InfluxDB vs TDengine 性能比较

已于 2022-07-05 10:11:23 修改
阅读量655 收藏
点赞数
文章标签： tdengine 服务器 java
于 2022-07-04 10:37:25 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lidengtai1226/article/details/125595164
版权

测试环境

主机：虚拟机centos7 

配置：服务器配置：4C 6G  

InfluxDB[时间秒/tps]
数据量\线程数1 client2 clients3 clients4 clients5 clients6 clients7 clients8 clients9 clients10 clients
1000000078/12742944/22556440/24924637/26886633/29893534/28675934/29307737/26930939/25486535/280209
50000000428/116757240/208182201/248414194/257477193/258980187/266467190/262761184/270822184/271312180/276951
100000000819/121994511/195589433/230711406/246012409/244497382/261481383/260950379/263278379/263402378/264284
TDengine[时间秒/tps]
数据量\线程数1 client2 clients3 clients4 clients5 clients6 clients7 clients8 clients9 clients10 clients
1000000027.66/36150615.28/65419313.73/72833211.04/9051419.953/100472210.01/9990019.72/10280669.61/10402589.79/10211378.36/1195886
50000000143.69/34796173.17/68326557.40/87098951.12/97807147.07/106213446.65/107176544.99/111130844.29/112887242.61/117329541.52/1204238
100000000291.36/343213146.76/681342114.57/872775103.27/968307100.74/99258595.97/104190594.07/106302690.31/110728490.03/111064288.24/1133221
Taylor.Lee
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
TDengine和DolphinDB哪个更好，哈哈哈哈，闲来无聊分析了一下。
wj1314250的博客
07-07 3609
TDengine是专为时序数据设计的，针对的是物联网、工业互联网、IT运维场景。这些场景是不需要特殊的查询函数的，更关心的是写入速度、查询速度。而且这些场景下，也需要一些其他数据库不具备的功能，比如插值、时间聚合等等 如果要问TDengine和DolphinDB最大的特色，存储引擎可能是TDengine最大的特色，性能也非常好；DolphinDB的最大特色毫无疑问是它的计算引擎。可以毫不夸张的说，DolphinDB的计算引擎是所有类别的国内外数据库中最有特色的之一。这跟DolphinDB从金融起步有关（金融
Docker部署TDengine、Influxdb并在Grafana展示数据
03-05
虚拟机Centos系统使用Docker部署TDengine和influxdb、GRafana；通过TDengine和influxdb两种方式显示数据在Grafana上。菜鸟教程，每一步都有截图，适合懒人使用。
tdengine使用感受
9527的专栏
01-05 1884
tdengine
TDengine和DolphinDB哪个更好，哈哈哈哈，闲来无聊分析了一下。_dolphindb 优劣势(1)
最新发布
2401_84023482的博客
04-30 930
既然是要面试，那么就少不了刷题，实际上春节回家后，哪儿也去不了，我自己是刷了不少面试题的，所以在面试过程中才能够做到心中有数，基本上会清楚面试过程中会问到哪些知识点，高频题又有哪些，所以刷题是面试前期准备过程中非常重要的一点。很多人感叹“学习无用”，实际上之所以产生无用论，是因为自己想要的与自己所学的匹配不上，这也就意味着自己学得远远不够。而且在这两个场景，无论是插入、查询效率，还是存储效率，都是碾压性的优势，我个人更偏向于使用。这两个数据库还都是C语言编写的，体积小巧，只有几MB，安装也非常简单。
蓝格赛（中国）用 TDengine 落地聚合查询场景，效果如何？
涛思数据
12-22 6113
支持应用端约 10 个看板页面，合计近百个聚合请求。
双汇大数据方案选型：从棘手的InfluxDB+Redis到毫秒级查询的TDengine
涛思数据
11-18 1万+
双汇发展多个分厂的能源管控大数据系统主要采用两种技术栈：InfluxDB/Redis和Kafka/Redis/HBase/Flink，对于中小型研发团队来讲，无论是系统搭建，还是实施运维都非常棘手。经过对InfluxDB/Redis和TDengine大数据平台的功能和性能对比测试，最终将TDengine作为实施方案。 项目背景 基于双汇发展对能源管控的需求，利用云平台技术以及电气自动化处理手段，对双汇发展的一级、二级、三级能源仪表进行整体改造，实现仪表组网，进一步通过边缘网关进行能源在线监测数据的采集，并上
docker安装influxdb的详细教程(性能测试)
09-29
主要介绍了docker安装influxdb,需要的朋友可以参考下
kafka-influxdb:InfluxDB的高性能Kafka使用者。 支持收集的消息格式
04-30
Kafka-InfluxDB 一个用Python编写的InfluxDB的Kafka使用者。 支持InfluxDB 0.9.x及更高版本。 要获得InfluxDB 0.8.x支持，请签出。 :warning: 该项目应能按预期工作，并且非常欢迎进行错误修复，但是有关新功能的...
