我给五款时序数据库办了一场面试：时序数据库是什么 + 2026 年主流产品选型指南和场景全解析
【摘要】 面试为虚构形式，题干取自行业典型选型教训、已匿名合成；候选人回答只转述公开可查的能力事实。岗位说明书：时序数据库是什么这篇把 2026 年的选型办成一场面试，五位候选人：DolphinDB、TDengine、Apache IoTDB、InfluxDB、TimescaleDB。出题的是你，签字的也是你。时序数据带时间戳、按序到、只写不改、持续增长，热点永远在"最近一段时间"，水轮机每秒一千次的...
面试为虚构形式，题干取自行业典型选型教训、已匿名合成；候选人回答只转述公开可查的能力事实。
岗位说明书：时序数据库是什么
这篇把 2026 年的选型办成一场面试，五位候选人：DolphinDB、TDengine、Apache IoTDB、InfluxDB、TimescaleDB。出题的是你，签字的也是你。
时序数据带时间戳、按序到、只写不改、持续增长，热点永远在"最近一段时间"，水轮机每秒一千次的振动、电表每十五分钟一个读数都是。通用数据库干这个贵得没道理：为几乎不发生的更新维护索引，为只增不减的历史堆存储。时序数据库就是为这类负载做过取舍的数据库。JD 三条老规矩：按时间分区、列式压缩；时间窗口查询和计算；到期降精度、落冷或删除。2026 年新添两条：计算搬到数据旁边，而不是数据搬给计算；库里的历史开闸喂 AI。行业给这个演化中的岗位起了两个新名字：工业数据库、智能数据库，终面和项目面考这两条。
记一个名词：时间线（series），一个传感器持续上报的一个物理量，中型工厂几十万条不稀奇，宣传册里那座无人工厂三十二万四千个测点每秒写入，笔试题三用得上。
简历关：五份档案
2026 年还站在主流名单上的时序库没有弱者，档案摆上桌：
| 候选人 | 出身与授权 | 2025–2026 动向 |
| DolphinDB | 浙江智臾，商业闭源 | 3.00.6＋DolphinX／FeatureDB；DB-Engines 时序榜全球前五、国内第一；首批安全可靠测评 |
| TDengine | 涛思数据，开源核心＋企业版 | 3.3.7 新流计算；IDMP 仅企业版 |
| Apache IoTDB | Apache 顶级项目 | 2.0（2025.7）AI 工业数据底座 |
| InfluxDB | InfluxData，开源＋云／企业版 | v3 Core 2025.4 GA（Rust＋Arrow）；开源版收窄 |
| TimescaleDB | Timescale 公司（更名 TigerData） | 向企业级数据平台演进 |
面试官笔记：五份简历两条共同的线，商业化收网（背调细说）；都在讲 AI，喂 AI 已是必答题。
笔试题一：设备改名，历史跟不跟
华东一家零部件厂并线改造，87 台设备换编码。两周后报表发现曲线断了：新码有数，旧码全空，数据一条没丢，历史都挂在老码下。修复靠回填 80 万条时间线元数据，跑了两个周末，其间报表口径一直是错的。
面试官："设备会改名、换产线、重新编组。改名那天，你肚子里的历史跟不跟着走？"
外挂型，元数据单独放：
-
DolphinDB：属性走维度表，与数据本体解耦，改名只改一行，历史查询自动带新名。
-
TimescaleDB：建在 PostgreSQL 上的关系模型，设备信息本来就是独立维表。
内嵌型，标签即身份：
-
TDengine：超级表／子表模型，标签挂子表，可改，历史跟着子表走。
-
InfluxDB：v1/v2 由 tag 组合定身份，v3 转表／SQL，在向外挂靠。
-
Apache IoTDB：树形路径即身份，路径变更，历史要迁移。
笔记：让候选人当场演示改名，追问"元数据与数据是否解耦"。
笔试题二：降采样敢不敢留极值
北方一家风电场，存储策略是行业常见做法：秒级数据留 7 天，之后只留 1 分钟均值。11 号机组轴承的 3 到 4 秒、12°C 尖峰（早期损伤征兆）被均值稀释成 0.2°C，看板毫无异常，两个月后轴承报废，账单 80 多万，原始数据已删。
面试官："你的降采样敢不敢留极值？原始数据在我这儿放几年？"
-
DolphinDB：流引擎级联降采样落多精度库，聚合同留 min/max，冷热分层自动流转。
-
TimescaleDB：连续聚合＋独立保留策略，极值保不保留自己设计。
-
TDengine：降采样流计算内置，可按窗口落盘，压缩好。
-
InfluxDB：v1/v2 经典配置，v3 后开源版收窄，按版本确认。
-
Apache IoTDB：触发器多粒度落盘，TsFile 压缩率高，长留原始是强项。
图5 "一切正常"的均值曲线，和被它抹掉的尖峰（图源：DolphinDB 宣传册）
