时序数据库虽然与工控系统的实时数据库功能相似，但由于主要使用对象和用途不同，定义了不少新概念，一般了解工控数据的人并不能简单地就能理解。

时序数据库主要关注了两个产品：InfluxDB和OpenTSDB，前者在评分中领先，设计理念比较先进，后者基于HBase，可以支持海量数据。

时序数据库的主要使用对象是机房运维人员，用途是计算机集群中服务器的监控，采集的是计算机的运行数据，比如Power、CpuUsage等，并且对应有专门软件采集计算机参数，如Telegraf。这些监控项目并不对应传感器，只是服务器运行的参数。

服务器运行参数和传感器数据的共同之处是均为时间序列数据，简称时序数据。

服务器因为都是计算机，所以数据的同质性非常强，主要就是CPU、内存、硬盘等的运行参数。因此，核心对象是参数，而不是计算机。把监控的参数放在管理的首位，给予专有的名词，称为指标（Metric），而服务器是用Tag来标识。Tag可以有多个，比如部署位置等。

在工控系统的实时数据库中，设备种类很多，传感器的种类也很多，相同设备上安装相同传感器的情况不多，因此对传感器的管理比较重视，甚至是核心。传感器每个测点都有一个唯一的标识，称为位号，或称变量名，本文中统称为传感器号。

在时序数据库中，一个传感器号需要用Metric加Tag来唯一表示。对应工控系统，在名为ServerA服务器上，CPU使用率是由一个虚拟传感器测量的值，该虚拟传感器安装在该服务器内部，代码为SA_100。但在时序数据库中，必须定义为Metric=CpuUsage，Tag是Hostname=ServerA。

实时数据库中的每条记录称为测量数据，由传感器号SensorID、时间戳Timestamp、数值Value组成，比如一个压力传感器的编号是HD76_3000_A2，时间戳1536845686，数值为0.258。

时序数据库中的每条数据称为数据点（Data Point），由Metric、Tags、Value、Timestamp

组成。

InfluxDB中Metric对应为Measurement。

实时数据库很少做不同传感器之间数据的运算，如计数、平均值、最大值、最小值、标准差、中位数等。但时序数据库不同，需要按照指标对来自多个传感器的数据进行这些聚合计算。

大数据研究的是整个森林，而不是一颗颗孤立的树木。时序数据库增加Metric和Tag，就是支持按照不同Tag组合进行检索，按相同Metric进行聚合计算，并且从底层支持快速聚合计算。

在大数据项目中，因为时序数据的数据量非常大，因此不能直接放在数据仓库中。最好的处理办法是把时序数据放在时序数据库中，再把聚合计算的结果放在数据仓库中。

实时数据库和时序数据库是互补关系。实时数据库可以作为是时序数据库的数据来源。一个企业如果有多条生产线，可能就有多个实时数据库，每个时序数据库因此对应多个实时数据库。

本文为范煜原创文章。

相关文章