tdengine restfull 性能 tdengine详解

TDengine系列文章目录

第一章 初识TDengine

---

文章目录

• TDengine系列文章目录
• 前言
• 一、TDengine是什么？
• 二、主要功能
• 三、特点
• 四、使用场景
• 五、适用情况
• 六、总结

---

前言

本文主要阐述TDengine的基本介绍、使用场景、优势三个方面来介绍

---

一、TDengine是什么？

TDengine 是一款开源、高性能、云原生的时序数据库，且针对物联网、车联网、工业互联网、金融、IT 运维等场景进行了优化。TDengine 的代码，包括集群功能，都在 GNU AGPL v3.0 下开源。除核心的时序数据库功能外，TDengine 还提供缓存、数据订阅、流式计算等其它功能以降低系统复杂度及研发和运维成本。

二、主要功能

• 写入数据，支持SQL 写入、无模式（Schemaless）写入、集成第三方工具写入
• 查询数据，支持标准 SQL，含嵌套查询、时序数据特色函数、时序数据特色查询
• 缓存，将每张表的最后一条记录缓存起来，这样无需 Redis 就能对时序数据进行高效处理
• 流式计算（Stream Processing），TDengine 不仅支持连续查询，还支持事件驱动的流式计算，这样在处理时序数据时就无需 Flink 或 Spark 这样流式计算组件
• 数据订阅，应用程序可以订阅一张表或一组表的数据，提供与 Kafka 相同的 API，而且可以指定过滤条件
• 可视化，支持与 Grafana、 Google Data Studio 的无缝集成
• 集群，可以通过增加节点进行水平扩展以提升处理能力、可以通过 Kubernetes 部署 TDengine、通过多副本提供高可用能力
• 管理，监控运行中的 TDengine 实例、多种数据导入方式、多种数据导出方式
• ………

---

三、特点

• 高性能：TDengine 是唯一一个解决了时序数据存储的高基数难题的时序数据库，支持上亿数据采集点，并在数据插入、查询和数据压缩上远胜其它时序数据库。
• 极简时序数据平台：TDengine 内建缓存、流式计算和数据订阅等功能，为时序数据的处理提供了极简的解决方案，从而大幅降低了业务系统的设计复杂度和运维成本。
• 云原生：通过原生的分布式设计、数据分片和分区、存算分离、RAFT 协议、Kubernetes 部署和完整的可观测性，TDengine 是一款云原生时序数据库并且能够部署在公有云、私有云和混合云上。
• 简单易用：对系统管理员来说，TDengine 大幅降低了管理和维护的代价。对开发者来说， TDengine 提供了简单的接口、极简的解决方案和与第三方工具的无缝集成。对数据分析专家来说，TDengine 提供了便捷的数据访问能力。
• 分析能力：通过超级表、存储计算分离、分区分片、预计算和其它技术，TDengine 能够高效地浏览、格式化和访问数据。
• 核心开源：TDengine 的核心代码包括集群功能全部在开源协议下公开。全球超过 140k 个运行实例，GitHub Star 20k，且拥有一个活跃的开发者社区。

四、使用场景

• TDengine 的典型适用场景包括但不限于 IoT、工业互联网、车联网、IT 运维、能源、金融证券等领域
• 需要注意的是：TDengine 是针对时序数据场景设计的专用数据库和专用大数据处理工具，因其充分利用了时序大数据的特点，它无法用来处理网络爬虫、微博、微信、电商、ERP、CRM 等通用型数据。下面本文将对适用场景做更多详细的分析。

五、适用情况

数据源特点和需求	总体数据量巨大	-	-
	数据输入速度偶尔或者持续巨大	-	-
	数据源数目巨大	-	-
	系统架构要求	要求简单可靠的系统架构	-	-
要求容错和高可靠		-	-
标准化规范		-	-
系统系统功能需求要求		-	要求完整的内置数据处理算法	-
	-	需要大量的交叉查询处理	-
	系统性能需求	要求较大的总体处理能力	-	-
		要求高速处理数据	-	-
要求快速处理小粒度数据		-	-
		非常适合	一般适合	不适合
系统维护需求	要求系统可靠运行	-	-
	要求运维学习成本可控	-	-
	-	-	要求市场有大量人才储备

六、总结

本篇文章主要讲了Tdengine的一些基本概念、优势、适用场景，当然也许写得不够详细的地方，大家也可以去查阅官方文档
下一篇 我将介绍TDEngine的数据模型