{"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\/sv\/blog\/administrirovanie\/kak-my-testirovali-neskolko-baz-dannyh-vremennyh-ryadov","title":{"rendered":"Hur vi testade flera databaser f\u00f6r tidsserier","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"<p><img decoding=\"async\" alt=\"Hur vi testade flera databaser f\u00f6r tidsserier\" src=\"\/wp-content\/uploads\/2019\/08\/14e07eac02df8d1276c46c33276d8a26.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nUnder de senaste \u00e5ren har databaser f\u00f6r tidsserier (Time-series databases) g\u00e5tt fr\u00e5n att vara en ovanlig f\u00f6reteelse (som till\u00e4mpades antingen i specifika \u00f6vervakningssystem eller i Big Data-projekt) till en \"massmarknadprodukt\". I Ryssland \u00e4r det v\u00e4rt att n\u00e4mna Yandex och ClickHouse f\u00f6r detta. Fram tills dess, om du beh\u00f6vde lagra en stor m\u00e4ngd tidsseriedata, var du tvungen att antingen acceptera att bygga en monstru\u00f6s Hadoop-stack och underh\u00e5lla den, eller att hantera protokoll specifika f\u00f6r varje system. <\/p>\n<p>Det kan verka som om artikeln fr\u00e5n 2019 om vilken TSDB som \u00e4r v\u00e4rd att anv\u00e4nda skulle best\u00e5 av en enda mening: \"anv\u00e4nd bara ClickHouse\". Men\u2026 det finns nyanser. <\/p>\n<p>Verkligen, ClickHouse utvecklas aktivt, anv\u00e4ndarbasen v\u00e4xer och st\u00f6det \u00e4r mycket aktivt, men har vi blivit f\u00e5ngar i ClickHouse&#8217;s offentliga framg\u00e5ng, som har skymt andra, kanske mer effektiva\/p\u00e5litliga l\u00f6sningar? <\/p>\n<p>I b\u00f6rjan av f\u00f6rra \u00e5ret b\u00f6rjade vi omarbeta v\u00e5rt eget \u00f6vervakningssystem, d\u00e4r vi st\u00f6tte p\u00e5 fr\u00e5gan om att v\u00e4lja en l\u00e4mplig databas f\u00f6r datalagring. Jag vill ber\u00e4tta historien om detta val h\u00e4r.<br \/>\n<noindex><a rel=\"nofollow\" name=\"habracut\"><\/a><\/noindex><\/p>\n<h4>Uppgiftsst\u00e4llande<\/h4>\n<p>\nF\u00f6rst och fr\u00e4mst - en n\u00f6dv\u00e4ndig inledning. Varf\u00f6r beh\u00f6ver vi \u00f6verhuvudtaget v\u00e5rt eget \u00f6vervakningssystem och hur var det uppbyggt?<\/p>\n<p>Vi b\u00f6rjade erbjuda supporttj\u00e4nster 2008, och 2010 blev det tydligt att aggregera data om processerna i kundens infrastruktur med de l\u00f6sningar som fanns d\u00e5 blev sv\u00e5rt (vi pratar om, f\u00f6r guds skull, Cacti, Zabbix och det framv\u00e4xande Graphite).<\/p>\n<p>V\u00e5ra grundkrav var:<\/p>\n<ul>\n<li>att hantera (vid den tiden - tiotals, och p\u00e5 sikt - hundratals) kunder inom ett system och dessutom ha ett centraliserat system f\u00f6r hantering av aviseringar;<\/li>\n<li>flexibilitet i hanteringen av aviseringar (eskalering av aviseringar mellan vaktm\u00e4stare, beaktande av scheman, kunskapsdatabas);<\/li>\n<li>m\u00f6jlighet till djup detaljering av diagram (Zabbix vid den tiden ritade diagram som bilder);<\/li>\n<li>l\u00e5ngvarig lagring av stora m\u00e4ngder data (ett \u00e5r eller mer) och m\u00f6jlighet till snabb h\u00e4mtning.<\/li>\n<\/ul>\n<p>\nI den h\u00e4r artikeln \u00e4r vi intresserade av den senaste punkten.