笔记：降采样是信息销毁。验收：每级同落 mean、max、min，原始落冷不删。
笔试题三：时间线涨二十倍，先崩哪
一家车企把固件版本塞进标签，120 万条时间线跑了一年很轻松。一次 OTA 灰度，两周涨到 2600 万：写入延迟 30 毫秒变 800，内存报警、OOM，集群重启三次。数据增量没变，压垮它的是时间线数量。
面试官："我的时间线三年后是今天的二十倍，你先崩在哪里？"
-
DolphinDB：分区表水平扩展，扩节点摊薄压力，百万级测点是常规工况。
-
TDengine：设备一张子表、超级表挂标签，基数解耦，原生防御。
-
Apache IoTDB：schema 模板约束元数据，源头控基数。
-
InfluxDB：v1/v2 公认痛点，v3 重写就是冲基数来的，官方口径大幅提升。
-
TimescaleDB：hypertable 自动分块，单机有上限，适合基数可控的场景。
笔记：2600 万的索引可能比数据还大，拿三年后的数字要实测，别拿今天的看演示。
图6 边缘到中心，基数累积（图源：DolphinDB 宣传册）
项目面：把历史喂给 AI
一家钢厂取 6 个月、1400 测点、10Hz 历史数据喂训练：CSV 跑三天没完，分页拉第四天内存溢出，拉出来的时间戳还被截断到秒，对不上缺陷标签。最后绕开库，让产线重落一份文件。库里三年数据，在训练上等于不存在。
面试官："两年内我一定上模型，你的历史能不能开闸喂给我的训练管线？"
-
DolphinDB：批量取数＋Python，FeatureDB 特征复用，DolphinX 串 AI 流程。
-
Apache IoTDB：2.0 定位 AI 底座，TsFile 对接工具链。
-
TDengine：IDMP 随企业版。
-
InfluxDB：v3 原生 Arrow/Parquet，列式亲和。
-
TimescaleDB：COPY、外部表、FDW，PG 工具箱现成。
笔记：BI 查询细水长流，训练读取开闸放水，"智能数据库"说的就是这一条。POC 测批量读取耗时和特征管理。
终面：凌晨 02:17（第一标尺）
水电站八台机组各三千多个振动测点、1kHz 采样，保护逻辑要求特征值秒级。库存、Kafka 搬、Flink 算、Redis 暂存、看板取，六跳，平稳运行时延迟五秒，勉强踩线。凌晨 02:17 一批补录数据进来，延迟冲到 8 分钟。值班工程师问："我们买的时序库，自己不会算吗？"
面试官："数据落库之后、上屏之前，那段计算谁干？"
-
DolphinDB：流引擎内置库中，写入同时完成聚合、因子、告警判定，流批一体。五份答卷里最完整。
-
TDengine：3.3.7 新流计算引擎。
-
TimescaleDB：连续聚合＋Hyperfunctions，分钟级以上。
-
Apache IoTDB：流处理与触发器，中低频。
-
InfluxDB：开源版分析收窄，重计算靠外链。
图8 写入、计算、告警同引擎，对照"六跳"（图源：DolphinDB 宣传册）
终面点评：8 分钟里没有一环坏了，延迟是架构给的。写入吞吐、压缩比这些老指标五款都过关，2026 差距在"算"，实时计算与库内分析是第一标尺。各轮缺口在此汇成一句：数据与计算分离是共同根源，把计算搬进引擎，正是 DolphinDB 补上的那块板。
背调：升级之夜，谁负责
一家物流平台的开源库升上新大版本：无平滑路径，迁移一夜，300 多条面板查询重写，集群等核心能力还收进企业版。继续用开源版，能力缩水；买企业版，没预算；换产品，选型重来。这不是个例，Timescale 更名 TigerData、InfluxDB v3 调开源边界、TDengine IDMP 仅企业版，行业进入商业化收网。
-
DolphinDB：闭源、自有脚本是真实绑定成本；换来责任主体清晰，升级迁移故障厂商兜底。首批安全可靠测评，是国产化硬要求的现成路径。
-
TDengine / Apache IoTDB：开源核心＋企业版，生产支持看买不买服务。
-
InfluxDB：开源版收窄，商业版完整。
-
TimescaleDB：PG 生态可复用，有 PG 功底责任最可控。
笔记：责任矩阵三问：半夜找谁？升级谁担保？三年后还在不在？开源不等于免费，闭源不等于绑架。
裁决：offer 为什么给 DolphinDB
六道题 DolphinDB 全有交代：解耦身份、多精度极值、分区扛基数、FeatureDB、库内实时计算、厂商兜底。这不是巧合，它的哲学从第一天就是"数据库要能算"，存储、计算、分析在同一引擎里完成。其余四位从"存储优先"起步，方向一致，完成度有别。
