时序数据库（Time-Series Database, TSDB）是专门用于高效存储、查询和分析时间序列数据的数据库，广泛应用于物联网（IoT）、监控系统、金融分析、日志管理等领域。以下是目前主流的时序数据库及其特点对比：
一、开源时序数据库
1. InfluxDB
- 特点：
- 专为时序数据设计，高性能写入和查询。
- 支持类SQL查询语言（Flux/InfluxQL）。
- 开源版（InfluxDB OSS）免费，企业版需付费。
- 适用场景：DevOps监控、IoT传感器数据。
- 官网：influxdata.com
2. Prometheus
- 特点：
- 专注于监控和告警，内置时序数据存储。
- 支持PromQL查询语言，与Kubernetes生态深度集成。
- 单机版为主，集群需通过Thanos或Cortex扩展。
- 适用场景：系统监控、微服务指标收集。
- 官网：prometheus.io
3. TimescaleDB
- 特点：
- 基于PostgreSQL的时序数据库扩展，支持完整SQL。
- 兼容PostgreSQL生态（如GIS、JSON）。
- 支持超表（Hypertable）自动分片。
- 适用场景：需要复杂查询或与业务数据关联的场景。
- 官网：timescale.com
4. OpenTSDB
- 特点：
- 基于HBase构建，适合海量数据存储。
- 依赖Hadoop生态，扩展性强但部署复杂。
- 适用场景：大型企业级监控（如电信、金融）。
- 官网：opentsdb.net
5. TDengine
- 特点：
- 国产开源时序数据库，高压缩比和写入性能。
- 支持标准SQL和流式计算。
- 适用场景：物联网、车联网、工业互联网。
- 官网：taosdata.com
二、商业/云服务时序数据库
1. Amazon Timestream
- 特点：AWS全托管服务，自动分层存储（热/冷数据）。
- 适用场景：AWS云上IoT和日志分析。
2. Google Cloud IoT Core + BigQuery
- 特点：结合Google Cloud的IoT数据管道和时序分析能力。
3. Microsoft Azure Data Explorer (ADX)
- 特点：支持时序和日志数据，Kusto查询语言（KQL）。
4. 阿里云TSDB
- 特点：高可用、支持PB级数据，深度集成阿里云IoT。
三、选型关键指标对比
| 数据库 | 写入性能 | 查询灵活性 | 集群支持 | 生态兼容性 | 典型应用场景 |
|---|---|---|---|---|---|
| InfluxDB | ⭐⭐⭐⭐ | ⭐⭐⭐ | 企业版 | 中等 | DevOps、IoT |
| Prometheus | ⭐⭐⭐ | ⭐⭐ | 需扩展 | 强（K8s） | 监控告警 |
| TimescaleDB | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ | 支持 | 强（SQL） | 混合业务+时序数据 |
| TDengine | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ | 支持 | 中等 | 物联网、车联网 |
| OpenTSDB | ⭐⭐ | ⭐⭐ | 支持 | 弱（HBase） | 大型企业监控 |
四、如何选择？
优先开源：
- 中小规模监控 → Prometheus
- 需要SQL支持 → TimescaleDB
- 高写入压力（IoT）→ InfluxDB或TDengine
商业/云服务：
- 已用AWS/Azure/阿里云 → 直接选对应托管服务。
特殊需求：
- 需与Hadoop集成 → OpenTSDB
- 国产化要求 → TDengine
五、趋势与新兴技术
- 边缘计算：轻量级TSDB（如QuestDB、VictoriaMetrics）崛起。
- 流式处理：与时序数据库结合（如Apache Kafka + InfluxDB）。
建议根据数据规模、查询复杂度、团队技术栈综合选择，并优先测试写入和查询性能。