监控系统如何选择合适的时序数据库？

1.可以按照以下需求自行选择合适的存储：

• 小而精，性能高，数据量较小(亿级): InfluxDB

• 简单，数据量不大（千万级），有联合查询、关系型数据库基础：timescales

• 数据量较大，大数据服务基础，分布式集群需求： opentsdb、KairosDB

• 分布式集群需求，olap实时在线分析，资源较充足：druid

• 性能极致追求，数据冷热差异大：Beringei

• 兼顾检索加载，分布式聚合计算： elsaticsearch

• 如果你兼具索引和时间序列的需求。那么Druid和Elasticsearch是最好的选择。其性能都不差，同时满足检索和时间序列的特性，并且都是高可用容错架构。

2.时序数据具有以下特点：

• 周期性采集设备的时序数据，对插入性能和稳定性要求高，可能发生乱序或者丢失数据的情况；更新和删除频次低；

• 时序数据量大，对存储压缩比敏感，希望冷热数据分级存储；

• 为了节省存储，通常会对高频时序数据降采样；

• 设备属性信息重复度高，修改频次低；

• 指标数据量大而变化小；

• 查询需求多样，如单设备最新值、单设备明细、单设备过滤聚集、多设备查询、多维查询、降采样、滑动窗口查询、设备状态演变图、特定模式识别、趋势预测、根因分析、阈值修正等。

3.时序数据库种类

3.1Timescale

这个数据库其实就是一个基于传统关系型数据库postgresql改造的时间序列数据库。了解postgresql的同学都知道，postgresql是一个强大的，开源的，可扩展性特别强的一个数据库系统。

于是timescale.inc开发了Timescale，一款兼容sql的时序数据库， 底层存储架构在postgresql上。 作为一个postgresql的扩展提供服务。其特点如下：

基础：

• PostgreSQL原生支持的所有SQL,包含完整SQL接口（包括辅助索引，非时间聚合，子查询，JOIN，窗口函数）

• 用PostgreSQL的客户端或工具，可以直接应用到该数据库，不需要更改。

• 时间为导向的特性，API功能和相应的优化。

• 可靠的数据存储。

扩展：

• 透明时间/空间分区，用于放大（单个节点）和扩展

• 高数据写入速率（包括批量提交，内存中索引，事务支持，数据备份支持)

• 单个节点上的大小合适的块（二维数据分区），以确保即使在大数据量时即可快速读取。

• 块之间和服务器之间的并行操作

劣势：

• 因为TimescaleDB没有使用列存技术，它对时序数据的压缩效果不太好，压缩比最高在4X左右

• 目前暂时不完全支持分布式的扩展（正在开发相关功能），所以会对服务器单机性能要求较高

其实大家都可以去深入了解一下这个数据库。对RDBMS我们都很熟悉