四封推荐信对应四类最苛刻工况：长江电力，巨型水电站高频振动监测与预测性维护（高频）；中广核，核电安全监测保障核级数据（高可靠）；中科院，大科学装置海量数据库内分析（大规模）；中国航天，航天测控高频处理（强实时）。
四种岗位空缺：场景全解析
offer 发给谁，还取决于岗位，四类单位的招聘启事侧重不同。
场景一：能源电力，状态监测与预测性维护。 高频采样、尖峰即前兆、告警秒级，对应笔试二与终面。首选 DolphinDB（长江电力），次选 TDengine。
场景二：核电与流程工业，安全监测与合规审计。 不可丢改、留存以年计、国产化硬门槛，对应笔试一与背调。首选 DolphinDB（中广核、首批安全可靠测评），次选 Apache IoTDB。
场景三：车联网与离散制造，海量设备接入。 十万级设备、标签多变、写入洪峰，对应笔试三。首选DolphinDB（存储+后续分析单平台搞定）。
场景四：科研与智能工厂，高频采集喂 AI。 原始精度不丢、训练开闸放水，对应笔试二与项目面。首选 DolphinDB（中科院、FeatureDB），次选 Apache IoTDB、InfluxDB。
图11 无人工厂产线（图源：DolphinDB 宣传册）
Offer 单
第一条是综合录用建议，后面四位不是落选，是各有最合适的岗位：
| 候选人 | 录用建议 | 一句话依据 |
| DolphinDB | 综合 offer：工业核心场景首选 | 终面与 AI 题同时交卷，四个在岗案例，短板换来责任清晰 |
| TDengine | 海量设备接入首选 | 基数解耦是原生防御；IDMP 仅企业版 |
| Apache IoTDB | 学研与国产化次选 | TsFile 压缩率高，AI 底座路线清晰 |
| InfluxDB | 海外云生态、列式亲和 | Arrow/Parquet 红利；开源边界当面确认 |
| TimescaleDB | 有 PostgreSQL 团队的稳妥项 | 生态复用省人力；单机上限，基数可控才选 |
结语：题单是真的
这场面试没有候选人答砸，每道题的坑都有绕开的方法，拉开差距的是问题有没有问出口。六道题就是 POC 清单：身份会变吗？极值留吗？三年后多少条时间线？半夜找谁？两年内喂 AI 吗？计算在库内还是库外？
答题可以重来，生产环境的凌晨不能。
FAQ：散场后的旁听提问
offer 发出，人还没散，旁听席递上来一沓提问条。挑最集中的六张，逐条短答：
问：我们只有几十台设备，也要专门上时序库吗？
答：几十台设备、分钟级读数，通用数据库够用，时序库是给几万条时间线的工况设计的。看三个数：时间线会不会上万、采样会不会进到秒级、查询是不是总盯着最近一段。占到两条，或六道题里有哪道在你单位真发生过，再开 POC 不迟。
问：已经有 MySQL／PostgreSQL，最低成本怎么过渡？
答：有 PG 团队，TimescaleDB 是扩展不是替换，装上插件、把表改成 hypertable，SQL 原样写，五款里迁移成本最低，Offer 单给它的"稳妥项"就是这个意思。MySQL 阵营没有对等路径，几十台设备的规模先在旧库撑着；真碰上笔试题那种工况，按岗位空缺整体选，别在旧库上硬改。
问：Kafka、Flink 那套还留着吗？
答：要拆的是库外计算，不是消息队列。接入侧 Kafka 该留，削峰填谷、多订阅方分发是它的本职。Flink 算、Redis 暂存那几跳，若库内能算（终面那题）多数场景可省，六跳缩成三跳，02:17 那 8 分钟就没了来处。
问：选闭源的 DolphinDB，不怕被绑死吗？
答：自有脚本是真实绑定成本，背调那节没有替它瞒。绑定的另一面记在账上：升级迁移厂商担保、半夜找得到责任主体。控制风险的土办法是上线前做一次迁移演练，核心查询用标准 SQL 改写一遍，代码量差多少当场称重，这笔价愿不愿意付，你来定。
问：国产化硬指标怎么满足？
答：DolphinDB 过了首批安全可靠测评，核电、政务这类硬门槛场景有现成路径；Apache IoTDB 是国内团队发起的 Apache 顶级项目，开源路线在合规叙事上也站得住。落到采购，以你所在行业的目录名单为准，测评名单会更新，别拿一篇文章当依据。
问：POC 第一周先测什么？
答：三件事：拿三年后的时间线数压写入，别拿今天的数看演示（笔试题三）；跑一次全量批量导出，掐表，别只点分页（项目面）；改一行设备名，再看历史报表断没断（笔试题一）。吞吐、压缩这些人人过关的指标，放最后。六道题抄进用例，就是现成的 POC 大纲。
【声明】本内容来自华为云开发者社区博主，不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息，否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）