当千万级设备同时“心跳”，谁还能稳住节奏？
在IoT、工业互联网、AIOps 三大战场，时序数据已从“可选项”变成“生命线”。InfluxDB 用十年时间写下“易用即正义”的剧本，却在数据量冲破亿级、查询复杂度逼近数据仓库级别时，频频掉帧。
国产金仓（KingbaseES）把战场拉回“硬核性能”维度——用同一套 TSBS 考题，把 InfluxDB 的“人设”考崩了。
一、写入战场：4000 台设备拐点，InfluxDB 先“喘”
| 设备规模 | 金仓 插入指标数/秒 | InfluxDB 插入指标数/秒 | 金仓领先倍数 |
|---|---|---|---|
| 4 000 台 | 3 200 万 | 1 970 万 | 1.62× |
| 1 000 万台 | 5 800 万 | 2 170 万 | 2.67× |
数据来源：TSBS 10× 重复压测，10 指标/设备，batch=10 k
结论很简单：设备量越大，金仓的“写入斜率”越陡，InfluxDB 却提前进入“平台期”。
二、查询战场：复杂度每翻一倍，差距翻十倍
| 场景快照 | 金仓 (ms) | InfluxDB (ms) | 倍数差 |
|---|---|---|---|
| 8 设备×5 指标×1 h MAX | 42 | 167 | 4× |
| 400 设备 Last-Point | 147 | 10 515 | 71× |
| 高负载设备阈值筛选 | 218 | 1 090 | 5× |
一句话总结：
“简单聚合”双方都能跑；“多维+关联”直接让 InfluxDB 进入“幻灯片”模式。
三、企业级“降维打击”：InfluxDB 缺的三门课，金仓满分
-
SQL 母语 + ACID 事务
不写 Flux、不拼字符串，直接JOIN设备维表；金融级指令回滚，一条BEGIN搞定。 -
冷热分级 + 1:4 压缩
30 天前数据自动沉到“冷区”，压缩比 1:4，1 PB 裸数据只花 250 TB 预算，省出一套一线城市学区房。 -
时序+空间+JSON 三模一库
一条 SQL 同时过滤“过去 7 天、机场 5 km 圈内、车速>120 km/h”的车辆——InfluxDB 需要外挂 + ETL，金仓直接原表WHERE。
四、真刀真枪：两个“翻车现场”被金仓救回
-
全球最大单体港口
日均 60 亿条 GPS 轨迹，InfluxDB 实时画轨迹 3 s 一帧；换金仓后 300 ms 出图，调度大屏不再“放 PPT”。 -
千台风机新能源基地
每秒 40 万点写入 + 风机元数据关联，InfluxDB 查一次“昨日故障 Top10”要 28 s；金仓 1.3 s 回表，压缩存储还帮客户省下 120 万元/年的磁盘预算。
五、结语：选工具还是选底座？
InfluxDB 仍是“单线程神器”——小而美、上手快。
但当数据量冲破“亿级”、查询复杂度逼近“数据仓库”、业务系统高喊“我要事务、我要 JOIN、我要省存储”时，金仓把“时序数据库”四个字升级为 时序驱动的企业级融合数据平台。
一句话，给正在选型的人：
如果只想做几块监控看板，InfluxDB 够用；
想让时序数据成为“实时决策现金牛”，金仓是那张能兑现的支票。
