Summary
深度对比InfluxDB、TDengine、IoTDB、MatrixDB、TimescaleDB五款时序数据库在工厂场景的适用性，从写入性能、压缩比、查询能力、集群能力、生态丰富度和运维复杂度等维度进行综合评价，给出基于数据量级的选型决策树，以及热冷数据分层管理策略和与数据湖的协同方案。
Key Claims
- 工厂设备时序数据具有有序性、高频写入、极少更新、批量读取和降采样需求的特征
- 以100台设备、每台1000采集点、1秒频率为例，每日新增约86亿条记录，关系型数据库难以承载
- TDengine在纯时序场景性能卓越（单机千万点/秒写入，10:1以上压缩比），适合大规模国产化方案
- TimescaleDB基于PostgreSQL生态，在混合场景中灵活度高，查询能力最强
- 数据生命周期管理策略：0-7天热数据在时序库，7-90天温数据在OLAP，90天以上冷数据在数据湖
Connections
- 数据采集层架构 — 时序数据库是采集层数据的核心存储引擎
- 工厂数据平台总体架构 — 时序数据库是数据存储层的关键组件
- 实时数据流水线 — 时序数据库支撑实时查询和看板场景
- SparkPerformance — 时序数据库与Spark在大规模离线分析场景中有协同需求
- DataWarehouse — 时序数据库处理热数据，数据湖处理冷数据，构成完整的存储体系