{"id":36737,"date":"2019-10-31T22:13:29","date_gmt":"2019-10-31T19:13:29","guid":{"rendered":"https:\/\/prohoster.info\/blog\/kak-my-testirovali-neskolko-baz-dannyh-vremennyh-ryadov\/"},"modified":"2019-10-31T22:13:29","modified_gmt":"2019-10-31T19:13:29","slug":"kak-my-testirovali-neskolko-baz-dannyh-vremennyh-ryadov","status":"publish","type":"post","link":"https:\/\/prohoster.info\/da\/blog\/administrirovanie\/kak-my-testirovali-neskolko-baz-dannyh-vremennyh-ryadov","title":{"rendered":"Hvordan vi testede flere tidsserie-databaser","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"<p><img decoding=\"async\" alt=\"Hvordan vi testede flere tidsserie-databaser\" src=\"\/wp-content\/uploads\/2019\/08\/14e07eac02df8d1276c46c33276d8a26.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nI de sidste par \u00e5r er tidsserie-databaser blevet transformeret fra en eksotisk ting (der blev anvendt enten i \u00e5bne overv\u00e5gningssystemer, knyttet til specifikke l\u00f8sninger, eller i Big Data-projekter) til en \u00abforbrugsvare\u00bb. I Rusland skal s\u00e6rlig anerkendelse gives til Yandex og ClickHouse for dette. Indtil da, hvis du havde behov for at gemme store m\u00e6ngder tidsseriedata, m\u00e5tte du enten acceptere n\u00f8dvendigheden af at ops\u00e6tte en enorm Hadoop-stak og vedligeholde den, eller kommunikere med protokoller, der er specifikke for hvert enkelt system. <\/p>\n<p>Det kan virke som om, at i 2019 vil en artikel om, hvilken TSDB man b\u00f8r bruge, kun best\u00e5 af \u00e9n s\u00e6tning: \u00abbrug bare ClickHouse\u00bb. Men\u2026 der er nuancer. <\/p>\n<p>Det er sandt, at ClickHouse aktivt udvikler sig, brugerbasen vokser, og underst\u00f8ttelsen er meget aktiv, men er vi ikke blevet fanget af ClickHouse&#8217;s offentlige succes, der har overskygget andre, m\u00e5ske mere effektive\/p\u00e5lidelige l\u00f8sninger? <\/p>\n<p>I begyndelsen af sidste \u00e5r tog vi fat p\u00e5 at redesigne vores eget overv\u00e5gningssystem, hvor vi stod over for sp\u00f8rgsm\u00e5let om valg af den rette database til datalagring. Om historien bag dette valg vil jeg her fort\u00e6lle.<br \/>\n<noindex><a rel=\"nofollow\" name=\"habracut\"><\/a><\/noindex><\/p>\n<h4>Problemformulering<\/h4>\n<p>\nF\u00f8rst og fremmest - det n\u00f8dvendige forord. Hvorfor har vi overhovedet brug for et eget overv\u00e5gningssystem, og hvordan var det opbygget?<\/p>\n<p>Vi begyndte at yde supporttjenester i 2008, og i 2010 blev det klart, at det blev vanskeligt at aggregere data om, hvad der sker i klienternes infrastruktur med de l\u00f8sninger, der var tilg\u00e6ngelige p\u00e5 det tidspunkt (vi taler om, undskyld, Cacti, Zabbix og det spirende Graphite).<\/p>\n<p>Vores prim\u00e6re krav var:<\/p>\n<ul>\n<li>vedligeholdelse (p\u00e5 det tidspunkt - titusinder, og p\u00e5 sigt - hundredvis) af kunder inden for \u00e9t system, samtidig med at der var et centraliseret alarmsystem;<\/li>\n<li>fleksibilitet i styringen af alarmsystemet (eskalering af alarmer mellem vagter, hensyntagen til tidsplaner, vidensdatabase);<\/li>\n<li>mulighed for dybdeg\u00e5ende detaljerede grafer (Zabbix tegnede p\u00e5 det tidspunkt grafer som billeder);<\/li>\n<li>langvarig opbevaring af store m\u00e6ngder data (et \u00e5r eller mere) og muligheden for hurtig foresp\u00f8rgsel.<\/li>\n<\/ul>\n<p>\nI denne artikel er vi interesseret i det sidste punkt.