mysqlsqlserver数据库在工业大(时序)数据与实时数据库相比的缺点

Posted 2021-08-29 i数采物联-上海/河南

mysql 在海量的时序数据场景下存在如下问题：
存储成本大：对于时序数据压缩不佳，需占用大量机器资源；
维护成本高：单机系统，需要在上层人工的分库分表，维护成本高；
写入吞吐低：单机写入吞吐低，很难满足时序数据千万级的写入压力；
查询性能差：适用于交易处理，海量数据的聚合分析性能差。
另外，使用 Hadoop 生态（ Hadoop 、 Spark 等）存储时序数据会有以下问题：
数据延迟高：离线批处理系统，数据从产生到可分析，耗时数小时、甚至天级；
查询性能差：不能很好的利用索引，依赖 M aPReduce 任务，查询耗时一般在分钟级。
可以看到时序数据库需要解决以下几个问题：
时序数据的写入：如何支持每秒钟上千万上亿数据点的写入。
时序数据的读取：如何支持在秒级对上亿数据的分组聚合运算。
成本敏感：由海量数据存储带来的是成本问题。如何更低成本的存储这些数据，将成为时序数据库需要解决的重中之重。

so，提供时序数据库、实时数据库解决方案，面向电力、火电厂、核电厂等高速海量工业数据采集应用场景