时序数据库在当下产业互联网背景下，在金融、工业等领域得到越来越多的应用，主要面向高并发、海量时序数据等应用场景中。

大规模时序数据具有特点

• 占用空间极大
• 数据总吞吐量大
• 产生速度快且不间断

时序数据存储的需求

• 全时全量
• 高效写入
• 紧凑存储

时序数据库与关系型数据库

• 时序数据管理具有超高性能，超多序列的特点
• 关系型数据库具有写入受限的缺点

1. 单表列数上限 mysql innodb最大为1017列
2. 单表行数不易过多 小于1000万行
3. 水平、垂直分表；分库 键值数据库可管理海量条时间序列数据，但查询受限：主要包括按时间纬度的查询，按值纬度的查询，多序列的时间对齐查询。

除此之外，时序数据库还有一个优点：由于时序数据库其具有时间相关性，不需要处理关系性数据库下的分布式锁这类比较繁琐的事务。

时序数据库大体上可分为三种：

1. 基于关系数据库的： Timescale,基于PG开发的插件 能够做到： 时序数据自动分区 优化查询计划 定制并行查询 但随着导入时间增加时，其导入效率不断下降

2. 基于键值数据库的： OpenTSDB,KairosDB 这类时序数据库一般基于HBase/Cassandra衍生， 支持时序分区键，定时任务构件索引。但存在压缩不友好，查询不友好的缺点。

3. 原生时序数据库： influxdb 基于LSM机制的时序库， 专属文件结构 专属查询优化 特定工业场景下性能会下降 iotdb grafana-adaptor pisa索引

常用时序数据库：

iotdb influxdb taosdb timescale kairosdb

经过测试iotdb性能较优