时序数据库为度量数据的写多读少特征做出的激进存储取舍

用传统关系数据库存度量指标效果不理想——书中给出一个200节点、200指标、 秒级采集频率的中等规模系统估算：200×200×86400=34.56亿条记录/天，远超 这类系统本身业务数据的量级。观察一条真实的Prometheus度量数据（时间戳+ 指标名+标签组+指标值）能看出关键特征：除时间外指标不与其他因素关联， 没有嵌套、没有关联、没有主外键，不需要范式和事务——这些特征恰好都是 可以针对性优化的地方，时序数据库就是为此而生。度量数据还有一个经验 规律（Facebook的研究）：85%的查询只与最近26小时的写入相关，95%以上的 操作是写操作，且数据通常只追加、很少删改甚至不允许删改。基于”数据热点 集中在近期、多写少读、几乎不删改、只顺序追加”这几个特点，时序数据库 被允许做出比传统数据库激进得多的取舍：用日志结构合并树（LSM-Tree） 取代B+树作为存储结构（LSM本就适合写多读少且几乎不删改的场景）；设置 激进的数据保留策略，按过期时间（TTL）自动删除旧数据以节省空间、提高 查询性能（这在传统数据库里是不可想象的操作）；对旧数据做重采样 （Resampling）降低精度换空间——最近几天精确到秒，一个月前只需精确到 天，一年前精确到周即可。更极端的形式是轮替型数据库（RRD），用环形缓冲 思路只保留固定数量的最新数据，超期数据被直接轮替覆盖，因此虽然数据库 容量固定，却能接收无限量的输入。