<\/p>\n<p>N\u00e5r det kommer til lagring, var kravene f\u00f8lgende:<\/p>\n<ul>\n<li>systemet skal v\u00e6re hurtigt;<\/li>\n<li>det ville v\u00e6re \u00f8nskeligt, at systemet havde en SQL-interface;<\/li>\n<li>systemet skal v\u00e6re stabilt og have en aktiv brugerbase og support (vi har tidligere v\u00e6ret n\u00f8dt til at st\u00f8tte systemer som MemcacheDB, som ikke l\u00e6ngere blev udviklet, eller det distribuerede lagersystem MooseFS, hvis bug tracker var p\u00e5 kinesisk: vi \u00f8nskede ikke at gentage denne historie for vores projekt);<\/li>\n<li>overholdelse af CAP-teoremet: Consistency (n\u00f8dvendigt) \u2014 data skal v\u00e6re aktuelle, vi vil ikke have, at systemet for advarsler ikke modtager nye data og spammer med advarsler om manglende data for alle projekter; Partition Tolerance (n\u00f8dvendigt) \u2014 vi vil ikke opleve et Split Brain-system; Availability (ikke kritisk, hvis der eksisterer en aktiv replika) \u2014 vi kan selv skifte til det backup-system i tilf\u00e6lde af en nedbrud, ved hj\u00e6lp af kode.<\/li>\n<\/ul>\n<p>\nM\u00e6rkeligt nok var MySQL p\u00e5 det tidspunkt den ideelle l\u00f8sning for os. Vores datamodel var ekstremt simpel: id for server, id for t\u00e6ller, timestamp og v\u00e6rdi; hurtig foresp\u00f8rgsel af varme data blev sikret ved en stor buffer pool, mens foresp\u00f8rgslen af historiske data blev h\u00e5ndteret af SSD.<\/p>\n<p><img decoding=\"async\" alt=\"Hvordan vi testede flere tidsserie-databaser\" src=\"\/wp-content\/uploads\/2019\/08\/555bff26c74badf85131c4d9198871af.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nDermed opn\u00e5ede vi foresp\u00f8rgsler af friske data fra de seneste to uger med en detaljegrad ned til sekunder p\u00e5 200 ms f\u00f8r fuld rendering af dataene, og vi levede i dette system i lang tid.<\/p>\n<p>Imens gik tiden, og m\u00e6ngden af data voksede. I 2016 havde datam\u00e6ngderne n\u00e5et titusinder af terabyte, hvilket var en betydelig omkostning under lejeaftaler for SSD-lagringssystemer.<\/p>\n<p>P\u00e5 dette tidspunkt havde s\u00f8jledatabaser f\u00e5et en aktiv udbredelse, og vi begyndte at t\u00e6nke aktivt over dem: i s\u00f8jledatabaser gemmes data, som navnet antyder, i kolonner, og hvis vi ser p\u00e5 vores data, er der mange dubletter, som kunne komprimeres, hvis vi brugte en s\u00f8jledatabase.<\/p>\n<p><img decoding=\"async\" alt=\"Hvordan vi testede flere tidsserie-databaser\" src=\"\/wp-content\/uploads\/2019\/08\/2e1a6010fcb09de8cd28ec826752d160.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nMen den n\u00f8glefunktionelle system for virksomheden fortsatte med at k\u00f8re stabilt, og vi \u00f8nskede ikke at experimentere med at skifte til noget andet.<\/p>\n<p>I 2017 delt udviklerne af Clickhouse sandsynligvis f\u00f8rste gang deres budskab p\u00e5 Percona Live-konferencen i San Jose. Ved f\u00f8rste \u00f8jekast var systemet produktionsklart (n\u00e5, Yandex.Metrica er en h\u00e5rd produktion), supporten var hurtig og enkel, og vigtigst af alt, driften var ligetil. Siden 2018 har vi igangsat overgangen. Men p\u00e5 det tidspunkt var der mange 'voksne' og tidstestede TSDB-systemer, og vi besluttede at afs\u00e6tte betydelig tid til at sammenligne alternativer for at sikre, at der ikke findes alternative l\u00f8sninger til Clickhouse, der opfylder vores krav.