Jmeter的性能监控框架搭建(Influxdb+Grafana+jmeter）
12-22
Jmeter的性能监控框架搭建(Influxdb+Grafana+jmeter)视频，搭建操作视频，详细步骤，可以参考文章https://mp.csdn.net/postedit/83748385
InfluxDBStudio-0.2.1
03-01
InfluxDB windows 客户端，InfluxDB 管理工具
性能监控体系：InfluxDB & Grafana & Prometheus
GDYY3721的博客
12-10 1493
Grafana（官网）是一个跨平台的、开源的度量分析和可视化工具，可以通过将采集的数据查询然后可视化的展示，并及时通知。展示方式：快速灵活的客户端图表，面板插件有许多不同方式的可视化指标和日志，官方库中具有丰富的仪表盘插件，比如热图、折线图、图表等多种展示方式；支持多种数据源：Graphite、InfluxDB、OpenTSDB、Prometheus、Elasticsearch、CloudWatch 和 KairosDB 等；通知提醒。
三种常用时序数据库对比调研-InfluxDB、Prometheus、IotDB
热门推荐
余金兑人的技术角落
07-16 2万+
针对三种常见的时序数据库进行了对比，主要从网络上的资料进行了对比，也有一点自己进行的实际读写性能的测试。
TDengine与InfluxDB对比测试
TDengine专为物联网而生的大数据平台
07-20 7503
TDengine的性能远超InfluxDB，写入性能约为5倍，读取性能约为35倍，聚合函数性能约为140倍，按标签分组查询性能约为250倍，按时间分组查询性能约为12倍。
时序数据库太爽了TDengine3.0（tdengine和druid等性能对比)
前方的路在刚开始
08-31 1794
另外建表语句,第一个必须为timestamp类型，他是以这个进行排序的，默认全部都帮你排序好了，用起来很舒服。满足外卖或者行车的相关地图。在地图上，我们需要获取电动车的路径，所以要知道他行走的时间。因为目前在做gps相关的，电动车里面有个终端，会不停的上报数据到后端，包括经纬度。于是选择了TDengine（和sql差距不大，唯一差距大的就是字段不一样）注意的坑就是，varchar(20)类型对应他的nchar(20)nchar(20)会直接占用20个空间。每天1w辆车，每5秒上报一次，数据量都过亿。....
一篇文章让你全面了解TDengine
谙忆-陈浩翔
01-11 1万+
一篇文章让你全面了解TDengine 本文将从以下几个方面全面介绍TDengine。 TDengine的基本介绍 TDengine的发展历程 TDengine的优势 TDengine的适用场景 TDengine的写入存储策略 TDengine的特点 TDengine的基本介绍 一句话了解TDengine TDengine是一个高效的存储、查询、分析时序大数据的平台，专为物联网、车联网、工业互联网、运维监测等优化而设计。你可以像使用关系型数据库MySQL一样来使用它，简单又方便。 为什么会有TDengin
【TDengine 介绍】
gaojingsong的专栏
05-17 5098
TDengine 是一款高性能、分布式、支持 SQL 的时序数据库，其核心代码，包括集群功能全部开源（开源协议，AGPL v3.0）。TDengine 能被广泛运用于物联网、工业互联网、车联网、IT 运维、金融等领域。除核心的时序数据库功能外，TDengine 还提供缓存、数据订阅、流式计算等大数据平台所需要的系列功能，最大程度减少研发和运维的复杂度。主要功能如下： 时序数据库全称为时间序列数据库。时间序列数据库指主要用于处理带时间标签（按照时间的顺序变化，即时间序列化）的数据，带时间标签的数据.
TDengine和InfluxDB的性能对比报告
涛思数据
07-22 5107
前言 性能是用户在选择和使用时序数据库时非常关注的一个点。 为了准确体现TDengine的性能数据，我们策划了《TDengine和InfluxDB的性能对比》系列测试报告。 “一言不合上数据”，今天我们就先来分享一下两款数据库写入性能的对比。 为了更加具有说服力，本次的测试是基于InfluxDB此前与Graphite的性能对比中使用过的场景和数据集的。（https://www.influxdata.com/blog/influxdb-outperforms-graphite-in-time-se
InfluxDB vs TDengine，用数据“说”性能
涛思数据
04-18 1252
InfluxDB 与 TDengine 性能对比
TDengine和InfluxDB简单对比
里查叔叔
03-03 1595
TDengine和InfluxDB都是时序数据库，但它们在一些方面有所不同：
influxdb2性能怎么样
07-11
InfluxDB 2是一个高性能的时间序列数据库，专门用于处理大规模的时间序列数据。以下是一些InfluxDB 2的性能特点： 1. 高写入性能：InfluxDB 2使用持久化存储引擎（TSM）来优化写入性能。它具有高效的写入路径，可以处理大量的数据写入请求。 2. 水平扩展：InfluxDB 2支持水平扩展，可以通过添加更多的节点来增加整体性能和容量。这使得InfluxDB 2能够处理大规模的数据负载。 3. 数据压缩：InfluxDB 2使用了一种称为RLE（Run-Length Encoding）的压缩算法来减小存储空间。这可以显著降低数据的存储需求，同时提高读取性能。 4. 查询性能优化：InfluxDB 2具有优化查询引擎，可以快速执行复杂的时间序列查询。它支持各种查询功能，例如聚合函数、过滤器、时间范围查询等。 5. 数据保留策略：InfluxDB 2支持灵活的数据保留策略，可以根据需求自动删除过期的数据。这有助于保持数据库的性能，并控制数据存储的大小。 总体而言，InfluxDB 2被设计为处理大规模的时间序列数据，并具有高性能和可扩展性。但是，实际的性能还取决于多个因素，如硬件配置、数据量、查询复杂性等。因此，在实际使用中，可以根据具体需求进行性能测试和优化。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值