<\/p>\n<p>N\u00e4r det g\u00e4ller lagring var kraven f\u00f6ljande:<\/p>\n<ul>\n<li>systemet m\u00e5ste fungera snabbt;<\/li>\n<li>det \u00e4r \u00f6nskv\u00e4rt att systemet har ett SQL-gr\u00e4nssnitt;<\/li>\n<li>systemet m\u00e5ste vara stabilt och ha en aktiv anv\u00e4ndarbas och support (n\u00e5gon g\u00e5ng st\u00f6tte vi p\u00e5 behovet av att st\u00f6dja system som MemcacheDB, som slutade utvecklas, eller det distribuerade lagret MooseFS, vars bugtracking sk\u00f6ttes p\u00e5 kinesiska: vi ville inte upprepa den historien f\u00f6r v\u00e5rt projekt);<\/li>\n<li>\u00f6verensst\u00e4mmelse med CAP-teoremet: Consistency (n\u00e5got som kr\u00e4vs) \u2014 data m\u00e5ste vara aktuella, vi vill inte att systemet f\u00f6r hantering av aviseringar inte f\u00e5r nya data och spottar ut varningar om att ingen data kommit in f\u00f6r alla projekt; Partition Tolerance (n\u00e5got som kr\u00e4vs) \u2014 vi vill inte f\u00e5 ett Split Brain-system; Availability (inte kritiskt, om det finns en aktiv replik) \u2014 vi kan sj\u00e4lva v\u00e4xla till reservsystemet vid en n\u00f6dsituation, via kod.<\/li>\n<\/ul>\n<p>\nKonstigt nog visade sig MySQL vara den perfekta l\u00f6sningen f\u00f6r oss vid den tiden. V\u00e5r datastruktur var extremt enkel: server-id, r\u00e4knarens id, tidsst\u00e4mpel och v\u00e4rde; snabb h\u00e4mtning av heta data s\u00e4kerst\u00e4lldes genom storleken p\u00e5 buffer pool, och h\u00e4mtning av historiska data genom SSD.<\/p>\n<p><img decoding=\"async\" alt=\"Hur vi testade flera databaser f\u00f6r tidsserier\" src=\"\/wp-content\/uploads\/2019\/08\/555bff26c74badf85131c4d9198871af.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nD\u00e4rmed lyckades vi h\u00e4mta f\u00e4rska tv\u00e5veckorsdata med en detaljeringsgrad ner till sekunden p\u00e5 200 ms fram till den fullst\u00e4ndiga renderingstiden, och vi levde med det systemet ganska l\u00e4nge.<\/p>\n<p>Under tiden gick tiden och m\u00e4ngden data v\u00e4xte. Vid 2016 \u00e5rs slut n\u00e5dde datam\u00e4ngderna tiotals terabyte, vilket var en betydande kostnad f\u00f6r hyrda SSD-lagringar.<\/p>\n<p>Vid denna tidpunkt hade kolumnbaserade databaser blivit popul\u00e4ra, som vi b\u00f6rjade t\u00e4nka p\u00e5: i kolumnbaserade databaser lagras data, som namnet antyder, i kolumner, och om man ser p\u00e5 v\u00e5ra data kan man l\u00e4tt se ett stort antal dubbletter, som i fallet med anv\u00e4ndning av en kolumnbaserad databas skulle kunna komprimeras.<\/p>\n<p><img decoding=\"async\" alt=\"Hur vi testade flera databaser f\u00f6r tidsserier\" src=\"\/wp-content\/uploads\/2019\/08\/2e1a6010fcb09de8cd28ec826752d160.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nMen det kritiska systemet f\u00f6r f\u00f6retagets verksamhet fortsatte att fungera stabilt, och vi ville inte experimentera med att byta till n\u00e5got annat.