<\/p>\n<p>Ud over de allerede n\u00e6vnte krav til lagringssystemet kom der nye:<\/p>\n<ul>\n<li>det nye system skal sikre mindst samme ydelse som MySQL p\u00e5 det samme antal servere;<\/li>\n<li>lagringssystemet skal tage betydeligt mindre plads;<\/li>\n<li>DBMS'en skal stadig v\u00e6re let at administrere;<\/li>\n<li>vi \u00f8nskede at \u00e6ndre applikationen mindst muligt ved skift af DBMS.<\/li>\n<\/ul>\n<p><\/p>\n<h4>Hvilke systemer begyndte vi at overveje<\/h4>\n<p>\n<b><u>Apache Hive\/Apache Impala<\/u><\/b><br \/>\nDen gamle, veldokumenterede Hadoop-stak. I det v\u00e6sentlige er det et SQL-gr\u00e6nseflade, der er bygget oven p\u00e5 lagring af data i egne formater p\u00e5 HDFS. <\/p>\n<p>Fordele.<\/p>\n<ul>\n<li>Ved stabil drift er det meget nemt at skalere data.<\/li>\n<li>Der findes kolonne-baserede l\u00f8sninger til datalagring (mindre plads).<\/li>\n<li>Meget hurtig udf\u00f8relse af parallelle opgaver ved tilstr\u00e6kkelige ressourcer.<\/li>\n<\/ul>\n<p>\nUlemper.<\/p>\n<ul>\n<li>Det er Hadoop, og det er komplekst at drifte. Hvis vi ikke er klar til at tage en f\u00e6rdig l\u00f8sning i skyen (og vi er ikke klart i forhold til omkostninger), vil hele stakken skulle samles og vedligeholdes af administratorer, og det ville vi helst undg\u00e5.<\/li>\n<li>Dataene aggregeres <noindex><a rel=\"nofollow\" href=\"https:\/\/www.percona.com\/blog\/2014\/04\/21\/using-apache-hadoop-and-impala-together-with-mysql-for-data-analysis\/\">virkelig hurtigt<\/a><\/noindex>.<\/li>\n<\/ul>\n<p>\nMen:<\/p>\n<p><img decoding=\"async\" alt=\"Hvordan vi testede flere tidsserie-databaser\" src=\"\/wp-content\/uploads\/2019\/08\/6baa1b6024def8c1c7518ef386cfc8d3.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nHastigheden opn\u00e5s ved at skalere antallet af compute-servere. For at sige det enkelt, hvis vi er en stor virksomhed, der besk\u00e6ftiger sig med analyse, og det er kritisk for forretningen, at vi hurtigst muligt kan aggregere information (selv hvis det koster at bruge mange compute-ressourcer), kan dette v\u00e6re vores valg. Men vi var ikke klar til at \u00f8ge antallet af servere betydeligt for hastigheden ved udf\u00f8relse af opgaver.<\/p>\n<p><b><u>Druid\/Pinot<\/u><\/b><\/p>\n<p>Allerede meget mere specifikt om TSDB, men igen \u2014 Hadoop-stak.<\/p>\n<p>Der er <noindex><a rel=\"nofollow\" href=\"https:\/\/medium.com\/@leventov\/comparison-of-the-open-source-olap-systems-for-big-data-clickhouse-druid-and-pinot-8e042a5ed1c7\">fantastisk artikel, der sammenligner fordele og ulemper ved Druid og Pinot i forhold til ClickHouse <\/a><\/noindex>. <\/p>\n<p>Hvis man skal sige det kort: Druid\/Pinot ser bedre ud end Clickhouse&#8217;en i tilf\u00e6lde, hvor:<\/p>\n<ul>\n<li>Du har en heterogen datakarakter (i vores tilf\u00e6lde registrerer vi kun tidsserier af servermetrikker, og det er i bund og grund \u00e9n tabel. Men der kan v\u00e6re andre tilf\u00e6lde: tidsserier af udstyr, \u00f8konomiske tidsserier osv. \u2014 hver med sin egen struktur, som skal aggregeres og behandles).<\/li>\n<li>Der er imidlertid rigtig meget af disse data.<\/li>\n<li>Tabeller og data med tidsserier dukker op og forsvinder (det vil sige, et databes\u00e6t ankom, blev analyseret og derefter slettet).<\/li>\n<li>Der er ingen klare kriterier, som data kan partitioneres efter.