一、简介
1. 什么是时序数据库？
时序数据库是专门用于存储和处理时间序列数据的数据库系统。
时间序列数据是指按时间顺序索引的一系列数据点。每个数据点都包含：
一个时间戳：记录数据产生的时间。
一个或多个指标值：例如温度、湿度、CPU使用率、股价、销售额等。
一组标签：用于标识数据的来源和属性，例如设备ID、传感器类型、地理位置、股票代码等。
核心思想：数据是按时间流入的，查询也总是围绕时间区间展开。
2. 时序数据的特点
时序数据有其独特的模式，这与传统的关系型数据（如订单、用户信息）截然不同：
海量性：数据源源不断地产生，数据量巨大。一个传感器每秒钟上报一次数据，一年就能产生3150万条记录。
时效性：新数据按时间顺序追加，几乎不会有旧数据的更新或删除操作。
冷热分明：越新的数据被查询和使用的频率越高（热数据），越老的数据被访问的频率越低（冷数据）。
多写少读：95%以上的操作是写入（插入新的数据点），读取操作相对较少，但查询模式复杂。
高并发写入：通常需要同时接收来自成千上万个设备或代理的高并发写入请求。
3. 为什么需要专门的时序数据库？
传统关系型数据库（如 MySQL, PostgreSQL）在处理时序数据时会遇到巨大挑战：
写入瓶颈：频繁的INSERT操作会产生大量写入负载，关系型数据库的B+树索引在大量写入时维护成本极高，容易成为瓶颈。
存储成本高：原始数据不经压缩直接存储，占用空间巨大。
查询效率低：基于时间的范围查询、聚合查询（如求1小时内的平均值、最大值）性能很差，尤其是在海量数据中。
数据生命周期管理困难：难以高效地自动删除过期数据（数据降采样和保留策略）。
时序数据库正是为了解决这些痛点而设计的。
4. 时序数据库的核心技术与优势
列式存储
传统数据库是行式存储，一行数据（所有列）存储在一起，适合OLTP事务。
时序数据库采用列式存储，将同一列的数据存储在一起。这对于聚合查询（如求所有设备在某个时间段的平均温度）极其高效，因为只需要读取特定的列，I/O效率极高。
高效压缩
由于指标值在时间上通常缓慢变化或具有重复性（如
true/false状态），列式存储非常适合压缩。常用的压缩算法如 Gorilla、Delta-of-delta、Simple-8b 等，可以将数据压缩到原始大小的十分之一甚至二十分之一，极大地降低了存储成本。
专为时间优化的索引
时序数据库通常对时间戳建立主索引，使其能快速定位到某个时间范围内的数据。
对标签建立倒排索引或其他高效索引，使得能快速过滤出某个特定设备或某类设备的数据。
这种“时间戳 + 标签”的索引组合，完美契合了“查询某设备在某时间段内的数据”这类典型场景。
数据降采样与保留策略
保留策略：可以自动删除超过指定时间的老数据，释放存储空间。
降采样：可以自动将高精度的原始数据（如每秒一次）聚合计算成低精度的数据（如每小时的平均值），并存储下来。这样在查询历史趋势时，可以使用降采样后的数据，极大地提升查询速度并节省存储空间。
强大的聚合函数和连续查询
内置了大量针对时序数据的聚合函数（
MEAN,SUM,MAX,MIN,MEDIAN,DERIVATIVE（求导）等）。支持连续查询，可以定期自动执行聚合查询并将结果存入另一张表，用于实现实时仪表盘或告警。
5. 常见的时序数据库
InfluxDB：Go语言编写，是目前最流行、生态最完善的时序数据库之一。开源版和商业版功能有差异。
Prometheus：CNCF毕业项目，起源于监控系统，其存储引擎是专为监控场景设计的时序数据库。是 Kubernetes 生态中的监控事实标准。
TimescaleDB：基于 PostgreSQL 的扩展，将其转变为一个全功能的时序数据库。优势是支持完整的SQL，能与现有PostgreSQL生态无缝集成。
TDengine：国产优秀的时序数据库，以其极高的性能和压缩比著称。开源版和商业版并行。
OpenTSDB：基于 Hadoop 和 HBase 构建，历史悠久，适合大规模集群。
QuestDB：一个高性能、开源的时序数据库，专注于速度和易用性。
6. 典型应用场景
监控系统：IT基础设施监控（服务器CPU、内存、磁盘IO）、应用性能监控（APM）、微服务链路追踪。
物联网：智能家居传感器数据、工业物联网设备状态监控、车联网车辆轨迹与状态。
金融科技：实时股价、交易记录、风险控制指标、欺诈检测。
** DevOps与SRE**：服务性能指标、日志事件的时间序列化分析。
商业智能：网站实时访问量、广告点击率、销售额随时间的变化趋势。
总结对比
| 特性 | 时序数据库 | 传统关系型数据库 |
|---|---|---|
| 数据模型 | 基于时间戳和标签 | 基于行和表的关系模型 |
| 写入模式 | 高并发、追加写入 | 随机读写、更新、删除 |
| 存储效率 | 极高（列式存储+高效压缩） | 较低 |
| 典型查询 | 时间范围聚合、分组 | 关联查询、事务、点查 |
| 扩展性 | 易于水平扩展（分片） | 垂直扩展或复杂的分库分表 |
总而言之，时序数据库是应对海量时间序列数据挑战的专用工具，它在写入性能、存储成本和时序查询效率方面相比传统数据库有数量级的提升，是构建现代监控、物联网和分析系统不可或缺的基础组件。
二、安装
1. 拉取镜像
sudo docker pull apache/iotdb:1.3.2-standalone
2.启动和运行容器
注意：这个命令启动的容器不能退出终端，退出后所有表都删除了，再次登录需要重新建表。这里仅作演示用。
docker run --rm -p 6667:6667 --name iotdb apache/iotdb:1.3.2-standalone
当控制台出现这样的提示则表明启动成功：
o.a.i.db.service.DataNode:227 - Congratulations, IoTDB DataNode is set up successfully. Now, enjoy yourself!
下载好后，可以安装dbeaver对时序数据进行可视化操作。
3. 安装dbeaver
下载地址：https://dbeaver.io/files/7.2.5/
4. dbeaver连接iotdb
4.1 添加iotdb驱动 (数据库->驱动管理器)
4.2 建立iotdb连接
4.2.1 选中iotdb驱动
4.2.2 JDBC URL: jdbc:iotdb://ip:6667 #ip替换为数据库所在服务器的ip
默认账号 用户名: root 密码: root
