[TSDB] TimescaleDB(Timescale/TigerData):以 PostgreSQL 扩展形态存在的开源时序 SQL 数据库
1 TimescaleDB(Timescale/TigerData)
产品介绍
- 产品定位:TimescaleDB 是打包为 PostgreSQL 扩展的开源时序关系型数据库,在 100% 兼容 PostgreSQL SQL/生态的前提下,通过自动时间分区、列存压缩、连续聚合等能力优化时序写入与分析
- 诞生背景与原因:2017 年前后,监控/IoT/金融时序数据爆炸,而专用时序库(InfluxDB 等)要么放弃 SQL、要么放弃事务与 JOIN;Timescale 公司(现品牌 Tiger Data)的判断是"时序分析也能跑在 Postgres 上",于是以扩展形式增强 Postgres
tigerdata.com 官方博客回顾 2017-04-04 发布
-
解决的核心问题:让开发者用熟悉的 PostgreSQL(事务、JOIN、丰富生态)处理亿级时序数据,同时获得远超原生 Postgres 的写入吞吐、压缩与时间窗口聚合性能。
-
URLs:
发展历程
- 2017-04-04:TimescaleDB 首次对外发布(开源)【已查证:tigerdata.com 官方博客回顾】。
- 2018-12:许可证策略调整,拆分为 Apache-2.0 核心版 与 TSL(Timescale License)社区版【已查证:tigerdata.com/legal/licenses】。
- 2021 年起:陆续推出分布式 hypertable(多节点)、连续聚合物化视图、列式压缩(columnstore / Hypercore)等能力【一方称:官方 changelog 历史】。
- 2024-10:TimescaleDB 2.13 起弃用 PostgreSQL 13 支持【已查证:官方 changelog】。
- 2025-10(v2.23):引入自动列存(automatic columnstore)与连续聚合失效跟踪改进【已查证:官方 changelog】。
- 2026-03-24(v2.26):列存查询性能、压缩数据过滤效率大幅改进【已查证:tigerdata.com 官方 changelog】。
- 2026-05-12(v2.27):Bloom filter pruning 扩展到写入路径【已查证:tigerdata.com 官方 changelog】。
- 2026-06-30(v2.28.2):bugfix 版本【已查证:newreleases.io / pkgsrc-changes】。
- 2026-08-18(v2.29.2):宣布 v2.29 起停止支持 PostgreSQL 15,仅支持 PG16/17/18【已查证:newreleases.io 2.28.0 release 说明】。
- 2026-09(v2.30.x):进入 2.30 版本线(2.30.0 约 2026-09-21 由发行版打包,2.30.2 为追踪站所列最新版)【已查证:rpmfind.net / newreleases.io 版本列表】。
基本信息卡
| 项 | 值 |
|---|---|
| 开源/闭源 | 开源(双授权:Apache-2.0 核心 + TSL 社区版)【已查证:tigerdata.com/legal/licenses】 |
| 开发语言 | C(PostgreSQL 扩展)【一方称:SRA OSS 教程、官方仓库】 |
| 当前最新版本(2026-10 口径) | 2.30 版本线(追踪站列最新 2.30.2,约 2026-09 末;2.28.2 为 2026-06-30 稳定线)【已查证:newreleases.io / rpmfind】 |
| License | Apache-2.0(核心)+ Timescale License / TSL(社区高级功能,source-available,不得转售为托管服务)【已查证】 |
| GitHub Star | 约 23.6k stars、约 1.1k forks(第三方仓库镜像站快照:modern-datatools 2026-10-05 显示 23.6k;opensourcedrop 显示 23,641 stars / 1,166 forks)。注:GitHub REST API 直连本次抓取失败,Star 数以第三方镜像站为准;抓取日期 2026-10-09。信源:https://www.modern-datatools.com/tools/timescaledb |
| 维护组织 | Tiger Data(原 Timescale, Inc.)【已查证:tigerdata.com】 |
| 官网 URL | https://www.tigerdata.com/timescaledb 【已查证】 |
| GitHub URL | https://github.com/timescale/timescaledb 【已查证】 |
主要功能
- Hypertable(超表):透明地把一张逻辑表按时间(及可选空间分区)切成多个 chunk,对用户仍是一张表。
- 连续聚合(Continuous Aggregates):物化视图自动增量刷新,预计算小时/天级降采样。
- 列式压缩(Columnstore/Hypercore):历史 chunk 自动由行存转为列存,使用 RLE、delta、Gorilla 编码。
- 数据保留策略(Retention / TTL):按时间自动 drop 旧 chunk。
