不久前，基于 TSBS，我们发布了 TDengine 3.0 测试报告系列第一期——《DevOps 场景下 TDengine 3.0 对比测试报告》，报告验证了 TDengine 基于时序数据场景所设计的独特架构，在 DevOps 场景下带来的性能优势以及成本控制水平。本期我们继续探寻在 IoT 场景下，TDengine 对比 TimescaleDB、InfluxDB 在写入和查询上的性能表现——《IoT 场景下 TDengine 3.0 性能对比分析报告来啦！》，给有时序数据库（Time Series Database）选型需求的开发者做参考。
01
测试背景
测试场景介绍
数据建模
CREATE STABLE `readings` (`ts` TIMESTAMP, `latitude` DOUBLE, `longitude` DOUBLE, `elevation` DOUBLE, `velocity` DOUBLE, `heading` DOUBLE, `grade` DOUBLE, `fuel_consumption` DOUBLE) TAGS (`name` VARCHAR(30), `fleet` VARCHAR(30), `driver` VARCHAR(30), `model` VARCHAR(30), `device_version` VARCHAR(30), `load_capacity` DOUBLE, `fuel_capacity` DOUBLE, `nominal_fuel_consumption` DOUBLE)CREATE STABLE `diagnostics` (`ts` TIMESTAMP, `fuel_state` DOUBLE, `current_load` DOUBLE, `status` BIGINT) TAGS (`name` VARCHAR(30), `fleet` VARCHAR(30), `driver` VARCHAR(30), `model` VARCHAR(30), `device_version` VARCHAR(30), `load_capacity` DOUBLE, `fuel_capacity` DOUBLE, `nominal_fuel_consumption` DOUBLE)
CREATE TABLE `r_truck_1` USING `readings` (`name`, `fleet`, `driver`, `model`, `device_version`, `load_capacity`, `fuel_capacity`, `nominal_fuel_consumption`) TAGS ("truck_1", "South", "Albert", "F-150", "v1.5", 2.000000e+03, 2.000000e+02, 1.500000e+01)CREATE TABLE `d_truck_1` USING `diagnostics` (`name`, `fleet`, `driver`, `model`, `device_version`, `load_capacity`, `fuel_capacity`, `nominal_fuel_consumption`) TAGS ("truck_1", "South", "Albert", "F-150", "v1.5", 2.000000e+03, 2.000000e+02, 1.500000e+01)
软件版本和配置
本报告比较 TDengine、InfluxDB 与 TimeScaleDB 三种类型的数据库，下面对使用的版本和配置做出说明。
TDengine
我们直接采用 TDengine 3.0，从 GitHub 克隆 TDengine 代码编译版本作为性能对比的版本。
gitinfo: 1bea5a53c27e18d19688f4d38596413272484900
在服务器上编译安装运行：
cmake .. -DDISABLE_ASSERT=true -DSIMD_SUPPORT=true -DCMAKE_BUILD_TYPE=Release -DBUILD_TOOLS=false在 TDengine 的配置文件中设置了六个涉及查询的配置参数：
numOfVnodeFetchThreads 4queryRspPolicy 1compressMsgSize 1280001tagFilterCache 1numOfTaskQueueThreads 24
第一个参数 numOfVnodeFetchThreads 作用是设置 Vnode（virtual node） 的 Fetch 线程数量为 4 个；第二个参数 queryRspPolicy 用于打开 query response 快速返回机制；第三个参数 compressMsgSize 让 TDengine 在传输层上大于 128000 bytes 的消息自动进行压缩；第四个参数的作用是在 CPU 支持的情况下启用内置的 FMA/AVX/AVX2 硬件加速；第五个参数用于开启 tag 列的过滤缓存；第六个参数用于设置任务队列的线程数量为 24。
TimescaleDB