<\/p>\n<p>\u00c5r 2017 p\u00e5 konferensen Percona Live i San Jose gjorde Clickhouse-utvecklarna f\u00f6rmodligen sin f\u00f6rsta stora presentation. Vid f\u00f6rsta anblick verka systemet vara produktion-klar (Yandex.Metrica \u00e4r trots allt en tuff produktion), supporten var snabb och enkel, och framf\u00f6rallt, driften var okomplicerad. Fr\u00e5n och med \u00e5r 2018 p\u00e5b\u00f6rjade vi \u00f6verg\u00e5ngsprocessen. Men vid den tiden fanns det m\u00e5nga 'mogna' och v\u00e4lbepr\u00f6vade TSDB-system, och vi beslutade att avs\u00e4tta betydande tid f\u00f6r att j\u00e4mf\u00f6ra alternativ, f\u00f6r att s\u00e4kerst\u00e4lla att det inte fanns n\u00e5gra alternativ till Clickhouse som uppfyllde v\u00e5ra krav.<\/p>\n<p>Ut\u00f6ver de redan angivna kraven p\u00e5 lagringssystemet tillkom nya:<\/p>\n<ul>\n<li>det nya systemet ska ge \u00e5tminstone samma prestanda som MySQL, p\u00e5 samma h\u00e5rdvarukonfiguration;<\/li>\n<li>lagringssystemet f\u00f6r den nya plattformen ska ta upp betydligt mindre utrymme;<\/li>\n<li>DBMS:en ska fortfarande vara enkel att hantera;<\/li>\n<li>vi ville minimera f\u00f6r\u00e4ndringarna i applikationen vid byte av DBMS.<\/li>\n<\/ul>\n<p><\/p>\n<h4>Vilka system b\u00f6rjade vi \u00f6verv\u00e4ga<\/h4>\n<p>\n<b><u>Apache Hive\/Apache Impala<\/u><\/b><br \/>\nDen gamla p\u00e5litliga Hadoop-stacken. I grund och botten \u00e4r detta ett SQL-gr\u00e4nssnitt byggt ovanp\u00e5 lagring av data i egna format p\u00e5 HDFS. <\/p>\n<p>F\u00f6rdelar.<\/p>\n<ul>\n<li>Vid stabil drift \u00e4r det mycket enkelt att skala data.<\/li>\n<li>Det finns kolumnbaserade l\u00f6sningar f\u00f6r datalagring (mindre utrymme).<\/li>\n<li>Mycket snabb exekvering av parallella uppgifter med tillr\u00e4ckliga resurser.<\/li>\n<\/ul>\n<p>\nNackdelar.<\/p>\n<ul>\n<li>Det \u00e4r Hadoop, och det \u00e4r komplicerat att hantera. Om vi inte \u00e4r redo att ta ett f\u00e4rdigt molnl\u00f6sning (vilket vi inte \u00e4r kostnadsm\u00e4ssigt), m\u00e5ste hela stacken byggas och underh\u00e5llas av administrat\u00f6rer, vilket vi verkligen vill undvika.<\/li>\n<li>Data aggregeras <noindex><a rel=\"nofollow\" href=\"https:\/\/www.percona.com\/blog\/2014\/04\/21\/using-apache-hadoop-and-impala-together-with-mysql-for-data-analysis\/\">verkligen snabbt<\/a><\/noindex>.<\/li>\n<\/ul>\n<p>\nMen:<\/p>\n<p><img decoding=\"async\" alt=\"Hur vi testade flera databaser f\u00f6r tidsserier\" src=\"\/wp-content\/uploads\/2019\/08\/6baa1b6024def8c1c7518ef386cfc8d3.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nHastigheten uppn\u00e5s genom att \u00f6ka antalet ber\u00e4kningsservrar. Enkelt uttryckt, om vi \u00e4r ett stort f\u00f6retag, arbetar med analys och det \u00e4r kritiskt f\u00f6r aff\u00e4ren att aggregera informationen s\u00e5 snabbt som m\u00f6jligt (\u00e4ven p\u00e5 bekostnad av att anv\u00e4nda en stor m\u00e4ngd ber\u00e4kningsresurser) \u2014 kan detta vara v\u00e5rt val. Men vi var inte redo att kraftigt \u00f6ka h\u00e5rdvaruflottan f\u00f6r att uppn\u00e5 snabbhet i uppgifternas utf\u00f6rande.<\/p>\n<p><b><u>Druid\/Pinot<\/u><\/b><\/p>\n<p>Mycket mer specifikt om TSDB, men \u00e5terigen \u2014 Hadoop-stacken.