- 时间 bucket(
time_bucket):类date_trunc的灵活时间窗口聚合。 - 全部 PostgreSQL 能力:事务、JOIN、二级索引、窗口函数、PL/pgSQL、复制。
- 分布式 hypertable(多节点集群,TSL 高级功能)。
核心优势
- 100% PostgreSQL 兼容:任意 Postgres 客户端/Driver/ORM/备份工具直接可用,迁移成本极低【已查证:官方定位】。
- 开发体验统一:业务数据与时序数据同库 JOIN,无需在"关系库 + 时序库"间同步。
- 高压缩比:官方称列存压缩可节省 80%~95% 存储空间(官方决策框架表:压缩 90–97%)【一方称:tigerdata.com 官方页面】。
- 连续聚合 + 保留策略:把降采样与 TTL 内建为声明式 SQL,而非外部脚本。
- 生态成熟:Docker、K8s Helm、各大云厂商托管 Postgres(Azure、阿里云 PolarDB、VMware Postgres)均已集成【已查证】。
主要短板
- 写入吞吐上限受 Postgres 行存架构约束:典型场景为几万~十几万行/秒量级,低于专用列存时序库(官方宣称优化后可达 1.2M 行/秒,属理想基准)【一方称:tigerdata.com 官方对比表】。
- 高基数标签场景:相比 InfluxDB/VictoriaMetrics,在百万级标签基数的监控场景下索引与存储开销更大【一方称:第三方对比共识】。
- TSL 双授权争议:高级功能(分布式、部分压缩策略)为 source-available 而非 OSI 认证开源,不能直接拿来做托管服务。
- 版本跟随 Postgres:需同时维护 PG 大版本与 TimescaleDB 扩展版本(如 v2.29 起弃 PG15)。
潜在风险与局限性
- 许可证非纯开源(TSL 限制托管转售),企业法务需评估。
- 2026 年学术研究(MSST 2026 论文)指出:在 chunk 过小时,TimescaleDB 2.27 的 Hypercore 列存压缩反而可能增加最多 54% 存储——压缩效果依赖 chunk 调优,不是无条件收益【已查证:MSST26_paper_10.pdf】。
- 分布式集群为 TSL 功能,开源社区版只能单节点。
适用场景
- 已有 PostgreSQL 技术栈、希望"一套库搞定业务 + 时序"的团队(SaaS 产品分析、应用监控、IoT 设备数据、金融订单/行情辅助分析)。
- 需要事务/JOIN/复杂 SQL 的时序分析(如用户行为时序 + 业务维表 JOIN)。
- 不适合:超大规模纯监控指标(亿级时间序列标签)、超高吞吐纯写入流水线场景。
同类竞品
- InfluxDB(含 3.0)、Prometheus/VictoriaMetrics、Apache IoTDB、TDengine、openGemini(监控指标向);ClickHouse(分析向);kdb+/DolphinDB(金融 tick 向)。
发展趋势
- Star 趋势:截至 2026-10 约 23.6k stars、1.1k forks,近 90 天约 337 commits(modern-datatools 2026-10-05 快照),社区活跃度高【已查证:modern-datatools.com】。公司称已有"数百万下载、超 300 万活跃数据库"【一方称:tigerdata.com 官方博客】。
- 版本节奏:约 2–4 周一个小版本,持续向列存性能、自动压缩、Bloom 过滤裁剪方向演进。
- 总结:TimescaleDB 走"Postgres 原生时序"路线,靠生态兼容与连续聚合/压缩持续吃掉"不想引入专有时序库"的开发者市场,是开源时序中最贴近关系型数据库的一脉。
2 工作原理与核心架构
概念术语
- Hypertable:时序逻辑表,由多个 chunk 组成,对应用户透明。
- Chunk:按时间区间(可叠加空间分区)切出的物理表,是压缩与保留策略的最小单位。
- Columnstore / Hypercore:历史 chunk 压缩后的列式存储格式。
- Continuous Aggregate(CAgg):自动增量刷新的物化视图,用于降采样。
- Retention Policy:按时间自动删除旧 chunk 的策略(即 TTL)。
time_bucket:时间窗口聚合函数(类似 date_trunc 但可任意间隔)。- Compression:RLE(游程)、delta(差值)、Gorilla(浮点/整数)编码组合。
- Distributed Hypertable:多节点集群下跨节点分片的 hypertable(TSL)。
架构与运行原理
- 写入路径:客户端标准 SQL
INSERT→ PostgreSQL 解析器 → TimescaleDB 规划器把行路由到当前时间 chunk(行存 rowstore),写入即生效(事务)。 - 存储引擎:近期 chunk 为行存;达到压缩策略后由后台作业转为列式压缩;chunk 按时间目录组织。
- 查询路径:查询命中 hypertable → 规划器裁剪不相关 chunk(时间/空间/Bloom 过滤)→ 并行扫描行存或列存 → 可选命中连续聚合物化视图。
- 集群拓扑:社区版单实例;分布式版为 access node + data nodes 共享无架构(TSL)。
flowchart TD
APP[应用 SQL INSERT/SELECT] --> PG[PostgreSQL 进程]
