tdengine使用感受

TDenigne是一款现代的时序(Time Series Database)数据库，之前在做项目的时候都是用SQL数据库去存历史日志信息的。直到一个项目需要对设备的历史记录落库。
这是时序数据库使用的典型场景，虽然之前一直用SQL数据库，但是用过都知道，在数据量大的时候会导致分页卡顿，甚至是无法分页。
这个项目使用时序数据库再合适不过了
1 它的历史数据是不会修改的
2 设备数量多，种类单一
3 种类后期可以扩展
4 需要配合拆线图和饼图来进行运行状态的展示
当时也做了一些时序数据库的比较，毕竟现在的时序库非常多。
1 inflexdb 这个是一款开源的非常知名的时序库，非常活跃，可以说是时序数据库的标杆。DBengine里TSDB的王者。
2 dolphinedb 这是一个国产的金融级时序数据库，有免费版的，但是集群版收费，最多支持2个结点，支持windows，主要对股票，证券这种场景的支持，
3 TDenigne当时叫taosddata 一款国产的时序数据库，开源且集群版也是开源的。当时不支持windows（最近已经支持），支持多种语言的sdk,通过taosadapter也有rest接口，接入成本低。

inflexdb由于要用自己的语法，需要有一定的学习成本。
2和3都是用sql的语法去操作时序数据库，所以这2个一下就进入了考虑范围。
虽然这个项目的规模不大，但是考虑到后期接入设备的增加，扩展性还是要考虑的。
这样排除了2，选择了TDengine。后来用它带的性能工具进行了测试，1000张表，每张表2000条数据，就是200万的数据总量，在我的4核8G的虚拟机里面测试结果让我非常满意，测试完后便用TDengine进行项目开发。

因为是SQL的语法，开发的过程还是挺顺利的，利用超级表和冗余存储，解决了不同用户查看不同设备的问题。

项目上线半年多了，TDengine一直稳定运行，中间没有挂过，相当的稳定。设备没有完全到位，现在大概有20万设备数据，分布有10000多页，每页最大20条记录。现在不管点哪页，都非常的快，即使是最后一页，非常大的分页码，返回的时间也不超过1秒。这个是以前用SQL库的时候无论如何优化都肯定做不到的。目前机器的配置是2核8G，目前进场的设备也是有几百台。
它的秘诀在于分表，一个设备一张表，在数据库层面就做了性能优化。而开发人员，只需要按照模式往对应的表里面写数据就可以了。为每个新设备创建一张表，再把这些子表放到一个超级表中。这种设计为它的高性能奠定了扎实的基础。

总体来说对TDenigne还是比较满意的，听说最近出了3.0,也支持了windows.也支持云原生。我其实比较关注的是windows，云原生啥的暂时需要不是特别硬性，因为部署在docker里面也可以的。

但是也要吐糟一下，taosdb的SDK不是很好接，特别是nodejs版…希望能有些简单点的方法。rest是一个选择，但是不支持监听，还是想有纯nodejs的sk，不用再搞c++。

有人在问我现在用的什么版本，还有资源占用情况怎么样。我来截个图说明一下

这是taosd和taosadaptera的资源
加起来cpu < 10%

以下是我使用的版本以及上线时间
tdengine/tdengine:2.4.0.16 “/tini – /usr/bin/e…” 5 months ago Up 5 months
这里写的是5个月，因为中间做过一次数据迁移，从开发服务器迁移至生产器，所以是5个月，实际上线8个多月了。
后面也会继续选择TDengine作为物联网的开发时序数据库。不过最近没有打算升级到3.0的打算，下次项目可能会直接用3.0作为基础。看文档是增加了很多云原生的特性。有空也会尝试一下，最好是能支持K3S，minikube这些轻量的k8s版本，这样不管是从成本上还是从定位上，更符合边缘高性能云原生的定义。