为确保结果具有可比性，我们选用 TimescaleDB version 2.10.1。为获得较好的性能，TimescaleDB 需要针对不同的场景设置不同的 Chunk 参数，不同场景下参数的设置如下表所示：
InfluxDB
针对 InfluxDB，本报告选用的是 version 1.8.10。这里没有使用 InfluxDB 最新的 2.x 版本是因为 TSBS 没有对其进行适配，所选用的 1.8.10 版本是 InfluxDB 能够运行 TSBS 框架的最新版本。在配置上，仍然采用[TimescaleDB vs. InfluxDB]对比报告中推荐的方式对其进行配置，将缓冲区配置为 80GB，以便 1000W 设备写入时能够顺利进行，同时开启 Time Series Index（TSI）。
配置系统在系统插入数据完成 30s 后开始进行数据压缩：
cache-max-memory-size = "80g"max-values-per-tag = 0index-version = "tsi1"compact-full-write-cold-duration = "30s"
02
测试步骤
硬件准备
为与[TimescaleDB vs. InfluxDB]对比报告的环境高度接近，我们使用亚马逊 AWS 的 EC2 提供的 r4.8xlarge 类型实例作为基础运行平台，包括 1 台服务器、1 台客户端共两个节点构成的环境。客户端与服务器硬件配置完全相同，客户端与服务器使用 10 Gbps 网络连接。配置简表如下：
服务器环境准备
OS：Linux tv5931 5.15.0-1028-aws #32~20.04.1-Ubuntu SMP Mon Jan 9 18:02:08 UTC 2023 x86_64 x86_64 x86_64 GNU/Linux
Gcc：gcc version 9.4.0 (Ubuntu 9.4.0-1ubuntu1~20.04)
基础环境，版本信息为：Go1.16.9 , python3.8 , pip20.0.2 (无需手动安装，测试脚本将自动安装）
编译依赖：gcc , cmake, build-essential, git, libssl-dev (无需手动安装，测试脚本将自动安装）
client 和 server 配置 ssh 访问免密，以便脚本可不暴露密码，可参考免密配置文档：https://blog.csdn.net/qq_38154295/article/details/121582534。
保证 client 和 server 之间所有端口开放。
获取测试脚本
为便于重复测试，隐藏繁琐的下载、安装、配置、启动、汇总结果等细节，整个 TSBS 的测试过程被封装成一个测试脚本。重复本测试报告，需要先下载该测试脚本，脚本暂支持 ubuntu20.04 的系统。以下操作要求具有 root 权限。
在客户端机器，进入测试目录拉取代码，默认进入 /usr/local/src/ 目录：
cd /usr/local/src/ && apt install git && git clone https://github.com/taosdata/tsbs.git && cd tsbs/scripts/tsdbComp需要修改配置文件 test.ini 中服务端和客户端的 IP 地址（这里配置 AWS 的私网地址即可）和 hostname，如果服务器未配置免密，还需要配置服务器端的 root 密码。由于本次测试在 IoT 场景下，故修改 caseType 为 iot。
clientIP="192.168.0.203" #client ipclientHost="trd03" #client hostnameserverIP="192.168.0.204" #server ipserverHost="trd04" #server hostnameserverPass="taosdata123" #server root passwordcaseType="iot" #testcase
一键执行对比测试
执行以下命令：
nohup bash tsdbComparison.sh > test.log &测试脚本将自动安装 TDengine、InfluxDB、TimescaleDB 等软件，并自动运行各种对比测试项。在目前的硬件配置下，整个测试跑完需要大约三天的时间。测试结束后，将自动生成 CSV 格式的对比测试报告，并存放在客户端的 /data2 目录，对应 load 和 query 前缀的文件夹下。
03
结语
阅读完毕，你一定更加深入地了解了 TDengine 的数据建模、三大数据库测试版本和配置，以及如何运用测试脚本进行一键复现。如果有小伙伴想要验证三大数据库在 IoT 场景下的测试结果，欢迎按照上述步骤进行操作，检验测试结果，有任何问题都欢迎大家和我们及时沟通。现在你也可以添加小T vx:tdengine1，申请加入 TDengine 用户交流群，和更多志同道合的开发者一起聊技术、聊实战。
往
期
推
荐
👇
点击阅读原文，查看完整报告 ！
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。
