物聯(lián)網(wǎng)場景海量時序數(shù)據(jù)存儲與處理的關鍵技術

隨著物聯(lián)網(wǎng)技術的快速發(fā)展，物聯(lián)網(wǎng)設備產(chǎn)生的數(shù)據(jù)呈爆炸式增長，數(shù)據(jù)的總量、數(shù)據(jù)類型越來越多、訪問速度要求越來越快、對數(shù)據(jù)價值的挖掘越來越重視。物聯(lián)網(wǎng)產(chǎn)生的數(shù)據(jù)通常都具備時間序列特征，時序數(shù)據(jù)庫是當前針對物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、應用性能監(jiān)控場景等垂直領域定制的數(shù)據(jù)庫解決方案，本文主要介紹物聯(lián)網(wǎng)場景海量時序數(shù)據(jù)存儲與處理的關鍵技術挑戰(zhàn)及解決方案。

作者：王建榮

單位：中移（杭州）信息技術有限公司

1什么是時序數(shù)據(jù)

時序數(shù)據(jù)是隨時間不斷產(chǎn)生的一系列數(shù)據(jù)，例如持續(xù)監(jiān)控的氣象變化數(shù)據(jù)、股市交易記錄、應用監(jiān)控數(shù)據(jù)等，通常一個時序數(shù)據(jù)點可以由時序指標(metric)+ 一組標簽(tags)+ 數(shù)據(jù)產(chǎn)生時間(timestamp)三部分唯一確定。

時序數(shù)據(jù)更適合體現(xiàn)數(shù)據(jù)“變化”的過程價值。如果在時間坐標中將這些數(shù)據(jù)點連成線，過往的數(shù)據(jù)可以形成多緯度報表，揭示數(shù)據(jù)的趨勢性、規(guī)律性，捕獲異常；未來的數(shù)據(jù)可以建立數(shù)據(jù)模型、做統(tǒng)計分析，實現(xiàn)預測和預警。

2時序數(shù)據(jù)應用場景

隨著5G/IoT技術的發(fā)展，數(shù)據(jù)呈爆炸式增長，其中物聯(lián)網(wǎng)與應用性能監(jiān)控等是時序數(shù)據(jù)最典型的應用領域，覆蓋物聯(lián)網(wǎng)、車聯(lián)網(wǎng)、智能家居、工業(yè)互聯(lián)網(wǎng)、應用性能監(jiān)控等常見的應用場景。

圖一 時序數(shù)據(jù)應用場景

3時序數(shù)據(jù)的特征及挑戰(zhàn)

在典型的物聯(lián)網(wǎng)與應用性能監(jiān)控等時序數(shù)據(jù)應用場景里，數(shù)據(jù)產(chǎn)、訪問都有比較明顯的規(guī)律，有很多共同的特征，相比當前互聯(lián)網(wǎng)典型的應用特征有比較大的區(qū)別。

結合時序數(shù)據(jù)的特征，要滿足大規(guī)模時序數(shù)據(jù)存儲需求，至少面臨如下的幾個核心挑戰(zhàn)：

高并發(fā)高吞吐寫入：在一些大規(guī)模的應用性能監(jiān)控、物聯(lián)網(wǎng)場景，海量的設備持續(xù)產(chǎn)生時序數(shù)據(jù)，例如某CDN內(nèi)容分發(fā)網(wǎng)絡系統(tǒng)，3000+臺服務器，每秒/每十秒采集超100個系統(tǒng)指標和業(yè)務指標，每秒的時序數(shù)據(jù)點數(shù)達到數(shù)十萬時間點，需要數(shù)十臺機器的集群規(guī)模來支撐全量的業(yè)務寫入；時序數(shù)據(jù)存儲需要解決大規(guī)模集群的橫向擴展，高性能平穩(wěn)寫入的需求。

高效的時序數(shù)據(jù)查詢分析：在典型的監(jiān)控場景，通常需要對長周期的數(shù)據(jù)進行查詢分析，比如針對某些指標最近1天、3天、7天、1個月的趨勢分析、報表等；這些查詢都需要掃描大量的集群數(shù)據(jù)才能拿到結果，同時查詢的結果集也可能非常大；時序數(shù)據(jù)存儲需要支持多維時間線檢索、并具備流式處理、預計算等能力，才能滿足大規(guī)模應用監(jiān)控、物聯(lián)網(wǎng)業(yè)務場景的典型查詢需求，并且針對時序大查詢要最小化對寫入的影響。

低成本的時序數(shù)據(jù)存儲：某家庭安防場景，超千萬安防設備，每天就產(chǎn)生近百GB的視頻切片元數(shù)據(jù)指標，如果要保存一年的運行數(shù)據(jù)就需要PB級的數(shù)據(jù)存儲規(guī)模；由于數(shù)據(jù)規(guī)模巨大，對存儲的低成本要求很高，另外時序數(shù)據(jù)的冷熱特征明顯。時序數(shù)據(jù)存儲需要充分利用好時序數(shù)據(jù)量大、冷熱訪問特征明顯、做好計算、存儲資源的解耦，通過低成本存儲介質(zhì)、壓縮編碼、冷熱分離、高效TTL等技術將數(shù)據(jù)存儲成本降低到極致。

簡單便捷的生態(tài)協(xié)同：在物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)等場景，時序數(shù)據(jù)通常有進一步做運營分析處理的需求，在很多情況下時序數(shù)據(jù)只是業(yè)務數(shù)據(jù)的一部分，需要與其他類型的數(shù)據(jù)組合來完成查詢分析；時序數(shù)據(jù)存儲需要能與生態(tài)BI分析工具、大數(shù)據(jù)處理、流式分析系統(tǒng)等做好對接，與周邊生態(tài)形成協(xié)同來創(chuàng)造業(yè)務價值。