<\/p>\n<p>Det finns <noindex><a rel=\"nofollow\" href=\"https:\/\/medium.com\/@leventov\/comparison-of-the-open-source-olap-systems-for-big-data-clickhouse-druid-and-pinot-8e042a5ed1c7\">utm\u00e4rkt artikel som j\u00e4mf\u00f6r f\u00f6rdelarna och nackdelarna med Druid och Pinot i j\u00e4mf\u00f6relse med ClickHouse <\/a><\/noindex>. <\/p>\n<p>Om man ska s\u00e4ga det med n\u00e5gra f\u00e5 ord: Druid\/Pinot ser b\u00e4ttre ut \u00e4n Clickhouse&#8217; i de fall d\u00e4r:<\/p>\n<ul>\n<li>Du har en heterogen datakarakt\u00e4r (i v\u00e5rt fall registrerar vi bara tidsserier av servermetrik, och i grunden handlar det om en tabell. Men det kan finnas andra fall: tidsserier fr\u00e5n utrustning, ekonomiska tidsserier osv. \u2014 var och en med sin egen struktur, som m\u00e5ste aggregeras och bearbetas).<\/li>\n<li>Det finns mycket av dessa data.<\/li>\n<li>Tabeller och data med tidsserier dyker upp och f\u00f6rsvinner (det vill s\u00e4ga att en datam\u00e4ngd har kommit, har analyserats och sedan tagits bort).<\/li>\n<li>Det finns inget tydligt kriterium f\u00f6r hur data kan partitioneras.<\/li>\n<\/ul>\n<p>\nI motsatta fall presterar ClickHouse b\u00e4ttre, och det \u00e4r v\u00e5rt fall.<\/p>\n<p><b><u>ClickHouse<\/u><\/b><\/p>\n<ul>\n<li>SQL-liknande.<\/li>\n<li>Enkel att hantera.<\/li>\n<li>Folk s\u00e4ger att den fungerar.<\/li>\n<\/ul>\n<p>\nKommer med p\u00e5 testlistan.<\/p>\n<p><b><u>InfluxDB<\/u><\/b><\/p>\n<p>Utrikes alternativ till ClickHouse. Nackdelar: High Availability finns endast i den kommersiella versionen, men det m\u00e5ste j\u00e4mf\u00f6ras.<\/p>\n<p>Kommer med p\u00e5 testlistan.<\/p>\n<p><b><u>Cassandra<\/u><\/b> <\/p>\n<p>\u00c5 ena sidan vet vi att den anv\u00e4nds f\u00f6r att lagra metrisk tidsserie av system f\u00f6r \u00f6vervakning som till exempel <noindex><a rel=\"nofollow\" href=\"https:\/\/www.signalfx.com\/blog\/making-cassandra-perform-as-a-tsdb\/\">SignalFX<\/a><\/noindex> eller OkMeter. Men det finns specifika aspekter.<\/p>\n<p>Cassandra \u00e4r inte en kolumndatabas i den traditionella bem\u00e4rkelsen. Den ser mer ut som en radbaserad databas, men i varje rad kan det finnas ett varierande antal kolumner, vilket g\u00f6r det l\u00e4tt att organisera en kolumnrepresentation. D\u00e4rf\u00f6r \u00e4r det f\u00f6rst\u00e5eligt att med en begr\u00e4nsning p\u00e5 2 miljarder kolumner kan du lagra viss data i kolumner (som tidsserier). Till exempel har MySQL en begr\u00e4nsning p\u00e5 4096 kolumner och det \u00e4r l\u00e4tt att st\u00f6ta p\u00e5 felkod 1117 om man f\u00f6rs\u00f6ker g\u00f6ra samma sak.<\/p>\n<p>Cassandra-motorn \u00e4r inriktad p\u00e5 lagring av stora m\u00e4ngder data i ett distribuerat system utan en master, och i den ovan n\u00e4mnda CAP-teorin handlar Cassandra mer om AP, det vill s\u00e4ga tillg\u00e4nglighet av data och motst\u00e5ndskraft mot partitionering. D\u00e4rf\u00f6r kan detta verktyg vara utm\u00e4rkt om det endast beh\u00f6vs skriva till denna databas och s\u00e4llan l\u00e4sa fr\u00e5n den. H\u00e4r \u00e4r det logiskt att anv\u00e4nda Cassandra som ett \"kallt\" lagringsalternativ. Det vill s\u00e4ga som en l\u00e5ngsiktig och p\u00e5litlig plats f\u00f6r att lagra stora m\u00e4ngder historiska data som s\u00e4llan kr\u00e4vs, men som kan h\u00e4mtas vid behov. F\u00f6r att ge en fullst\u00e4ndig bild kommer vi dock att testa det ocks\u00e5. Men som jag n\u00e4mnde tidigare, finns det ingen \u00f6nskan att aktivt omarbeta koden f\u00f6r den valda databasl\u00f6sningen, s\u00e5 vi kommer att testa det p\u00e5 ett begr\u00e4nsat s\u00e4tt \u2013 utan att anpassa databasstrukturen efter Cassandras specifikationer.