时序数据库 CeresDB 1.0 正式发布

代码主仓库的GitHub 地址为：https://github.com/CeresDB/ceresdb

CeresDB 1.0 官方文档：https://docs.ceresdb.io

CeresDB 团队已经在时序数据领域进行了5年的深耕。但是随着在领域内研究的深入以及用户场景的逐渐复杂化，我们发现了若干传统时序数据库尚未很好解决的一些技术问题，比如：

• 高效处理高基数 Tag 组合（时间线膨胀问题）与分析型工作负载

• 现代且完备的分布式技术方案

• 云原生与计算存储分离

因此，CeresDB 开源项目发起之初，我们就将其定义为下一代的云原生时序数据库。希望它能同时较好支持传统时间序列工作负载（timeseries workload）与分析型工作负载（analytic workload），并且能拥有一个现代的云原生分布式技术架构，支持从简单的单节点到庞大分布式集群等各种部署场景。

这样的设计目标，也直接决定了我们过去一年在研发 CeresDB 1.0 过程中主要的精力投入方向。目前，随着 CeresDB 1.0 的正式发布，我们认为以上问题均得到了基本的解决。

存储引擎

• 支持列式混合存储

• 高效 XOR 过滤器

云原生分布式

• 实现了计算存储分离（支持 OSS 作为数据存储，WAL 实现支持 OBKV、Kafka）

• 支持 HASH 分区表

部署与运维

• 支持单机部署

• 支持分布式集群部署

• 支持 Prometheus + Grafana 搭建自监控

读写协议

• 支持 SQL 查询与写入

• 实现了 CeresDB 内置高性能读写协议，提供多语言 SDK

• 支持 Prometheus，可以作为 Prometheus 的 remote storage 进行使用

多语言读写 SDK

• 实现了四种语言的客户端SDK：Java、Python、Go、Rust

这里简单介绍一下 CeresDB 在过去一年投入的几个重点方向的技术方案。由于篇幅限制，这里仅作简要说明。本文的最后包含 CeresDB 发布会技术分享视频，里面有更加详细的介绍。

存储引擎探索

经典时序模型会使用倒排索引的方式对数据进行组织。然而在某些场景如短生命周期 pod 监控、业务数据监控等，会产生高基数时间线，进而导致倒排索引膨胀问题，写入查询性能会急剧变差。

• 写入时由于索引的复杂性高，写入耗时变高

• 查询时由于索引的有效性低，查询耗时变高

下图为经典时序模型的示意图：

为了解决高基数的问题，CeresDB 受 InfluxDB IOx 以及各类分析型数据库的启发，采用以下方式对时序数据进行组织来实现存储和查询：

• 列式存储 + 混合存储

• 分区扫描 + 剪枝 + 高效 fitler

下图展示了 CeresDB 内部的数据组织形式：

CeresDB 采用存储计算分离架构，如下图所示。CeresDB 实例本身可以不存储任何数据，在此基础上可以较好实现关键的几项分布式特性，比如：计算存储弹性扩缩容、服务高可用和负载均衡等等。

CeresDB 分布式集群主要由以下部分组成：

• CeresMeta Cluster：集群的元数据中心，负责集群的整体调度；

• CeresDB：一个 CeresDB 实例, 负责时序数据组织与存储；

• WAL Service（外部）：WAL 服务，在集群方案中，用于存储实时写入的数据；

• Object Storage（外部）：对象存储服务，用于存储从 memtable 生成的 SST 文件。
  

  
  

详细的集群方案可以参看官方文档（https://docs.ceresdb.io/cn/design/clustering.html）

CeresDB 组合使用了列式混合存储、数据分区、剪枝、高效扫描等技术，解决海量时间线（high cardinality）下写入查询性能变差的问题。

写入优化

CeresDB 采用类 LSM（Log-structured merge-tree）写入模型，无需在写入时处理复杂的倒排索引，因此写入性能上较好。

主要采用以下技术手段提高查询性能：

剪枝：

• min/max 剪枝：构建代价比较低，在特定场景，性能较好

• XOR 过滤器：提高对 parquet 文件中的 row group 的筛选精度

高效扫描：

• 多个 SST 间并发：同时扫描多个 SST 文件

• 单个 SST 内部并发：支持 Parquet 层并行拉取多个 row group

• 合并小 IO：针对 OSS 上的文件，合并小 IO 请求，提高拉取效率

• 本地 cache：缓存 OSS 拉取文件，支持内存和磁盘缓存

采用 TSBS 进行性能测试。压测参数如下：

• 10个 Tag  

• 10 个 Field

• 时间线（Tags 组合数）100w 量级

压测机器配置：24c90g

InfluxDB 版本：1.8.5

CeresDB 版本：1.0.0

写入性能对比

InfluxDB 写入性能随着时间下降较多。CeresDB 在写入稳定后，写入速率趋于平稳，并且总体写入性能表现为 InfluxDB 的 1.5 倍以上（一段时间后可达 2 倍以上差距）

下图中，单行 row 包含 10 个 Field。

查询性能对比

低筛选度条件（条件：os=Ubuntu15.10），CeresDB 比 InfluxDB 快 26 倍，具体数据如下：

• CeresDB 查询耗时：15s

• InfluxDB 查询耗时：6m43s

高筛选度条件（命中的数据较少，条件：hostname=[8个]，此时理论上传统倒排索引会更有效），这是 InfluxDB 更有优势的场景，此时在预热完成条件下，CeresDB 比 InfluxDB 慢 5 倍。

• CeresDB：85ms

• InfluxDB：15ms

2023 年，在 CeresDB 1.0 发布之后，我们的大部分工作将聚焦在性能、分布式与周边生态方面的工作。尤其周边生态的对接支持工作，希望能让各种不同的用户更加简单的用上 CeresDB：

周边生态

• 生态兼容，包括 PromQL、InfluxdbQL、OpenTSDB 等常用时序数据库协议兼容

• 运维工具支持，包括 k8s 支持、CeresDB 运维系统、自监控等

• 开发者工具，包括数据导入导出等

性能

• 探索新的存储格式

• 增强不同类型索引，强化 CeresDB 在不同工作负载下的表现

分布式

• 自动负载均衡

• 提高可用性、可靠性

CeresDB 团队致力于将开源社区打造成一个开放和有创造力的社区。欢迎任何形式的参与，包括且不限于提问、代码贡献、技术讨论等。期待收到社区想法和反馈，以推动项目往前进一步发展。

• 邮箱: ceresdbservice@gmail.com

• 微信群：