工业物联网时序数据库选型：InfluxDB 与 Apache IoTDB 对比

注：数据基于真实风电场采集场景估算，开启 SNAPPY 压缩。

四、代码实战：高吞吐写入

Talk is cheap, show me the code. 在选型中，开发体验同样重要。

IoTDB 提供了极其高效的 Session 接口（原生 TCP 连接），支持**Tablet（类似 DataFrame）**的批量打包写入模式，这是实现单机每秒数千万点写入的关键。

以下是一个使用 Java 写入数据的标准范例，展示了其类型安全和批处理能力：

import org.apache.iotdb.session.Session;
import org.apache.iotdb.tsfile.file.metadata.enums.TSDataType;
import org.apache.iotdb.tsfile.write.record.Tablet;
import org.apache.iotdb.tsfile.write.schema.MeasurementSchema;
import java.util.ArrayList;
import java.util.List;

public class IoTDBBenchmark {
    public static void main(String[] args) throws Exception {
        // 1. 初始化 Session
        Session session = new Session("127.0.0.1", 6667, "root", "root");
        session.open();
        // 2. 定义设备路径和传感器
        String deviceId = "root.factory.line1.device1";
        List<MeasurementSchema> schemaList = new ArrayList<>();
        schemaList.add(new MeasurementSchema("temperature", TSDataType.FLOAT));
        schemaList.add(new MeasurementSchema("speed", TSDataType.DOUBLE));
        schemaList.add(new MeasurementSchema("status", TSDataType.BOOLEAN));
        // 3. 创建 Tablet (类似于一个数据块，这里设置容量为 100 行)
        Tablet tablet = new Tablet(deviceId, schemaList, 100);
        // 4. 模拟数据写入
        long timestamp = System.currentTimeMillis();
        for (long row = 0; row < 100; row++) {
            int rowIndex = tablet.rowSize++;
            tablet.addTimestamp(rowIndex, timestamp + row);
            // 写入值
            tablet.addValue("temperature", rowIndex, 25.5f + (float)Math.random());
            tablet.addValue("speed", rowIndex, 1000.0d + Math.random() * 100);
            tablet.addValue("status", rowIndex, true);
            // 如果 Tablet 满了，就发送一次
            if (tablet.rowSize == tablet.getMaxRowNumber()) {
                session.insertTablet(tablet);
                tablet.reset();
            }
        }
        // 发送剩余数据
        if (tablet.rowSize != 0) {
            session.insertTablet(tablet);
            tablet.reset();
        }
        System.out.println("数据写入完成！");
        session.close();
    }
}

这段代码体现了 IoTDB 的 insertTablet 接口优势：减少网络开销，一次传输多行多列数据。相比于 SQL 拼接插入，性能提升至少一个数量级。

五、杀手级特性：端云协同

这是 IoTDB 区别于其他国外数据库最显著的架构优势。

在传统的方案中（如使用 InfluxDB 或 MySQL），如果要在边缘端（工控机）采集数据并同步到云端，通常需要部署复杂的 ETL 工具（如 Kafka + Spark Streaming），架构极其臃肿，维护成本高昂。

IoTDB 利用 TsFile 文件格式的封闭性，原生支持 TsFile Sync 技术。

1. 端侧：轻量级 IoTDB 实例将数据写入本地 TsFile。
2. 传输：通过 Sync 工具，直接将生成好的 TsFile 文件'搬运'到云端。
3. 云端：云端 IoTDB 直接加载文件，无需重新解析和写入 WAL。

边缘端 (Edge) 写入落盘 TsFile Sync 工具传输云端 (Cloud) 查询 IoTDB 云端实例加载模块数据分析/应用 IoTDB 边缘实例传感器数据 TsFile 文件

这种模式极大地降低了带宽消耗（因为传输的是压缩后的文件），并且在断网情况下天然支持断点续传。

六、总结

在时序数据库的选型中，没有最好的，只有最合适的。

如果你的场景是简单的服务器指标监控，InfluxDB 依然是不错的选择。但如果你身处工业互联网、能源管理、车联网等领域，面临着海量设备接入、超高压缩比需求以及复杂的端边云协同场景，Apache IoTDB 无疑是架构上的更优解。

它不仅是一个数据库，更是一套完整的物联网数据管理引擎。