TSBS 实测 | 写入差17倍、查询差514倍！不同时序数据库性能差距究竟有多大？

对于许多物联网企业而言，时序数据库（TSDB）已经成为数据架构中的关键一环。随着设备数量从数百台增长到数万、甚至千万台，早期选定的数据库往往会遭遇性能瓶颈：数据入库越来越慢，磁盘空间迅速耗尽，一些稍微复杂的分析查询直接超时或报错。

这些问题与数据库的底层架构和处理能力密切相关。为了客观评估当前主流时序数据库在大规模 IoT 场景下的表现，我们基于标准的 TSBS（Time Series Benchmark Suite）测试框架，模拟了一家货运公司的车队数据，对 DolphinDB、InfluxDB、TimescaleDB 三款产品进行系统对比，供大家参考。

结果显示，在所有测试场景中，DolphinDB 的综合性能最优，且设备越多优势越明显。例如，在1000万台设备场景下，DolphinDB 的写入速度比 InfluxDB 快 17 倍、比 TimescaleDB 快 2 倍；面对相同查询任务，DolphinDB 的查询性能较其他两者实现了数量级提升，耗时缩短数百倍。

接下来，我们将详细拆解三款时序数据库在 IoT 场景下的真实表现。

一、测试场景

本次测试采用 TSBS 标准 IoT 场景的基础数据集，模拟一家货运公司多辆货车持续上报数据的真实业务环境，分别考察系统写入性能、磁盘空间占用以及 12 类典型查询的响应表现。整个基准测试共覆盖五个场景，各场景在数据规模与特征上有所差异，具体如下：

测试数据内容不仅包含每辆车的运行指标和诊断信息，还引入了更贴近实际的环境因素，例如乱序数据和批量摄取（针对离线一段时间后再上线的货车）。在数据组织上，测试同时记录货车的元信息作为查询集的一部分，将指标与诊断信息关联起来，使查询不仅停留在简单状态获取，还能够支持更复杂的分析需求。本次测试中的查询类型既覆盖实时状态监控，也包含基于历史数据的分析型查询，例如通过时间序列数据对车辆行为进行预测。

每个货车的诊断数据（diagnostics）记录包含 1 个（纳秒分辨率）时间戳和 3 个测量值，8 个标签值；货车的指标信息（readings）记录包含 1 个（纳秒分辨率）时间戳和 7 个测量值，8 个标签值。部分数据展示见图 1-1 和图 1-2。

图 1-1 diagnostics 部分示例数据

图 1-2 readings 部分示例数据

二、环境配置

三个数据库采用同一个服务器进行测试。

硬件配置

• CPU：Intel(R) Xeon(R) Silver 4216 CPU @ 2.10GHz
• CPU cores：64
• 内存：512G(32*16 DDR4 2400 MT/s)
• 硬盘：3.2 TB SSD

软件版本

• DolphinDB Server V3.00.5
• InfluxDB V1.8.10
• TimescaleDB V2.10.1

本次测试过程中，上述软件都采用单节点模式。

关键参数

分别设置各软件的关键参数以优化测试性能数据。

• DolphinDB

开启 TSDB 块缓存，调用 setTSDBBlockCacheSize(50) 函数设置为 50GB 。

• InfluxDB

cache-max-memory-size = "80g"
max-values-per-tag = 0
index-version = "tsi1"
compact-full-write-cold-duration = "30s"

将写缓存上限设置为 80GB，降低频繁刷盘对写入性能的影响； 取消 tag 值数量限制，避免高基数设备场景受限； 采用面向高基数场景的 TSI 索引，降低内存压力； 将完整压缩触发时间设置为 30 秒，加快数据整理与查询优化。

• TimescaleDB

按不同场景配置不同的 CHUNK_TIME，参数的设置如下表所示。

CHUNK_TIME：用于定义 TimescaleDB 中每个数据分块（chunk）覆盖的时间范围，即按多长时间切分一次时序数据。

三、写入性能对比

以下是5个场景中 DolphinDB、InfluxDB、TimescaleDB 的写入性能测试结果， 单位为万行/秒：

各场景磁盘占用量如下：

整体来看，DolphinDB 在各场景下均表现出更高的写入速率和压缩率，且在数据规模增大时优势更加明显。

随着设备规模增长，InfluxDB 与 TimescaleDB 的写入吞吐出现了明显衰减，而 DolphinDB 的下降幅度相对平缓。在 1000 万台设备的场景中，DolphinDB 的写入速度维持在 40.9万行/秒，InfluxDB 则下降至 2.4万行/秒，TimescaleDB 下降至 19.2万行/秒，差距扩大至 2.1倍～17倍。

DolphinDB 在 TSBS IoT 场景下展现出的高写入性能（最高可达 69.5万行/秒），得益于其存储引擎对 LSM-Tree 架构的深度优化。它通过将大量随机写入转换为高效的顺序写入，充分释放了磁盘带宽，有效避免了传统 B+ 树引擎在大规模写入场景下容易出现的性能瓶颈。

四、查询性能对比

我们从中选取三个典型场景展示 DolphinDB、InfluxDB、TimescaleDB 查询性能测试结果。

场景二：4000台设备测试

完整查询测试结果如下：

场景二查询性能对比表（单位： ms）

典型查询结果对比如下：

在场景二4000台设备的规模下，DolphinDB 在几乎所有查询项上的响应时间都更短、查询吞吐更高。在进行最新值查询时，得益于物联网点位管理引擎的最新值查询优化，DolphinDB 的响应时间能稳定保持在毫秒级。能够有效应对应用对应设备最新值查询的需求。

场景三：100,000台设备测试

场景三查询性能对比表（单位： ms）

在10万台设备的规模下，DolphinDB 展现了卓越的大规模设备管理能力，last-loc 这类高频点查性能仍能稳定在100毫秒以内，性能衰减速度远低于数据规模增长速度。

场景五：10,000,000台设备测试

场景五查询性能对比表（单位： ms）

在1000万台设备的规模下，DolphinDB 的性能优势进一步显现，与其他两者的查询性能差距扩大至900%，且最新值相关查询耗时在1秒左右，性能优异。

五、总结

在本次 TSBS IoT 场景测试中，DolphinDB 相较 InfluxDB、TimescaleDB，在写入吞吐、查询性能、数据压缩率等方面都表现出了极为突出的优势，特别是在十万、百万、千万级设备规模下，性能差距被逐步拉大。

目前，DolphinDB 已广泛应用于电力、高端制造、车联网、公用事业等各类物联网场景。无论是工业设备的健康管理，还是能源电力系统的实时监控，DolphinDB 都能凭借强大的存算能力，为企业提供稳定、高效的解决方案。