什么是时序数据库
按照时间顺序，设备状态的变化数据依时间顺序记录的数据库。
Time series DB
比如CPU的利用率，某一时间的环境温度等，时序数据是以时间作为主要的查询维度，通常会将连续的多个时序数据绘制成线，制作基于时间的多维度报表，用于揭示数据背后的趋势，规律和异常，进行实时在线的预测和预警。
时序数据普遍存储在IT，devops，物联网，车联网等系统。
时序数据具有以下三个特点：
数据是随着时间追加的，无更新数据
数据通常按照时间顺序抵达
时间是一个主要的坐标轴
时序数据库则是存放时序数据的专用数据库，并且支持时序数据的快速写入，持久化和多维度的实时聚合运算等功能。
相比于传统数据库通常记录数据的当前值，时序数据库则记录所有的历史数据，在处理当前时序数据库的时候，有需要不断的接收新的时序数据，同时时序数据的查询又是以时间为基础的查询条件，并且专注于解决海量数据场景的问题。
时序数据的写入：支持千万级/秒 的写入
时序数据的读取：支持千万级/秒 的聚合和查询
成本敏感：海量数据存储带来的是成本问题，如何以更低的成本存储这些数据是时序数据库需要解决的关键问题。
InfluxDB是遵循开源协议MIT，但是集群功能是商业的时序数据库。具有如下特点：
高性能读写
高效压缩存储和实时计算分析的能力
成本优势明显
部署简单，无系统环境的依赖，使用方便
无模式的数据模型灵活强大
原生HTTP管理接口 免插件配置和免第三方依赖
无需额外的软件依赖（仅使用GO语言）
提供类似于SQL的查询语句，接口友好，学习成本低，上手快
拥有丰富的聚合运算（avg，min，max，sum等函数）和数据采样的能力
提供灵活的数据保留策略*（retention policy）来设置数据的保留时间和副本数
保障数据可靠性的同时，能及时的删除过期数据 释放存储空间
提供灵活的连续查询（continuous query）来实现海量数据的采样
丰富的权限管理功能，可以精细到表级别
支持多种通信协议（HTTP UDP）
兼容多种开源的时序数据库 如CollectD，Graphite，OpenTSDB，Prometheus
有开源集成的软件套件TICK（Telegraf influxDB Chronograf Kapacitor）
其中的InfluxDB则专注于时序数据场景的高性能时序性数据库，支持灵活的自定义保留策略和类SQL的操作接口 。
influxDB通过实现高度可扩展的数据接收和数据粗出引擎 可以高效的实时接收，存储查询和可视化显示和执行预定义操作。它通过连续查询提升查询效率和缩短延迟，通过数据保留策略 及时高效地删除过期的冷数据 提升存储效率。
与InfluxDB相比，通用的数据库Cassandra，MongoDB，Hbase等则需要开发人员投入大量的时间进行代码的编写，通过开发达到与InfluxDB类似的功能，
需要做一下工作;
编写代码实现跨集群数据分片的功能，聚合运算和数据采样，数据生命周期的管理功能
实现丰富的API接口
编写用于数据采集的工具
实现实时处理模块并编写数据监控和报警的功能
编写可视化引擎以向用户显示时序数据
Influx的竞品：
Elasticsearch：针对搜索设计的系统，对于时序数据查询慢有5-10倍的差距，占用磁盘大有5倍更多的磁盘
MongoDB：面向文档的数据库 MongoDB的时序数据由标签kv和时间戳组成，MongoDB需要做专门的配置用于支持时序数据 效率低，
相比MongoDB，influxDB的写性能是MongoDB的2.4倍，存储效率是MongoDB的20倍，查询效率大约是MongoDB的5.7倍
OpenTSDB：由Java语言编写的分布式扩展的时序数据库，构建与Hbase之上。
相比OpenTSDB，influxDB的写性能是OpenTSDB的5倍，存储效率是OpenTSDB的16.5倍，查询效率大约是OpenTSDB的3.65倍
OpenTSDB的设计初衷主要是用于生产仪表图，不是为了满足任意的查询，也不是为了存储数据。没有提供完整的查询语言，OpenTSDB支持毫秒的粒度，虽则亚毫秒的操作普及，有时会出现精度不足的问题。
广泛应用于：
devops监控
IoT物联网监控
实时分析场景
Influx的核心概念：
时间time
表Measurement
标签tag
指标field
时序记录数据point
保留策略 retention policy
时序：series 表示表名 保留策略和标签集都相同的一组数据
参考：