PG --> HT[Hypertable 逻辑超表]
HT --> RC[近期 Chunk<br/>rowstore 行存 可写]
HT --> HC[历史 Chunk<br/>后台压缩为 columnstore]
HC --> CA[Continuous Aggregates<br/>连续聚合/降采样]
RC --> CA
RET[Retention 保留策略<br/>按时间 drop 旧 chunk] --> HT
Q[查询规划器<br/>时间/空间/Bloom 裁剪] --> RC
Q --> HC
Q --> CA
写入模式与查询特性
- 写入:标准 PostgreSQL append 语义(支持事务、乱序写入后可在未压缩 chunk 内修正);批量 COPY/多行 INSERT 吞吐更高;写入协议即 PG 原生协议(无专用线协议)。
- 查询特性:时间窗口聚合(
time_bucket)✓、连续聚合自动刷新 ✓、降采样 ✓、TTL 保留策略 ✓、插值对齐(time_bucket_gapfill等,部分 TSL)— 官方原生支持中等【一方称:官方文档】。
写入与查询性能特点
- 写入吞吐:官方决策框架表称"优化后峰值 1.2M 行/秒"(对比原生 Postgres 50K、InfluxDB 3.x 800K)【一方称:tigerdata.com 官方页面,未第三方复核】。
- 压缩比:官方称 90–97% 空间节省(架构 PDF 称最多减少 95%);第三方 ClickHouse 对比文称典型 5–10 倍压缩(即 80–90%)【一方称:fastero.com】。
- 查询延迟:官方博客称历史聚合比原生 Postgres 快最高约 1000 倍(理想基准)【一方称】;第三方 padho.ai 实测类场景 p99 查询约 200ms 量级。
- 高基数:未查到官方公开的百万基数压测数字,不杜撰。
- 学术警示:MSST 2026 指出 chunk 过小时压缩收益反转【已查证:MSST26 论文】。
支持的部署方式
- 单机自托管(Linux 包:apt/yum/官方仓库)【已查证:apt.postgresql.org 仓库 2026 年仍在持续发版】。
- Docker 官方镜像、K8s Helm chart【一方称:官方文档】。
- 托管云:Tiger Cloud(官方云)、Azure Database for PostgreSQL(集成 2.24.x)、阿里云 PolarDB Ganos TSDB【已查证】。
- Windows:无原生 Windows 服务端安装包,需 WSL/Linux 容器【一方称:官方文档未列 Windows 安装】。
重要依赖
- 强依赖 PostgreSQL:本身是 PG 扩展,需先安装 PostgreSQL;v2.29+ 要求 PostgreSQL 16/17/18(已弃 PG15)【已查证:newreleases release 说明】。
- 编译/运行依赖:PG server 头文件、CMake。
生态与集成
- 客户端:任意 PostgreSQL 驱动(psql、JDBC、psycopg、Go pgx 等);ORM(Hibernate、Django ORM、Prisma)无感接入。
- 可视化:Grafana 官方 Postgres 数据源、Tableau、Superset。
- 大数据:通过 PG 外表/FDW 与 Spark、Flink、Debezium 对接。
- 周边工具:timescaledb-tune(参数调优)、pg_dump/备份生态。
3 使用指南
- 安装(Linux):添加 Timescale 官方 apt/yum 源后
apt install timescaledb-2-postgresql-16,执行timescaledb-tune配置shared_preload_libraries='timescaledb'。详见 https://docs.timescale.com/ 【已查证】。 - Windows:无原生安装,建议 Docker Desktop 跑官方镜像或 WSL 内 Linux 安装【一方称】。
- 关键操作示例:
-- 1) 建扩展与 hypertable
CREATE EXTENSION IF NOT EXISTS timescaledb;
CREATE TABLE metrics(ts TIMESTAMPTZ NOT NULL, device_id INT, cpu DOUBLE);
SELECT create_hypertable('metrics','ts');
-- 2) 写入(标准 INSERT)
INSERT INTO metrics VALUES (now(), 1, 0.42);
-- 3) 时间窗口聚合 + 连续聚合 + 7 天 TTL
SELECT date_trunc('hour', ts) h, avg(cpu) FROM metrics GROUP BY h;
CREATE MATERIALIZED VIEW cpu_hourly WITH (timescaledb.continuous)
AS SELECT time_bucket('1 hour', ts) b, device_id, avg(cpu) FROM metrics GROUP BY b, device_id;
SELECT add_retention_policy('metrics', INTERVAL '30 days');
Z FAQ for TimescaleDB
Q: TimescaleDB 是真正的开源软件吗?
