涛思数据 TDengine 征稿— 利用python脚本做TDengine性能测试

谁借莪１个温暖的怀抱￠ 2021-07-26 16:18 801阅读 0赞

【本文正在参与 “拥抱开源 | 涛思数据 TDengine有奖征稿】[https://marketing.csdn.net/p/0ada836ca30caa924b9baae0fd33857c][https_marketing.csdn.net_p_0ada836ca30caa924b9baae0fd33857c]

设备上传的数据具有很明显的物联网特点，通常是时序性的，按时间先后顺序上报，而且写入后，几乎不会修改，主要是查询和统计。针对这些特点，时序数据库TDengine 将数据库、消息队列、缓存、流式计算等功能融合一起,在大幅提高性能的同时，降低平台开发维护的复杂度和成本。

*  实现方案
    
    1.  **服务端安装**

官网提供了三种格式的安装包其中deb支持ubuntu系统，rpm支持centos系统，tar.gz包两种系统都支持。我们常用centOS，下载tar.gz包。

1、解压

tar -xzvf /home/tdengine/TDengine-server-1.6.5.5-Linux-x64.tar.gz

![20200822113735638.png][]

2、安装

解压文件后，进入子目录，执行其中的install.sh安装脚本：

sudo ./install.sh

![20200822113706575.png][]

3、启动服务

设置为自启动 ：

systemctl start taosd

设置成功后，输入taos，测试服务是否正常启动

![20200822113636375.png][]

1.  1.  **客户端安装**

研发使用环境通常是windows，在官网上下载对应版本，双击安装即可。

![20200822113358146.png][]

安装完成后，默认会生成C:\\Tdengine目录，在此目录下运行taos命令，连接服务端。

![20200822113405397.png][]

建立数据库，并使用

create database td\_test

![20200822113428439.png][]

创建表格，

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1YW5zag_size_16_color_FFFFFF_t_70][]

1.  1.  **python****库安装**

在C:\\TDengine\\connector\\python\\windows目录下安装第三方连接库

pip install python3/

![20200822113516424.png][]

1.  1.   **python** **连接TDengine**

引入taos包，与pg的连接方式类似，在connect中传入服务端的ip，用户名，密码，数据库名。

ip="10.19.133.18"
    
    pwd="taosdata"
    
    db="tc"
    
    user="root"
    
    # 连接taos数据库
    
    conn = taos.connect(host=ip, user=user, password=pwd, database='td_test')
    
    cursor = conn.cursor()

1.  1.   **TDengine****插入性能**

采用随机生成经纬度，uuid和时间戳累加的方式构造10000条假数据，插入TDengine，测试其插入性能代码如下：

def forInsert():
    
        startTime = time.time()
    
        start_time = datetime.datetime(2019, 7, 1)
    
        for i in range(1,10001):
    
            time_interval = datetime.timedelta(seconds=60)
    
            latitude = random.randrange(11879804, 11879904)
    
            longitude = random.randrange(43278291, 43278491)
    
            id = str(uuid.uuid4())
    
            sql = '''INSERT INTO t_gps_info_h
    
                (sampling_time,device_index_code, longitude, latitude)VALUES('%s', '%s', '%d', '%d')'''
    
            try:
    
                cursor.execute(sql % (start_time, id, longitude, latitude))
    
                start_time += time_interval
    
            except Exception as err:
    
                cursor.close
    
                raise(err)
    
            print(i,start_time, id, longitude, latitude)
    
        endTime = time.time()
    
        print('总用时:' + str(endTime - startTime))
    
        cursor.close

运行后得到结果如下：

![20200822113537579.png][]

插入10000条数据，用时8秒左右，大概是postgre的4倍左右，未达到其官方的10倍以上，可能还需要后期具体优化。

1.  1.   **TDengine****查询性能**

通过sql语句查询其中的四个字段，测试其查询性能,代码如下：

def select():
    
        startTime = time.time()
    
        # sql语句
    
        sql = "SELECT sampling_time,device_index_code, longitude, latitude FROM t_gps_info_h"
    
    
    
        # read_sql 方法返回的数据类型是DataFrame
    
        dataframe = pd.read_sql(sql, con=conn)
    
        endTime = time.time()
    
        print(dataframe)
    
        print('查询条数:' + str(dataframe.size))
    
        print('总用时:' + str(endTime - startTime))

运行后，得到测试结果，如下图所示：

![20200822113605538.png][]

查询条数近4万条，用时0.15s，性能是其插入的200倍。

*  结束语

1、 centos上第一次安装服务端后，如果出现dberror的错误，客户端也无法连接，则服务器需要重启。

2、语言与sql类似，只是数据类型比较有限，第一列必须是时间戳，并且会自动设为主键。

3、TDengine最大的优势就是性能，但是限制条件比较多，后期还需要在相同条件下与postgre进行对比。

4、本文仅对TDengine性能进行测试，其内置消息队列和预统计的功能还未涉及。

[https_marketing.csdn.net_p_0ada836ca30caa924b9baae0fd33857c]: https://marketing.csdn.net/p/0ada836ca30caa924b9baae0fd33857c
[20200822113735638.png]: /images/20210726/15f973d8ba4e426195a71793187d1537.png
[20200822113706575.png]: /images/20210726/9cd7045d06af4598a3aa74570a0896d8.png
[20200822113636375.png]: /images/20210726/e1587f35955a47a5aee8ab4e6ff9f89b.png
[20200822113358146.png]: /images/20210726/59300c0232da40248162658a78f06d87.png
[20200822113405397.png]: /images/20210726/18843b8222aa4db4baa3efb2dd31c9c4.png
[20200822113428439.png]: /images/20210726/b4149ea424f04b6f80bb2e2c8c0449ff.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1YW5zag_size_16_color_FFFFFF_t_70]: /images/20210726/14a1616811e440f8870aa701484d1038.png
[20200822113516424.png]: /images/20210726/82f365091013435fbda084428c169d54.png
[20200822113537579.png]: /images/20210726/b7ec8aaa4bff4b8e9915dbf732a56c8b.png
[20200822113605538.png]: /images/20210726/7c64bc5c80024ae5a264a71537a57de3.png