<\/li>\n<\/ul>\n<p>\nI modsatte tilf\u00e6lde viser ClickHouse sig at v\u00e6re bedre, og det er vores tilf\u00e6lde.<\/p>\n<p><b><u>ClickHouse<\/u><\/b><\/p>\n<ul>\n<li>SQL-lignende.<\/li>\n<li>Nem at administrere.<\/li>\n<li>Folk siger, at den fungerer.<\/li>\n<\/ul>\n<p>\nKommer p\u00e5 shortlisten til testning.<\/p>\n<p><b><u>InfluxDB<\/u><\/b><\/p>\n<p>Udenlandsk alternativ til ClickHouse. Ulemper: High Availability er kun tilg\u00e6ngelig i kommerciel version, men det skal sammenlignes.<\/p>\n<p>Kommer p\u00e5 shortlisten til testning.<\/p>\n<p><b><u>Cassandra<\/u><\/b> <\/p>\n<p>P\u00e5 den ene side ved vi, at den bruges til opbevaring af metriske tidsserier af overv\u00e5gningssystemer som f.eks. <noindex><a rel=\"nofollow\" href=\"https:\/\/www.signalfx.com\/blog\/making-cassandra-perform-as-a-tsdb\/\">SignalFX<\/a><\/noindex> eller OkMeter. Der er dog specifikheder.<\/p>\n<p>Cassandra er ikke en kolonne-database i dens s\u00e6dvanlige forst\u00e5else. Den ligner mere en r\u00e6kke-database, men i hver r\u00e6kke kan der v\u00e6re et forskelligt antal kolonner, hvilket g\u00f8r det nemt at organisere et kolonneformat. I denne forstand er det klart, at med en gr\u00e6nse p\u00e5 2 milliarder kolonner kan visse data gemmes netop i kolonnerne (f.eks. de samme tidsserier). I MySQL er der en gr\u00e6nse p\u00e5 4096 kolonner, og man kan let st\u00f8de p\u00e5 en fejl med koden 1117, hvis man pr\u00f8ver at g\u00f8re det samme.<\/p>\n<p>Cassandra-motoren er designet til at gemme store datam\u00e6ngder i et distribueret system uden en master, og if\u00f8lge den n\u00e6vnte CAP-teorem er Cassandra mere fokuseret p\u00e5 AP, hvilket betyder datatilg\u00e6ngelighed og modstandsdygtighed over for partiopdeling. Derfor kan dette v\u00e6rkt\u00f8j v\u00e6re ideelt, hvis man prim\u00e6rt skriver til databasen og kun sj\u00e6ldent l\u00e6ser fra den. Det giver mening at bruge Cassandra som et \"koldt\" lager, det vil sige som et langvarigt p\u00e5lideligt opbevaringssted for store m\u00e6ngder historiske data, som sj\u00e6ldent er n\u00f8dvendige, men som kan hentes, hvis det er n\u00f8dvendigt. Ikke desto mindre, for fuldst\u00e6ndighedens skyld, lad os ogs\u00e5 teste det. Men som jeg tidligere har n\u00e6vnt, er der ikke lyst til aktivt at omskrive koden til den valgte databaseringsl\u00f8sning, s\u00e5 vi vil teste den med nogle begr\u00e6nsninger \u2014 uden at tilpasse databasens struktur til Cassandra's specifikationer.<\/p>\n<p><b><u>Prometheus<\/u><\/b><\/p>\n<p>Og ud af ren interesse besluttede vi at teste ydeevnen af Prometheus-lageret \u2014 bare for at finde ud af, om vi er hurtigere eller langsommere end de nuv\u00e6rende l\u00f8sninger, og i hvilken grad.<\/p>\n<h4>Metode og testresultater<\/h4>\n<p>\nS\u00e5 vi testede 5 databaser i de f\u00f8lgende 6 konfigurationer: ClickHouse (1 node), ClickHouse (fordelt tabel p\u00e5 3 noder), InfluxDB, Mysql 8, Cassandra (3 noder) og Prometheus. Testplanen er som f\u00f8lger:<\/p>\n<ol>\n<li>vi uploader historiske data for en uge (840 millioner v\u00e6rdier om dagen; 208.000 metrikker);<\/li>\n<li>vi genererer skrivebelastning (vi s\u00e5 p\u00e5 6 belastningsscenarier, se nedenfor);<\/li>\n<li>samtidig med skrivningen laver vi periodisk foresp\u00f8rgsler, som imiterer en bruger, der arbejder med grafer. For at holde det enkelt valgte vi data for 10 metrikker (pr\u00e6cis s\u00e5 mange som p\u00e5 CPU-grafen) over en uge.