A:核心引擎(hypertable、基础压缩等)为 Apache-2.0;但分布式 hypertable、部分高级压缩/连续聚合能力在 TSL(Timescale License) 下,属 source-available——可免费自用,但不能直接拿来做商业托管服务【已查证:tigerdata.com/legal/licenses】。
Q: 它和直接用 PostgreSQL 有什么本质区别?
A:表面都是 SQL,区别在引擎层:超表自动按时间切 chunk、后台把历史数据转列存压缩、声明式连续聚合与 TTL 策略——这些是原生 Postgres 没有的时序专用优化【已查证:官方架构文档】。
Q: 现在还支持哪个版本的 PostgreSQL?
A:2026 年的 v2.29 起仅支持 PostgreSQL 16/17/18,PostgreSQL 15 已于 v2.29 被弃【已查证:newreleases.io 2.28.0 release 说明】。
Q: 压缩是不是越多越好?
A:不是。2026 年 MSST 学术论文实测,chunk 过小时 Hypercore 列存压缩反而可能多占 54% 空间;压缩窗口与 chunk 时长需要按数据量调优【已查证:MSST26_paper_10.pdf】。
Y 推荐文献
- Timescale DB
X 参考文献
- TimescaleDB 产品页 - tigerdata.com
- Software Licensing: Timescale License (TSL) - tigerdata.com
- TimescaleDB editions 对比 - tigerdata.com
- TimescaleDB changelog - tigerdata.com
- 2.28.2 release(2026-06-30)- newreleases.io
- 2.28.0 release 说明(v2.29 弃 PG15)- newreleases.io
- postgresql18-timescaledb-2.30.0 RPM(2026-09)- rpmfind.net
- TimescaleDB 仓库快照(23.6k stars)- modern-datatools.com
- TimescaleDB 仓库快照(23,641 stars / 1,166 forks)- opensourcedrop.com
- DB-Engines TimescaleDB 条目 - db-engines.com
- How to Choose a Database(官方对比表:1.2M rows/sec、90-97% 压缩)- tigerdata.com
- MSST 2026 论文 PDF
- InfluxDB vs TimescaleDB 对比(含 License)- influxdata.com
本文作者:
千千寰宇
本文链接: https://www.cnblogs.com/johnnyzen
关于博文:评论和私信会在第一时间回复,或直接私信我。
版权声明:本博客所有文章除特别声明外,均采用 BY-NC-SA 许可协议。转载请注明出处!
日常交流:大数据与软件开发-QQ交流群: 774386015 【入群二维码】参见左下角。您的支持、鼓励是博主技术写作的重要动力!
本文链接: https://www.cnblogs.com/johnnyzen
关于博文:评论和私信会在第一时间回复,或直接私信我。
版权声明:本博客所有文章除特别声明外,均采用 BY-NC-SA 许可协议。转载请注明出处!
日常交流:大数据与软件开发-QQ交流群: 774386015 【入群二维码】参见左下角。您的支持、鼓励是博主技术写作的重要动力!

浙公网安备 33010602011771号