上周，蚂蚁集团正式开源其内部时序数据库CeresDB

时序数据是基于时间的一系列数据点的集合，在有时间的坐标中将这些数据点连成线，从时间维度往前看可以做成多维度报表，揭示其趋势性、规律性、异常性；往未来看可以做大数据分析、机器学习、实现预测和预警。

我们经常会在 IoT 以及一些异常检测的分析场景中听到时序数据这个名词，如下图：

可以看出时序数据其实就是按照时间维度记录的数据列，并且前后数据具备可对比行，从而通过观察数据列随着时间的变化，提取出所需要的有用信息。

下面的文本也就是上图的原始数据点：

• 写入持续、平稳、高吞吐：一般以固定频率写入数据

• 写多读少：通常只关心几个特定关键指标或特定场景下的指标

• 实时写入最新的数据：随着时间推进，新写入的数据从时间属性看都是新的数据，很少甚至不存在旧数据的更新

数据查询/分析的特点

• 按照时间范围读取

• 最近的数据被读取的概率最高

• 历史数据粗粒度查询的概率高

• 多种精度查询

• 多种维度查询

数据存储的特点

• 数据量大：TB 甚至 PB，数据压缩是降低成本的关键

• 冷热分明：越是历史数据，被查询的概率越低，对数据的时间精度的要求越低

• 时效性：数据有生命周期，超过生命周期的数据可以被清理

• 多精度数据存储：基于存储成本和查询效率上的考虑，需要将数据降为多种更粗时间精度进行存储

• 可预聚合：固定条件查询场景多，基于查询效率上的考虑，通常会提供预聚合来避免每次查询时进行后计算

由于时序数据记录规模巨大，这就导致数据的实时写入成为瓶颈，大规模数据存储的成本，成为新的技术挑战。传统的数据库如 MySQL 由于未能充分利用这些时序数据比较鲜明的特点，很难去解决相应的写入和分析性能、存储成本等问题，如果基于传统数据库存储时序数据，通常企业的运营维护成本会急剧上升。

由上图 （来自 DB-Engines Ranking）不难看出，最近几年时序数据库正处于高速发展阶段，涌现出一批优秀的开源产品，把时序数据库技术深度推向了一个更高的台阶。

再看时序数据库的排名（上图来自 DB-Engines TimeSeries），热度前三分别是 InfluxDB、Kdb+、Prometheus。

时下最受欢迎的时序数据库非 InfluxDB 莫属，常年霸榜 DB-Engines TimeSeries 分类。InfluxDB 实际上是围绕着时序数据打造了一个生态，除了时序存储本身还有很多配合 InfluxDB 的项目，比如告警、日志收集等。不过遗憾的是 InfluxDB 仅仅开源了单机引擎存储，集群功能是作为商业服务提供。

大概在快两年以前，InfluxDB 启动了一个叫 InfluxDB IOx 项目，IOx 发音为 eye-ox，iron oxide（氧化铁）的简写，与锈（Rust）相呼应。IOx 项目准备在时序 OLAP 方向上发力。是的你没看错，IOx 项目基于 Rust 开发，此次开源的 CeresDB 的主要技术栈也是 Rust。

另一个流行的时序数据库是 Kdb+。提到 Kdb+，了解过的小伙伴们一定都知道，它是华尔街投行、各类日内交易和高频交易的量化基金近乎标准的配置。Kdb+ 既是一个数据库（Kdb）也是一个矢量语言（q），它是基于有序表的概念（时间序）的一个内存中面向列存的数据库，它的主要数据存储在 RAM 中。Kdb+ 的查询速度非常之快，我认为这主要归功于三点：

• Kdb+ 充分利用了向量化，向量化允许一次同时对多个数据点进行操作，可以很大程度减少实现某项操作所需的操作次数，这消除了对每一块数据的重复操作，大大减少了开销；

• Kdb+ 具有内置的查询语言，计算直接在引擎内执行，不需要额外的数据传输。借助内置的查询语言，数据可以直接库内分析计算，无需通过网络和计算分析层进行移动数据。库内分析对于扫描大量原始数据但聚合计算后结果却很小的场景，无疑会呈数量级的加速查询速度；

• 列存结构对分析型场景的查询更加有效，大家一定都能想明白列存对少数列查询场景的好处，以及对向量化操作的友好度，这里不多做解释了。

再到排名第三的 Prometheus，在云原生的大背景下 Prometheus 可谓既定事实的监控标准。它不仅仅是一个时间序列数据库，而是一个监控系统，它有全套的数据抓取、检索、绘图、报警等功能。Prometheus 很大程度上受 Google 内部 Borgmon 系统的启发，基于 pull 模式实现的监控系统。需要强调的是，PromQL 可谓是为监控而生的查询语言。