<\/p>\n<p><b><u>Prometheus<\/u><\/b><\/p>\n<p>Och av ren nyfikenhet besl\u00f6t vi oss f\u00f6r att testa prestandan hos Prometheus-lagringen \u2013 helt enkelt f\u00f6r att f\u00f6rst\u00e5 om vi \u00e4r snabbare eller l\u00e5ngsammare \u00e4n de nuvarande l\u00f6sningarna och hur mycket.<\/p>\n<h4>Metodik och testresultat<\/h4>\n<p>\nS\u00e5, vi testade 5 databaser i f\u00f6ljande 6 konfigurationer: ClickHouse (1 nod), ClickHouse (distribuerad tabell p\u00e5 3 noder), InfluxDB, Mysql 8, Cassandra (3 noder) och Prometheus. Testplanen \u00e4r f\u00f6ljande:<\/p>\n<ol>\n<li>vi laddar upp historiska data f\u00f6r en vecka (840 miljoner v\u00e4rden per dag; 208 tusen m\u00e4tningar);<\/li>\n<li>vi genererar en skrivbelastning (vi \u00f6verv\u00e4gde 6 belastningsl\u00e4gen, se nedan);<\/li>\n<li>parallellt med skrivningen g\u00f6r vi periodiska f\u00f6rfr\u00e5gningar, som simulerar anv\u00e4ndarfr\u00e5gor som arbetar med grafer. F\u00f6r att inte komplicera f\u00f6r mycket valde vi att anv\u00e4nda data fr\u00e5n 10 m\u00e4tningar (just s\u00e5 m\u00e5nga finns p\u00e5 CPU-grafen) under en vecka.<\/li>\n<\/ol>\n<p>\nVi belastar genom att simulera beteendet hos v\u00e5r \u00f6vervakningsagent, som skickar v\u00e4rden till varje m\u00e4tning var 15:e sekund. Vi \u00e4r intresserade av att variera:<\/p>\n<ul>\n<li>det totala antalet m\u00e4tningar som data skrivs till;<\/li>\n<li>intervallet f\u00f6r att skicka v\u00e4rden till en m\u00e4tning;<\/li>\n<li>batchstorleken.<\/li>\n<\/ul>\n<p>\nOm batchstorleken. Eftersom n\u00e4stan alla v\u00e5ra testdatabaser inte rekommenderas att belasta med enskilda ins\u00e4ttningar, beh\u00f6ver vi en relay som samlar in de inkommande m\u00e4tningarna och grupperar dem n\u00e5got och sedan skriver till databasen med batchinsert.<\/p>\n<p>F\u00f6r att b\u00e4ttre f\u00f6rst\u00e5 hur vi senare ska tolka de erh\u00e5llna data, t\u00e4nk p\u00e5 att vi inte bara skickar en massa metrik, utan att metrik \u00e4r organiserade i servrar - med 125 metrik per server. H\u00e4r \u00e4r servern bara en virtuell entitet - f\u00f6r att f\u00f6rst\u00e5 att, till exempel, 10000 metrik motsvarar ungef\u00e4r 80 servrar.<\/p>\n<p>Och med h\u00e4nsyn till allt detta, v\u00e5ra 6 lastl\u00e4gen f\u00f6r databasen vid skrivning:<\/p>\n<p><img decoding=\"async\" alt=\"Hur vi testade flera databaser f\u00f6r tidsserier\" src=\"\/wp-content\/uploads\/2019\/08\/3ba70050dc7e711cb8f3d14ac1a6707b.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nDet finns tv\u00e5 saker att notera. F\u00f6r det f\u00f6rsta, f\u00f6r Cassandra visade sig dessa batchstorlekar vara f\u00f6r stora, d\u00e4r anv\u00e4nde vi v\u00e4rdena 50 eller 100. F\u00f6r det andra, eftersom Prometheus fungerar strikt i pull-l\u00e4ge, det vill s\u00e4ga att den sj\u00e4lv g\u00e5r och h\u00e4mtar data fr\u00e5n metrik-k\u00e4llor (och \u00e4ven pushgateway, trots namnet, f\u00f6r\u00e4ndrar i grunden inte situationen), implementerades motsvarande belastningar med en kombination av statiska konfigurationer.