<\/li>\n<\/ol>\n<p>\nVi belaster systemet ved at efterligne adf\u00e6rden af vores overv\u00e5gningsagent, som sender v\u00e6rdier til hver metrisk hvert 15. sekund. I den forbindelse er vi interesserede i at variere:<\/p>\n<ul>\n<li>det samlede antal metrikker, der modtager data;<\/li>\n<li>intervallet for sending af v\u00e6rdier til en metrisk;<\/li>\n<li>batchst\u00f8rrelsen.<\/li>\n<\/ul>\n<p>\nOm batchst\u00f8rrelsen. Da n\u00e6sten alle vores fors\u00f8gsdatabaser ikke anbefales at blive belastet med enkelte inds\u00e6tninger, har vi brug for en relay, der indsamler de indkommende metrikker og grupperer dem, s\u00e5 de kan skrives i databasen ved batchinds\u00e6tning.<\/p>\n<p>For a better understanding of how to interpret the obtained data, let's imagine that we are not just sending a bunch of metrics, but that the metrics are organized into servers \u2014 with 125 metrics per server. Here, a server is simply a virtual entity \u2014 just to illustrate that, for example, 10,000 metrics correspond to about 80 servers.<\/p>\n<p>Considering all this, our 6 modes of database writing load are:<\/p>\n<p><img decoding=\"async\" alt=\"Hvordan vi testede flere tidsserie-databaser\" src=\"\/wp-content\/uploads\/2019\/08\/3ba70050dc7e711cb8f3d14ac1a6707b.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nThere are two points here. First, for Cassandra, such batch sizes turned out to be too large; there we used values of 50 or 100. Secondly, since Prometheus operates strictly in pull mode, meaning it fetches data from metric sources itself (and even pushgateway, despite its name, does not fundamentally change the situation), the corresponding loads were implemented using a combination of static configs.<\/p>\n<p>The testing results are as follows:<\/p>\n<p><img decoding=\"async\" alt=\"Hvordan vi testede flere tidsserie-databaser\" src=\"\/wp-content\/uploads\/2019\/08\/9df12bee66ad8c5df720ba08472efead.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\n<img decoding=\"async\" alt=\"Hvordan vi testede flere tidsserie-databaser\" src=\"\/wp-content\/uploads\/2019\/08\/891090bf0461c7e3c48e38eb36f9e217.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\n<img decoding=\"async\" alt=\"Hvordan vi testede flere tidsserie-databaser\" src=\"\/wp-content\/uploads\/2019\/08\/137f944b3578ab5bad4ebc5fa6f96b79.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\n<b>What is worth noting<\/b>: fantastisk hurtige foresp\u00f8rgsler fra Prometheus&#8217;a, forf\u00e6rdeligt langsomme foresp\u00f8rgsler fra Cassandra, uacceptabelt langsomme foresp\u00f8rgsler fra InfluxDB; ClickHouse vandt i hastighed p\u00e5 alle punkter, og Prometheus deltager ikke i konkurrencen, fordi det selv laver inds\u00e6ttelser internt og vi m\u00e5ler ikke noget.<\/p>\n<p><u><b>In the end,<\/b><\/u>: ClickHouse og InfluxDB klarede sig bedst, men en Influx-klynge kan kun bygges med Enterprise-versionen, som koster penge, mens ClickHouse er gratis og udviklet i Rusland. Det giver mening, at valget i USA muligvis falder p\u00e5 InfluxDB, mens vi herhjemme v\u00e6lger ClickHouse&#8217;en.