本篇主要对InfluxDB和TimeScaleDB进行功能和性能对比。
目录
对比InfluxDB与TimeScaleDB数据存储空间占用
目的及最终结论
对比InfluxDB与TimeScaleDB的功能
结论：TimeScaleDB的功能更加完善。
对比InfluxDB与TimeScaleDB数据写入性能
结论：InfluxDB的写入性能约为TimeScaleDB的两倍
使用相同的表结构，不做任何表结构层面的优化，在同一台机器进行测试，InfluxDB的写入性能约为TimeScaleDB的两倍
对比InfluxDB与TimeScaleDB数据存储空间占用
结论：InfluxDB的存储空间占用不到TimeScaleDB的50%
使用相同的表结构，不做任何表结构层面的优化，在同一台机器进行测试，InfluxDB的存储空间占用不到TimeScaleDB的50%
对比InfluxDB与TimeScaleDB数据读取性能
暂未完成
功能对比
TimeScaleDB的功能更完善。TimeScaleDB作为PostgreSQL的扩展，只是在数据存储上利用PostgreSQL的特性做了一些优化，PostgreSQL支持的功能，TimeScaleDB全部支持。而InfluxDB是分析型时序数据库，舍弃了很多交易型数据库必须支持的功能。
增删改：InfluxDB不支持对数据的修改和删除（只能通过RP删除数据，具体可参考 《InfluxDB基础知识（二）》），TimeScaleDB都支持。
索引：InfluxDB时间戳和tags带索引，不支持自定义索引。TimeScaleDB更加灵活，可自定义索引
约束：InfluxDB不支持，TimeScaleDB支持
聚合函数：常用的聚合函数两种数据库都支持，TimeScaleDB的函数覆盖面更广一些。
性能对比
测试环境
测试机
centos虚拟机
cpu: AMD Ryzen 5 1600 Six-Core（4线程）
内存：8G
磁盘：机械硬盘
TimeScaleDB配置
版本：PostgreSQL 10.4+TimeScaleDB 0.10
shared_buffers = 2g (推荐设置为机器内存的1/4，默认值为1g)
wal_buffers = 64m （推荐设置为shared_buffers的1/32，默认值为16m）
wal_writer_delay = 800ms(默认值200ms)
除上述修改之外均使用默认配置
InfluxDB配置
版本：1.6.0
cache-max-memory-size = "2g" (默认值为1g)
cache-snapshot-memory-size = "100m"（默认值为25m）
[http] log-enabled = false
wal与data目录指定不同磁盘
除上述修改之外均使用默认配置
测试方式
使用JAVA代码编写InfluxDB和TimeScaleDB的写入程序，在本地运行测试程序读写服务器的数据库，写入时batchsize为5000，读取数据时全表扫描读取
batchsize取用5000的原因是：使用上述表结构测试，TimeScaleDB和 InfluxDB的写入batchsize逐渐提升的过程中，当batchsize接近5000时性能有明显提升，当batchsize大于5000时InfluxDB性能下降明显，TimeScaleDB性能有微小提升。综合考虑后将batchsize设置为5000进行测试。测试数据如图：
|
|
耗时（S） |
|
| batchsize |
timeScaleDB |
InfluxDB |
| 100万 |
415 |
—— |
| 10万 |
390 |
—— |
| 1万 |
438 |
677 |
| 5000 |
477 |
355 |
| 1000 |
590 |
499 |
| 500 |
611 |
606 |
| 100 |
866 |
1090 |
测试数据
表结构:
CREATE TABLE cpu_ts (
"time" timestamp with time zone, --精度ms,以1ms递增
hostname text, --值为host_0到host_3999,循环取值
usage_user double precision, --以下其他字段全部为随机生成的double值
usage_system double precision,
usage_idle double precision,
usage_nice double precision,
usage_iowait double precision,
usage_irq double precision,
usage_softirq double precision,
usage_steal double precision,
usage_guest double precision,
usage_guest_nice double precision
)
总行数：1亿行
总数据量：18.1G
TimeScaleDB：使用默认的时间分区跨度：1个月 ，所有数据都将写入同一个分区
InfluxDB：使用默认的时间分区跨度：7天，所有数据都将写入同一个分区
测试结果
由于InfluxDB的时间戳是有索引的 ，因此测试TimeScaleDB时在时间戳字段创建了btree索引。
数据写入性能
单并发
单并发写入的情况下，InfluxDB的写入性能约为TimeScaleDB的2倍，写入数据的过程中，TimeScaleDB内存消耗明显高于InfluxDB。
| 行数吞吐量 | CPU | 内存 | 网络 | 磁盘 | |
| TimeScaleDB | 15865 | 15+% | 50-99% | 5M/s | 10%-80% |
| InfluxDB | 33101 | 20+% | 30-50% | 10+M/s | 0-100% |
多并发
4并发写入，InfluxDB的性能表现依旧比TimeScaleDB好，将近2倍写入性能，资源消耗差异不大。
| 并发数 | 行数吞吐量 | CPU | 内存 | 网络 | 磁盘 | |
| TimeScaleDB | 4 | 43572 | 50+% | 99% | 10-20M/s | 30%-100% |
| InfluxDB | 4 | 94786 | 60+% | 90% | 30-40M/s | 20%-100% |
存储空间占用
以上测试数据，InfluxDB存储空间占用不到TimeScaleDB的一半。（原始数据量18.1G）
| 空间占用(G) | |
| TimeScaleDB | 16.4 |
| InfluxDB | 7.3 |
数据读取性能
暂未完成