<\/p>\n<p>Testresultaten \u00e4r f\u00f6ljande:<\/p>\n<p><img decoding=\"async\" alt=\"Hur vi testade flera databaser f\u00f6r tidsserier\" src=\"\/wp-content\/uploads\/2019\/08\/9df12bee66ad8c5df720ba08472efead.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\n<img decoding=\"async\" alt=\"Hur vi testade flera databaser f\u00f6r tidsserier\" src=\"\/wp-content\/uploads\/2019\/08\/891090bf0461c7e3c48e38eb36f9e217.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\n<img decoding=\"async\" alt=\"Hur vi testade flera databaser f\u00f6r tidsserier\" src=\"\/wp-content\/uploads\/2019\/08\/137f944b3578ab5bad4ebc5fa6f96b79.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\n<b>Vad som \u00e4r v\u00e4rt att notera<\/b>: fantastiskt snabba fr\u00e5gor fr\u00e5n Prometheus&#8217;a, fruktansv\u00e4rt l\u00e5ngsamma fr\u00e5gor fr\u00e5n Cassandra, oacceptabelt l\u00e5ngsamma fr\u00e5gor fr\u00e5n InfluxDB; i skrivhastighet har ClickHouse segrat alla, men Prometheus deltar inte i t\u00e4vlingen eftersom han g\u00f6r ins\u00e4ttningar sj\u00e4lv inuti sig och vi m\u00e4ter inget.<\/p>\n<p><u><b>I slut\u00e4ndan<\/b><\/u>: ClickHouse och InfluxDB presterade b\u00e4st, men en Influx&#8217;kluster kan endast byggas p\u00e5 grundval av Enterprise-versionen som kostar pengar, medan ClickHouse \u00e4r gratis och utvecklad i Ryssland. Det \u00e4r logiskt att valet i USA kanske lutar mot InfluxDB, medan det h\u00e4r hemma lutar mot ClickHouse&#8217;.<br \/>\n<br \/>K\u00e4lla: <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 5.0.4 - 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\/sv\/blog\/administrirovanie\/kak-my-testirovali-neskolko-baz-dannyh-vremennyh-ryadov\" \/>\n\t\t<meta name=\"generator\" content=\"All in One SEO (AIOSEO) 5.0.4\" \/>\n\t\t<meta property=\"og:locale\" content=\"sv_SE\" \/>\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\/sv\/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\udd47Hur vi testade flera tidsseriedatabaser | ProHoster","description":"Under de senaste \u00e5ren har databaser.","canonical_url":"https:\/\/prohoster.info\/sv\/blog\/administrirovanie\/kak-my-testirovali-neskolko-baz-dannyh-vremennyh-ryadov","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"sv_SE","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\/sv\/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\/sv\/wp-json\/wp\/v2\/posts\/36737","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/comments?post=36737"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/posts\/36737\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/media\/27518"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/media?parent=36737"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/categories?post=36737"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/tags?post=36737"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}