4時序數(shù)據(jù)庫的現(xiàn)狀和發(fā)展

時序數(shù)據(jù)庫結合時序數(shù)據(jù)的特征，嘗試解決時序數(shù)據(jù)存儲在高寫入吞吐、橫向擴展、低成本存儲、數(shù)據(jù)批量過期、高效檢索、簡單訪問與時序數(shù)據(jù)計算等方面面臨的挑戰(zhàn)。進入2010年后，針對時序數(shù)據(jù)存儲設計的數(shù)據(jù)庫相繼誕生，并且時序數(shù)據(jù)庫的增長趨勢、關注熱度持續(xù)領先，國產(chǎn)化進程不斷加快。

? 時序數(shù)據(jù)庫關注度日趨火熱，未來還有更大空間

在DB-Engine排行榜上，我們可以看到時序數(shù)據(jù)庫在近兩年在DB-Engine上是關注度上升最快的數(shù)據(jù)庫類型。

圖2時序數(shù)據(jù)庫關注熱度（數(shù)據(jù)來源：https://db-engines.com/en/ranking_categories）

? 時序數(shù)據(jù)庫處于百花齊放，各家時序數(shù)據(jù)正在深耕各自領域

圖3 時序數(shù)據(jù)庫熱度排名（數(shù)據(jù)來源：DB-engines）

圖4 時序數(shù)據(jù)庫發(fā)展簡史

經(jīng)過多年發(fā)展，時序數(shù)據(jù)庫大致經(jīng)歷了幾個階段：

第一代時序數(shù)據(jù)庫：基于關系型數(shù)據(jù)庫的簡單存儲。代表：TimescaleDB，基于PostgreSQL關系數(shù)據(jù)庫構建。

第二代時序數(shù)據(jù)庫：依賴與Hadoop生態(tài)的通用分布式存儲系統(tǒng)。代表：OpenTSDB（底層使用HBase），KairosDB（底層使用 Cassandra）。

第三代時序數(shù)據(jù)庫：對高性能，低成本有強需求，需要針對時序領域特別專門設計。代表：InfluxDB，IoTDB和TDengine等。

? 數(shù)據(jù)庫產(chǎn)品國產(chǎn)化進程加快，大廠紛紛布局

包括TDengine（濤思）、IoTDB（清華）、DolphinDB（智臾科技）等優(yōu)秀的國內(nèi)時序數(shù)據(jù)庫異軍突起，自主可控成為國內(nèi)華為、阿里等廠商布局時序數(shù)據(jù)庫場景的重要考量，華為時序數(shù)據(jù)庫內(nèi)化InfluxDB和IoTDB，阿里自研TSDB時序引擎，并提供基于InfluxDB的阿里云TSDB for InfluxDB，騰訊也推出了TencentDB for CTSDB云服務。

5典型時序數(shù)據(jù)庫介紹及對比

5.1 InfluxDB

InfluxDB由Golang語言編寫，系統(tǒng)性能、穩(wěn)定性好，被廣泛應用，是當前DB-engine熱度排名第一的時序數(shù)據(jù)庫，生態(tài)支持豐富全面。不過，InfluxDB采用MIT開源協(xié)議，開源版本沒有集群功能，商業(yè)版本具備分布式集群、數(shù)據(jù)分級存儲等功能，但價格不菲。

5.2 OpenTSDB

OpenTSDB是Apache開源軟件，是在HBase的基礎上開發(fā)的，底層存儲是HBase，但其依據(jù)時序數(shù)據(jù)的特點做了一些優(yōu)化。其最大的好處就是建立在Hadoop體系上，各種工具鏈成熟，但這也是它最大的缺點，因為Hadoop不是為時序數(shù)據(jù)打造的，導致其性能很一般，而且需要依賴很多組件，安裝部署相當復雜。

圖5 OpenTSDB系統(tǒng)架構

圖6 OpenTSDB在HBase中存儲數(shù)據(jù)模式

5.3 TDengine

TDengine不僅是一款時序數(shù)據(jù)庫，而且還提供緩存、消息隊列、數(shù)據(jù)訂閱、流式計算等系列功能，是時序數(shù)據(jù)的全棧技術解決方案。而且它不依賴任何第三方軟件，安裝包只有1.5MB，使系統(tǒng)設計、安裝、部署和維護都變得極為簡單。

圖7 TDengine系統(tǒng)框圖及全棧解決方案

5.4 IoTDB

Apache IoTDB是一體化收集、存儲、管理與分析物聯(lián)網(wǎng)時序數(shù)據(jù)的軟件系統(tǒng)。Apache IoTDB采用輕量式架構，具有高性能和豐富的功能，并與Apache Hadoop、Spark和Flink等進行了深度集成，可以滿足工業(yè)物聯(lián)網(wǎng)領域的海量數(shù)據(jù)存儲、高速數(shù)據(jù)讀取和復雜數(shù)據(jù)分析需求。

圖8 IoTDB系統(tǒng)架構圖

IoTDB獨創(chuàng)采用了tree schema來對時序數(shù)據(jù)建模，該數(shù)據(jù)模型更符合工業(yè)物聯(lián)網(wǎng)場景中的層級結構，但犧牲了一些標簽靈活性。

圖9 IoTDB樹狀模式樣例

主流時序數(shù)據(jù)庫對比

數(shù)據(jù)來源：公開資料及實測分析

編輯：黃飛

?