場景五（10 million devices）中，是 TimescaleDB 寫入性能的 1.52 倍。相對于 InfluxDB，TDengine 在場景五（10 million devices）中寫入性能是 InfluxDB 的 10.63 倍，在差距最小的場景一（100 devices）中也有 3.01 倍。

從圖 2 可以看出，在磁盤空間占用方面，TimescaleDB 在所有的場景下數據規(guī)模均顯著地大于 InfluxDB 和 TDengine，并且這種差距隨著數據規(guī)模增加快速變大。TimescaleDB 在場景四（1 million devices）和場景五（10 million devices）中占用磁盤空間是 TDengine 的 25 倍。在前面三個場景中，InfluxDB 落盤后數據文件規(guī)模與 TDengine 非常接近，但是在場景四/五兩個場景中，InfluxDB 落盤后文件占用的磁盤空間是 TDengine 的 4 倍以上。

從圖 3 可以看出，在 Double-rollups 類型查詢中， TDengine 展現出巨大的性能優(yōu)勢，其查詢響應時間來度量，double-groupby-5 和 double-groupby-all 的查詢性能是 TimescaleDB 的 24 倍，在 double-groupby-5 查詢上是 InfluxDB 的 26 倍 和 double-groupby-all 是其 34 倍。

從圖 4 可以看出，對于 Complex-queries 類型的查詢，TDengine 兩個查詢均大幅領先 TimescaleDB 和 InfluxDB。在lastpoint 查詢中，查詢性能是 TimescaleDB 的 5 倍， InfluxDB 的 21 倍。在 groupby-orderby-limit 場景中查詢性能是TimescaleDB的 8 倍，是 InfluxDB 的 15 倍。在時間窗口聚合的查詢過程中，TimescaleDB 針對規(guī)模較大的數據集其查詢性能不佳（double rollups類型查詢），對于 groupby-orderby-limit 的查詢，其性能上表現同樣不是太好。

有關測試報告執(zhí)行結果和重現步驟的詳細信息，請參閱《基于 TSBS 標準數據集 TimeScaleDB、InfluxDB 與 TDengine 的性能對比測試》。

二、IoT 場景下，TSBS 基準測試報告

在 IoT 全部五個場景下，TDengine 寫入性能均優(yōu)于 TimescaleDB 和 InfluxDB。寫入性能最大達到 TimescaleDB 的 3.3 倍，InfluxDB 的 16.2 倍。此外，TDengine 在寫入過程中消耗了最少計算（CPU）資源和磁盤 IO 開銷。

對于大多數查詢類型，TDengine 的性能均優(yōu)于 InfluxDB 和 TimescaleDB，在復雜的混合查詢中 TDengine 展現出巨大的優(yōu)勢——其中 avg-load 和 breakdown-frequency 的查詢性能是 InfluxDB 的 426 倍 和 53 倍；daily-activity 和 avg-load 的查詢性能是 TimescaleDB 的 34 倍和 23 倍。

TimescaleDB 在所有場景下數據規(guī)模均顯著地大于 InfluxDB 和 TDengine，并且這種差距隨著數據規(guī)模增加快速變大，其落盤數據規(guī)模最高達到了 TDengine 的 12.2 倍；InfluxDB 在前三個場景中落盤后數據文件規(guī)模與 TDengine 非常接近，但隨著數據規(guī)模的增長（場景四、場景五），InfluxDB 落盤后文件占用的磁盤空間最大達到了 TDengine 的 2.8 倍，這也直接說明 TDengine 更加適用于時序大數據的存儲。

從整體 CPU 開銷上來看，TDengine 不僅完成全部查詢的時間低于 TimescaleDB 和 InfluxDB，在整體上 CPU 計算資源的消耗也遠小于 TimescaleDB 和 InfluxDB。在整個查詢過程中，TDengine 內存也始終維持在一個相對平穩(wěn)的狀態(tài)。

有關測試報告執(zhí)行結果和重現步驟的詳細信息，請參閱《基于 TSBS 標準數據集時序數據庫 TimescaleDB、InfluxDB 與 TDengine 在 IoT 場景性能對比測試》。

與 MongoDB、ClickHouse、OpenTSDB 等其他 Database 的對比測試報告，請下載“TDengine與其他數據庫對比測試的完整報告”。

TDengine 在數據寫入、數據查詢、存儲空間、資源消耗等方面都表現出了超強的性能，因此，采用高性能時序數據庫 TDengine，可將典型的物聯(lián)網、車聯(lián)網、工業(yè)互聯(lián)網大數據平臺的總擁有成本降低至少 50% 以上。

都是時序數據庫，為什么 TDengine 能如此出眾？這是由于 TDengine 采用了獨特的存儲結構，而不是照搬通用的 KV 存儲或 LSM 存儲引擎。它充分利用時序數據的特點而進行了各種優(yōu)化，創(chuàng)新地提出了包括“一個數據采集點一張表”與“超級表”的設計，詳細請看 TDengine 數據模型和基本概念。