查询性能: TDengine 最高达到了 InfluxDB 的 37 倍、 TimescaleDB 的 28.6 倍
5大类15小类查询类型全面对比!
5大类15小类查询类型全面对比!
本篇文章将为大家解读三大时序数据库在写入性能上的差异点。
为了客观、准确、有效地评估 TDengine 3.0 的性能指标,我们决定使用 TSBS(Time Series Benchmark Suite)作为基准性能测试平台,针对 DevOps 场景的数据集对 TDengine 3.0 展开整体(包括写入、查询、存储、资源消耗等)性能评估。
这篇文章的目的是,让用户能够快速了解如何使用这个数据迁移工具。
本文会在讲解 TDengine 的索引文件(.head 文件)工作原理的同时,介绍索引文件在最新的 TDengine 3.0.2.5 中的优化。
TDengine 提供的特色查询包括数据切分查询和窗口切分查询,本文将从语法层面深入解读这两种特色查询。
对于物流企业来说,如何高效地记录和处理车辆的轨迹信息、应对每天海量监控数据的采集和处理工作,对于项目整体的交付效率至关重要。诸多物流企业开始寻求数据架构的变革,特别是选择符合业务需求的时序数据库(Time Series Database,TSDB)产品,本篇文章汇总了国内四家大型物流公司的数据架构改造实例,给到读者参考。
随着 TDengine 这款时序数据库(Time Series Database)在各个领域应用的越来越广泛,很多用户选择将 Grafana 与 TDengine 配合使用,以可视化的方式监控各项指标的运行状态。为了让用户更便捷地组合使用 TDengine+Grafana,我们不仅对 TDengine Grafana 插件进行了改造升级,还推出了基于 Grafana 的零依赖监控解决方案 TDinsight。
为了在数据采集项频繁变动的情况下保证用户仍然能够顺利地完成数据记录工作,TDengine 提供了三种无模式写入协议。本文将对无模式写入方式的主要处理逻辑、映射规则与变更处理等进行分析,便于用户理解与使用。
事实证明,在时序数据场景下,无论是在存储空间、写入速度还是查询性能等各方面,TDengine 都存在数量级优势。