2025年iotdb数据库与influxDB（iotdb influxdb 比较）

InfluxDB简介

InfluxDB 是用Go语言编写的一个开源分布式时序、事件和指标数据库，无需外部依赖。用于存储和分析时间序列数据的开源数据库。
适合存储设备性能、日志、物联网传感器等带时间戳的数据,其设计目标是实现分布式和水平伸缩扩展。
InfluxDB 包括用于存储和查询数据，在后台处理ETL或监视和警报目的，用户仪表板以及可视化和探索数据等的API。

InfluxDB是一个由InfluxData开发的开源时序型数据。它由Go写成，着力于高性能地查询与存储时序型数据。InfluxDB被广泛应用于存储系统的监控数据，IoT行业的实时数据等场景。

类似的数据库有Elasticsearch、Graphite、IotDB等。

InfluxDB优点

专为时间序列数据编写的自定义高性能数据存储。 TSM引擎允许高摄取速度和数据压缩
完全用 Go 语言编写。它编译成单个二进制文件，没有外部依赖项
简单，高性能的写入和查询HTTP API
插件支持其他数据提取协议，如Graphite，collectd和OpenTSDB
专为类似SQL的查询语言量身定制，可轻松查询聚合数据
标签允许对系列进行索引以实现快速有效的查询
保留策略有效地自动使过时数据过期
连续查询自动计算聚合数据，以提高频繁查询的效率

InfluxDB缺点

InfluxDB 的开源版本只支持一个节点。
开源版本没有集群功能,集群版本需要收费
存在前后版本兼容问题
存储引擎在变化

IotDB简介

Apache IoTDB 是用Java语言编写的, 是专为物联网时序数据打造的数据库，提供数据采集、存储、分析的功能。IoTDB 提供端云一体化的解决方案，在云端，提供高性能的数据读写以及丰富的查询能力，针对物联网场景定制高效的目录组织结构，并与 Apache Hadoop、Spark、Flink 等大数据系统无缝打通；在边缘端，提供轻量化的 TsFile 管理能力，端上的数据写到本地 TsFile，并提供一定的基础查询能力，同时支持将 TsFile 数据同步到云端。

IotDB优点

国产项目,现在国家大力推行自主研发,国产化. IotDB是清华自研时间序列数据库,Apache 孵化项目,2014年项目启动,2018年11月18号 iotdb 正式进入 apache 孵化器,成为中国高校首个进入 apache 孵化器的项目。
为用户提供数据收集、存储和分析等特定的服务
轻量级的结构、高性能和可用的特性，以及与Hadoop和Spark生态的无缝集成，满足了工业IoTDB领域中海量数据存储、高吞吐量数据写入和复杂数据分析的需求。
灵活的部署策略。IoTDB为用户提供了一个在云平台或终端设备上的一键安装工具，以及一个连接云平台和终端上的数据的数据同步工具。
硬件成本低。IoTDB可以达到很高的磁盘存储压缩比。
高效的目录结构。IoTDB支持智能网络设备对复杂时间序列数据结构的高效组织，同类设备对时间序列数据的组织，海量复杂时间序列数据目录的模糊搜索策略。
高吞吐量读写。IoTDB支持数以百万计的低功耗设备的强连接数据访问、高速数据读写，适用于上述智能网络设备和混合设备。
丰富的查询语义。IoTDB支持跨设备和测量的时间序列数据的时间对齐、时间序列字段的计算(频域转换)和时间维度的丰富聚合函数支持。
学习成本非常低。IoTDB支持类似sql的语言、JDBC标准API和易于使用的导入/导出工具。
与先进的开放源码生态系统的无缝集成。IoTDB支持分析生态系统，如Hadoop、Spark和可视化工具(如Grafana)。

IotDB缺点

目前只有单节点版本,不过集群版本马上要发布了
IoTDB TsFile 的结构，目前仅有 java 版本，资源占用方面对边缘轻量级设备不友好，限制了其在端/设备侧的应用。
存储上支持使用 HDFS 或本地盘，通过使用 HDFS 来存储可保证存储层高可用，但计算层没有进一步的高可用保障。

关系数据库VS键值数据库

关系数据库键值数据库单表列数上限: MySQL InnoDB 为1017列可管理海量条时间序列单表行数不易过多:小于1000万行查询受限（表达能力低）如下:水平、垂直分表；分库按时间维度的查询,按值维度的查询,多序列的时间对齐查询

时序数据库

基于关系数据库基于键值数据库原生时序数据库轻量级时序数据库TimescaleopentsdbKairosDBinfluxdbIodDB基于PG开发的插件基于Hbase/Cassandra基于LSM机制的时序库工业领域千万条量级时间序列管理时序数据自动分区时序分区键专属文件结构单节点万亿数据点管理查询计划做优化定时任务构建索引专属查询优化单节点数十TB级时间序列数据管理定制并行查询支持Hadoop、Spark、Matlab、Grafana等多种生态随着导入时间的增加导入速率不断下降压缩比低，查询慢长期历史数据查询性能下降高效的数据持久化,丰富/低延迟的数据查询

InfluxDB和IotDB性能测试

测试配置

总数据量1500 亿 pointsclient10group num10device num100sensor num100每个 sensor1500 万 pointsencodingRLE

持续高压力写入测试。

测试结果

elapseTime(h)elapseRate(points/s)accuTime(h)accuRate(points/s)IoTDB25.51632058.8213.23156988.07InfluxDB38.71077684.2225.81617748.51

测试共生成 1500 亿个 points，InfluxDB 总耗时 38.7 小时，IoTDB 总耗时 25.5 小时。测试过程中，InfluxDB 和 IoTDB 都保持了平稳的插入速度，中途没有出现异常。

压缩性能

占磁盘空间(G)平均每个 point(B)InfluxDB6274.49IoTDB1801.29

InfluxDB 占磁盘空间为 IoTDB 的 3.5 倍。

监控项

CPU usage(%)系统盘 wRate(M/s)数据盘 wRate(M/s)net 流量(M/s)InfluxDB21.7818.6269.1532.33IoTDB15.2927.5869.0137.15

对于系统盘(SSD)的 IO 使用 blktrace 工具做的更详细的统计。在 benchmark 平稳运行时，采样 1 分钟的 IO 数据，统计结果如下:

Q2C 平均耗时 (ms)D2C 占比BLKavgIOPSՕ/th>InfluxDB1.1293.83%521884.4%IoTDB0.3396.09%207109713.7%

其中:
Q2C:平均每个 IO 请求所消耗的时间;
D2C:IO 请求在 driver 和硬件上所消耗的时间;
Q2C = Q2I + I2D + D2C
BLKavg:平均每个 IO 请求处理的 block 数量;
IOPS:平均每秒处理的 IO 请求数;
ՓIO 设备的繁忙程度。
从上面的监控数据可以看到，对于每个 IO 请求的处理效率，IoTDB 是要优于 InfluxDB;但是
IoTDB 每秒钟处理了大量的 IO 请求，IOPS 过高。

可以关注IotDB开发者博客:https://blog.csdn.net/qiaojialin
IotDB开发者的博客地址