基于 TSBS 标准数据集，TDengine Database 团队对时序数据库（Time Series Database，TSDB） InfluxDB 和 TDengine 针对 TSBS 指定的 DevOps 中 cpu-only 五个场景进行了写入性能的对比测试。
点击这里，查看相关背景介绍及软件配置。
在 TSBS 全部的 cpu-only 五个场景中，TDengine 写入性能均优于 InfluxDB。相对于 InfluxDB，TDengine 写入速度最领先的场景是其 10.6 倍（场景五），最少也是 3.0 倍（场景一)。此外，TDengine 在写入过程中消耗了最少 CPU 资源和磁盘 IO 开销。
1 不同场景下写入性能对比
可以看到在全部五个场景中，TDengine 的写入性能全面超越 InfluxDB。TDengine 在场景五中写入性能是 InfluxDB 的 10.63 倍，在差距最小的场景一中也有 3.01 倍。
2 写入过程资源消耗对比
数据写入速度并不能够全面的反映 TDengine 和 InfluxDB 在不同场景下数据写入的整体表现。为此我们以 1,000,000 devices × 10 metrics （场景四）为例，检查数据写入过程中的服务器和客户端（包括客户端与服务器）的整体负载状况，并以此来对比 TDengine 和 InfluxDB 在写入过程中服务器/客户端节点的资源占用情况，这里的资源占用主要包括服务器端的 CPU 开销/磁盘 IO 开销和客户端 CPU 开销。
2.1 服务端 CPU 开销
图 2 展示了在场景四写入过程之中服务器端 CPU 负载状况。可以看到，TDengine 和 InfluxDB 在返回给客户端写入完成消息以后，都还继续使用服务器的资源进行相应的处理工作，InfluxDB 使用了相当多的 CPU 资源，瞬时峰值使用了全部的 CPU 资源，其写入负载较高，并且其持续时间远长于 TDengine。两个系统对比，TDengine 对服务器的 CPU 需求最小，峰值也仅使用了 17% 左右的服务器 CPU 资源。由此可见，TDengine 独特的数据模型对于时序数据写入不仅在性能上，在整体的资源开销上也具有非常大的优势。
2.2 磁盘 I/O 对比
图 3 展示了 1,000,000 devices × 10 metrics （场景四）数据写入过程中服务器端磁盘写入状态。可以看到，结合着服务器端 CPU 开销表现，其 IO 动作与 CPU 呈现同步的活跃状态。
写入相同规模的数据集，TDengine 在写入过程中对于磁盘写入能力的占用远小于 InfluxDB，写入过程只占用了部分磁盘写入能力（125MiB/Sec. 3000IOPS）。从图上能看到，数据写入过程中磁盘的 IO 瓶颈是确实存在的。InfluxDB 长时间消耗完全部的磁盘写入能力，远超过了 TDengine 对磁盘写入能力的需求。
2.3 客户端 CPU 开销
从图 5 可以看到，客户端上 TDengine 对 CPU 的需求大于 InfluxDB， InfluxDB 在整个写入过程中，客户端负载整体上来说，计算资源占用较低，对客户端压力小，其写入的压力基本上完全集中在服务端。这种模式很容易导致服务端成为瓶颈。TDengine 在客户端的开销最大，峰值瞬间达到了 56%，然后快速回落。综合服务器与客户端的资源开销来看，TDengine 写入持续时间更短，在系统整体 CPU 开销上 TDengine 仍然具有相当大的优势。
3 总结
在全部的场景中，写入性能超过 InfluxDB。在整个写入过程中，TDengine 在提供了更高的写入能力的前提下，不论是服务器的CPU 还是 IO，TDengine 均远优于 InfluxDB。对于服务器的磁盘IO开销远小于 InfluxDB。即使加上客户端的开销统计，TDengine 在写入开销上远优于 InfluxDB。
>> InfluxDB vs. TDengine 其他性能对比测试具体结果与分析
