最近在帮一个做智能制造的朋友做技术选型，他们工厂有 5000+ 设备要接入，每秒产生几十万数据点，问我时序数据库该怎么选。聊完之后我发现，这个问题其实挺有代表性的——市面上时序数据库不少，但真正适合工业场景的，选择标准和互联网监控场景完全不一样。

一、工业场景的特殊性：不只是"存得下、查得快"

很多人选时序数据库，第一反应是看性能指标——每秒写入多少万条、查询延迟多少毫秒。但工业场景的痛点，远不止这些。

1. 设备数量多，但单设备数据点不算多

互联网监控可能是少量服务器、每台几百个指标；工业场景是几千台设备、每台几十个测点。这种"高设备数、中等测点数"的模型，对数据库的时间线管理能力要求很高。

2. 数据要关联分析，不是简单存档

温度超标要联动看电压、转速、负载，故障诊断需要跨设备多参数判定。传统时序库擅长单指标趋势查询，但多参数联动分析往往要写一堆外部脚本，维护成本高。

3. 国产化和成本敏感

制造业利润薄，对成本极其敏感。而且现在很多项目有国产化要求，开源协议、技术自主性都是考量因素。

二、三款数据库的技术路线对比

TDengine：专为物联网优化的"一体化方案"

核心特点：

• "一个设备一张表"模型：天然契合工业场景，每台设备独立建表，查询时通过超级表统一管理
• 集成缓存、流计算、消息队列：不需要额外搭 Redis、Kafka、Flink，降低架构复杂度
• SQL 支持完整：标准 SQL，学习成本低

性能表现：
根据 TSBS 基准测试，在千万设备级场景下，TDengine 写入性能是 InfluxDB 的 5-16 倍，复杂查询（如双重分组聚合）性能优势达到 20-60 倍。

适用场景：
大规模设备接入、需要实时流计算、希望简化技术栈的工业项目。

潜在问题：

• 社区生态相比 InfluxDB 还在成长期
• AGPL 协议，如果要商业化二次开发需注意授权

openGemini：华为开源的"高性能国产选择"

核心特点：

• 华为云数据库内核开源：兼容 InfluxDB 和 Prometheus API，迁移成本低
• 多核并行 + 数据分级存储：针对海量数据优化，支持每天万亿指标写入
• 国产化属性：Apache 2.0 协议，满足信创要求

性能表现：
官方测试显示，30 万时间线场景下写入性能 46 万 rows/sec，相比 InfluxDB 2.x 提升 5 倍；复杂查询场景（如 double-groupby）性能提升 3-10 倍。

适用场景：
有国产化要求、数据量特别大（PB 级）、已有 InfluxDB 生态想平滑迁移的项目。

潜在问题：

• 开源时间较短（2022 年），社区成熟度不如 TDengine 和 InfluxDB
• 文档和案例相对较少，踩坑时可能需要自己摸索

InfluxDB：老牌时序库的"生态优势"

核心特点：

• Tagset 数据模型：标签化管理，适合结构化时序数据
• 生态成熟：Grafana、Telegraf 等工具无缝对接
• InfluxQL + Flux 双查询语言：灵活但学习曲线陡峭

性能表现：
在中小规模场景（几千设备）表现稳定，但在大规模场景（百万设备）下，写入性能和复杂查询会成为瓶颈。TSBS 测试中，部分复杂查询会出现 OOM（内存溢出）。

适用场景：
中小规模监控、对生态工具依赖强、团队已熟悉 InfluxDB 的项目。

潜在问题：

• 集群版不开源，企业版价格不菲
• 大规模场景性能瓶颈明显

三、选型决策树：三个问题定方向

问题 1：设备规模多大？

• < 5000 设备：三款都能胜任，优先考虑团队熟悉度和生态需求
• 5000 - 5 万设备：TDengine 和 openGemini 优势明显
• > 5 万设备：TDengine 或 openGemini，InfluxDB 开源版基本不考虑

问题 2：有没有国产化要求？

• 有明确要求：openGemini（Apache 2.0）或 TDengine（需评估 AGPL 影响）
• 无要求：三款都可选

问题 3：技术栈复杂度能接受多少？

• 希望简化架构：TDengine（内置缓存、流计算）
• 已有成熟监控体系：InfluxDB（生态对接方便）
• 追求极致性能：openGemini 或 TDengine

四、实战建议：别只看 Benchmark

1. 一定要用真实数据测试

Benchmark 是理想环境，你的数据模型、查询模式可能完全不同。建议：

• 导入 1 周真实数据
• 跑 10 个最常用的查询
• 模拟故障场景（如节点宕机、网络抖动）

2. 关注总拥有成本（TCO）

不只是软件授权费，还要算：

• 服务器成本（存储压缩率直接影响硬件投入）
• 运维成本（架构越复杂，人力成本越高）
• 迁移成本（如果未来要换，数据迁移有多难）

3. 看社区活跃度和商业支持

开源项目最怕的是"用到一半没人维护了"。看看：

• GitHub Star 和 Issue 响应速度
• 有没有商业公司背书
• 文档和案例是否丰富

五、我的选型思路总结

如果让我给建议，我会这么选：

预算充足 + 追求稳定：TDengine 企业版，一体化方案省心，性能也扛得住

国产化 + 超大规模：openGemini，华为背书 + Apache 协议，性能天花板高

中小规模 + 生态依赖：InfluxDB 开源版，Grafana 等工具开箱即用

技术团队强 + 想折腾：三款都试试，根据实际场景深度调优

写在最后

时序数据库选型，没有"最好"只有"最合适"。工业场景的复杂性，决定了不能只看性能跑分，还要综合考虑架构适配度、运维成本、国产化要求。

TDengine 的一体化、openGemini 的国产高性能、InfluxDB 的成熟生态，各有千秋。关键是理解自己的业务特点，用真实数据验证，别被 PPT 和 Benchmark 带偏。

最后说一句：时序数据库只是工业数字化的一环，选对了能事半功倍，但选错了也不是世界末日——技术在进步，迁移方案也在成熟。重要的是，先跑起来，在实践中不断优化。

---