<br \/>\n<br \/>Kilde: <a content=\"nofollow\" rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/itsumma\/blog\/462111\/\">habr.com<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"<p>\u0417\u0430 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0435 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043b\u0435\u0442 \u0431\u0430\u0437\u044b \u0434\u0430\u043d\u043d\u044b\u0445 \u0432\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0445 \u0440\u044f\u0434\u043e\u0432 (Time-series databases) \u043f\u0440\u0435\u0432\u0440\u0430\u0442\u0438\u043b\u0438\u0441\u044c \u0438\u0437 \u0434\u0438\u043a\u043e\u0432\u0438\u043d\u043d\u043e\u0439 \u0448\u0442\u0443\u043a\u0438 (\u0443\u0437\u043a\u043e\u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u044e\u0449\u0435\u0439\u0441\u044f \u043b\u0438\u0431\u043e \u0432 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u0445 \u0441\u0438\u0441\u0442\u0435\u043c\u0430\u0445 \u043c\u043e\u043d\u0438\u0442\u043e\u0440\u0438\u043d\u0433\u0430 (\u0438 \u043f\u0440\u0438\u0432\u044f\u0437\u0430\u043d\u043d\u043e\u0439 \u043a \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u044b\u043c \u0440\u0435\u0448\u0435\u043d\u0438\u044f\u043c), \u043b\u0438\u0431\u043e \u0432 Big Data \u043f\u0440\u043e\u0435\u043a\u0442\u0430\u0445) \u0432 \u00ab\u0442\u043e\u0432\u0430\u0440 \u043d\u0430\u0440\u043e\u0434\u043d\u043e\u0433\u043e \u043f\u043e\u0442\u0440\u0435\u0431\u043b\u0435\u043d\u0438\u044f\u00bb. \u041d\u0430 \u0442\u0435\u0440\u0440\u0438\u0442\u043e\u0440\u0438\u0438 \u0420\u0424 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e\u0435 \u0441\u043f\u0430\u0441\u0438\u0431\u043e \u0437\u0430 \u044d\u0442\u043e \u043d\u0430\u0434\u043e \u0441\u043a\u0430\u0437\u0430\u0442\u044c \u042f\u043d\u0434\u0435\u043a\u0441\u0443 \u0438 ClickHouse\u2019\u0443. \u0414\u043e \u044d\u0442\u043e\u0433\u043e \u043c\u043e\u043c\u0435\u043d\u0442\u0430, \u0435\u0441\u043b\u0438 \u0432\u0430\u043c \u0431\u044b\u043b\u043e \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u0441\u043e\u0445\u0440\u0430\u043d\u0438\u0442\u044c [&hellip;]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":27518,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[688],"tags":[],"class_list":["post-36737","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-administrirovanie"],"aioseo_notices":[],"aioseo_head":"\n\t\t<!-- All in One SEO 5.0.3 - aioseo.com -->\n\t<meta name=\"description\" content=\"\u0417\u0430 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0435 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043b\u0435\u0442 \u0431\u0430\u0437\u044b.\" \/>\n\t<meta name=\"robots\" content=\"max-image-preview:large\" \/>\n\t<meta name=\"author\" content=\"Yuri Gagarin\"\/>\n\t<link rel=\"canonical\" href=\"https:\/\/prohoster.info\/da\/blog\/administrirovanie\/kak-my-testirovali-neskolko-baz-dannyh-vremennyh-ryadov\" \/>\n\t\t<meta name=\"generator\" content=\"All in One SEO (AIOSEO) 5.0.3\" \/>\n\t\t<meta property=\"og:locale\" content=\"da_DK\" \/>\n\t\t<meta property=\"og:site_name\" content=\"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b\" \/>\n\t\t<meta property=\"og:type\" content=\"article\" \/>\n\t\t<meta property=\"og:title\" content=\"\ud83e\udd47\u041a\u0430\u043a \u043c\u044b \u0442\u0435\u0441\u0442\u0438\u0440\u043e\u0432\u0430\u043b\u0438 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0431\u0430\u0437 \u0434\u0430\u043d\u043d\u044b\u0445 \u0432\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0445 \u0440\u044f\u0434\u043e\u0432 | ProHoster\" \/>\n\t\t<meta property=\"og:description\" content=\"\u0417\u0430 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0435 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043b\u0435\u0442 \u0431\u0430\u0437\u044b.