6 月 26 日，涛思数据旗下时序数据库（Time Series Database） TDengine 正式发布 IoT 场景下 TDengine 3.0 性能对比分析报告，该报告在 IoT 场景下从数据写入、压缩和查询等维度，对比了 TDengine 与市场其他流行的时序数据库产品的性能差异，其中所有测试均在标准化条件下使用公开数据完成。此外，为了方便开发者验证报告结果，该报告中的数据在准备好物理环境后，可以由脚本一键执行生成。
数据写入对比
在全部的五个场景中，TDengine 写入性能均优于 TimescaleDB 和 InfluxDB。写入性能最大达到 TimescaleDB 的 3.3 倍，InfluxDB 的 16.2 倍。此外，TDengine 在写入过程中消耗了最少计算（CPU）资源和磁盘 IO 开销。
数据查询对比
对于大多数查询类型，TDengine 的性能均优于 InfluxDB 和 TimescaleDB，在复杂的混合查询中 TDengine 展现出巨大的优势——其中 avg-load 和 breakdown-frequency 的查询性能是 InfluxDB 的 426 倍 和 53 倍；daily-activity 和 avg-load 的查询性能是 TimescaleDB 的 34 倍和 23 倍。
数据存储对比
报告显示，TimescaleDB 在所有场景下数据规模均显著地大于 InfluxDB 和 TDengine，并且这种差距随着数据规模增加快速变大，其落盘数据规模最高达到了 TDengine 的 12.2 倍；InfluxDB 在前三个场景中落盘后数据文件规模与 TDengine 非常接近，但随着数据规模的增长（场景四、场景五），InfluxDB 落盘后文件占用的磁盘空间最大达到了 TDengine 的 2.8 倍，这也直接说明 TDengine 更加适用于时序大数据的存储。
资源消耗对比
从整体 CPU 开销上来看，TDengine 不仅完成全部查询的时间低于 TimescaleDB 和 InfluxDB，在整体上 CPU 计算资源的消耗也远小于 TimescaleDB 和 InfluxDB。在整个查询过程中，TDengine 内存也始终维持在一个相对平稳的状态。
关于TDengine
TDengine 是由涛思数据完全自主开发的一款开源、高性能、云原生的时序数据库，专注时序空间大数据的存储、查询、分析和计算，全球运行的 TDengine 用户实例数超过 294.9k，平均每天新增数百个新部署，用户遍布全球 50 多个国家/地区，已被广泛运用于物联网、车联网、工业互联网、IT 运维等领域。2019年7月，TDengine 在 GitHub 开源，目前其 GitHub 的 Star 数达到了 21.5k，且多次登顶 GitHub 全球趋势排行榜。
往期推荐
本文分享自微信公众号 - TDengine（taosdata_news）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
