个人技术分享

LSM树是一个横跨内存和磁盘的，包含多颗"子树"的一个森林。LSM树分为Level 0，Level 1，Level 2 … Level n 多颗子树，其中只有Level 0在内存中，其余Level 1-n在磁盘中。内存中的Level 0子树一般采用排序树（红黑树/AVL树）、跳表或者TreeMap等这类有序的数据结构，方便后续顺序写磁盘。磁盘中的Level 1-n子树，本质是数据排好序后顺序写到磁盘上的文件，只是叫做树而已。

QuestDB 能保证每次写入的表级别的原子性，每张表会单独维护 last_committed_record_count（txn_count）, 读取时 QuestDB 确保不会读到行号超过 txn_count 的记录，确保与正在写入事务的隔离性，当新记录的各个列都更新成功时，QuestDB commit 事务更新 last_committed_record_coun提交事务。针对变长类型列，每个列除了对应一个数据文件，还要对应一个索引文件，索引文件的记录为定长，指向各个记录在数据文件的位置。

时序数据库是近几年一个新的概念，与传统的Mysql关系型数据库相比，它的最大的特点是：数据按照时间顺序存储。举例来说，日志数据，是以时间顺序存储的，所以用时序数据库存储是一种很好的选择。使用Mysql在存储的过程中，不对这种基于时间的数据进行优化的，所以在查询、插入上有一些瓶颈。那么数据是如何在InfluxDB中进行存储的呢？TSM引擎允许高摄取速度和数据压缩。专为类似SQL的查询语言量身定制，可轻松查询聚合数据。连续查询自动计算聚合数据，以提高频繁查询的效率。简单，高性能的写入和查询HTTP API。

TDengine是一款开源、高性能、可扩展的时间序列数据库（TSDB）。它由涛思数据公司开发，专为处理大规模时间序列数据而设计。时间序列数据是指按时间顺序排列的数据点序列，广泛应用于物联网、大数据分析、金融等领域。TDengine能够高效地存储、查询和分析时间序列数据，为用户提供便捷的数据管理和实时决策支持。今天我给大家分享一下window10版本的服务搭建和使用过程。TDengine是一款功能强大、性能卓越的时间序列数据库。它具有高性能、可扩展、易用等特点，适用于多种时间序列数据应用场景。