\" \/>\n\t\t<meta property=\"og:url\" content=\"https:\/\/prohoster.info\/da\/blog\/administrirovanie\/kak-my-testirovali-neskolko-baz-dannyh-vremennyh-ryadov\" \/>\n\t\t<meta property=\"og:image\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:secure_url\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:width\" content=\"350\" \/>\n\t\t<meta property=\"og:image:height\" content=\"350\" \/>\n\t\t<meta property=\"article:published_time\" content=\"2019-10-31T19:13:29+00:00\" \/>\n\t\t<meta property=\"article:modified_time\" content=\"2019-10-31T19:13:29+00:00\" \/>\n\t\t<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<meta property=\"article:author\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<!-- All in One SEO -->\n\n","aioseo_head_json":{"title":"\ud83e\udd47How We Tested Several Time Series Databases | ProHoster","description":"In recent years, databases.","canonical_url":"https:\/\/prohoster.info\/da\/blog\/administrirovanie\/kak-my-testirovali-neskolko-baz-dannyh-vremennyh-ryadov","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"da_DK","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47\u041a\u0430\u043a \u043c\u044b \u0442\u0435\u0441\u0442\u0438\u0440\u043e\u0432\u0430\u043b\u0438 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0431\u0430\u0437 \u0434\u0430\u043d\u043d\u044b\u0445 \u0432\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0445 \u0440\u044f\u0434\u043e\u0432 | ProHoster","og:description":"\u0417\u0430 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0435 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043b\u0435\u0442 \u0431\u0430\u0437\u044b.","og:url":"https:\/\/prohoster.info\/da\/blog\/administrirovanie\/kak-my-testirovali-neskolko-baz-dannyh-vremennyh-ryadov","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2019-10-31T19:13:29+00:00","article:modified_time":"2019-10-31T19:13:29+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"36737","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":"2026-01-22 04:38:20","breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-03-01 01:39:24","updated":"2026-01-22 04:38:20","focus_keyword":null,"additional_keywords":null,"truseo_locale":null},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/da\/wp-json\/wp\/v2\/posts\/36737","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/da\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/da\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/da\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/da\/wp-json\/wp\/v2\/comments?post=36737"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/da\/wp-json\/wp\/v2\/posts\/36737\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/prohoster.info\/da\/wp-json\/wp\/v2\/media\/27518"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/da\/wp-json\/wp\/v2\/media?parent=36737"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/da\/wp-json\/wp\/v2\/categories?post=36737"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/da\/wp-json\/wp\/v2\/tags?post=36737"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}