TimescaleDB
| TimescaleDB | |
|---|---|
| Basisdaten
| |
| Entwickler | Timescale Inc[1] |
| Erscheinungsjahr | 1.11.2018 |
| Aktuelle Version | 2.15.0 (8. Mai 2024) |
| Betriebssystem | Unix-Derivate, Linux, Microsoft Windows, macOS |
| Programmiersprache | C |
| Kategorie | Zeitreihendatenbank |
| Lizenz | Apache 2.0 |
| deutschsprachig | nein |
| www.timescale.com | |
TimescaleDB ist eine Open-Source-Zeitreihendatenbank[2][3][4], die von Timescale Inc. entwickelt wird. Sie ist in C geschrieben und erweitert PostgreSQL.[5][6] TimescaleDB ist eine relationale Datenbank[7] und unterstützt Standard-SQL-Abfragen. Zusätzliche SQL-Funktionen und -Tabellenstrukturen bieten Unterstützung für Zeitreihendaten, insbesondere hinsichtlich Speicherung und performanter Analyse großer Datenmengen.[8]
Eines der Hauptmerkmale von TimescaleDB ist ihre Geschwindigkeit, die mit InfluxDB verglichen wurde.[9] Die zeitbasierte Datenpartitionierung über Hypertabellen ermöglicht eine verbesserte Abfrageausführung und -geschwindigkeit für zeitbezogene Anwendungen.[10] Eine detailliertere Partitionierungsdefinition wird durch benutzerdefinierte Attribute erreicht..[11]
TimescaleDB wird als Open-Source-Software unter der Apache-2.0-Lizenz angeboten. Zusätzliche Funtionen sind in einer Community-Edition verfügbar, die als quelloffene (aber nicht freie) Software unter dem Timescale License Agreement (TLS) bereitgestellt wird.[12]
Geschichte
[Bearbeiten | Quelltext bearbeiten]Timescale wurde von CEO Ajay Kulkarni[13] und CTO Michael J. Freedman gegründet, um ihren Bedarf an einer Datenbanklösung zur Unterstützung von Daten aus dem Internet der Dinge zu decken.[14]
Einzelnachweise
[Bearbeiten | Quelltext bearbeiten]- ↑ Ron Miller: Timescale grabs $40M Series B as it goes all in on cloud version of time series database. In: techcrunch.com. 5. Mai 2021, abgerufen am 31. Mai 2025 (englisch).
- ↑ Design Recommendations for Intelligent Tutoring Systems: Volume 8 - Data Visualization. Army Research Laboratory, 2020, ISBN 978-0-9977257-8-0, S. 50 (englisch, google.com): “For example, the emergence of reliable, open-source, timeseries databases, such as InfluxDB and TimescaleDB, have made them indispensable tools upon which to build metric-driven workflows (Assay, 2019).The value in these specialized data-stores is in their singular focus around ingesting and vending massive amounts of tagged measurements at specific points in time. The optimization and specificity to common issues related to measurement in general --- as well as their open-source licenses --- have made them indispensable solutions for a wide range of needs requiring measurement at scale.”
- ↑ Dr. Quan Ha Le, Marcelo Diaz: Developing Modern Database Applications with PostgreSQL. Packt Publishing, 2021, ISBN 978-1-83864-106-1, S. 162 (englisch, google.com): “TimescaleDB is an open source database for time series data; we first heard about TimescaleDB when we investigated standalone PostgREST because it had TimescaleDB as a built-in extension.”
- ↑ Nathan Liefting, Brian van Baekel: Zabbix 5 IT Infrastructure Monitoring Cookbook. Packt Publishing, 2021, ISBN 978-1-80020-845-2, S. 358 (englisch, google.com): “TimescaleDB is an open source relational PostgreSQL database for time-based series data.”
- ↑ Tony Baer: Timescale scales out and sets its sights on analytics. In: ZDNet. 17. Juni 2021 (englisch): „Thus, TimescaleDB joins what is literally a crowd in the PostgreSQL community, but it is unique in being one of the few, if not the only, PostgreSQL variants that have been specifically designed for time series data.“
- ↑ Piotr Grzesik, Dariusz Mrozek: Computational Science – ICCS 2020 (= Lecture Notes in Computer Science. Band 12141). 2020, ISBN 978-3-03050425-0, Comparative Analysis of Time Series Databases in the Context of Edge Computing for Low Power Sensor Networks, S. 371–383, doi:10.1007/978-3-030-50426-7_28, PMC 7302557 (freier Volltext) – (englisch).
- ↑ Alexey Struckov, Semen Yufa, Alexander A. Visheratin, Denis Nasonov: Evaluation of modern tools and techniques for storing time-series data. In: Procedia Computer Science. 156. Jahrgang, 1. Januar 2019, ISSN 1877-0509, S. 19–28, doi:10.1016/j.procs.2019.08.125 (englisch).
- ↑ High Volume Space Exploration Time-Series Data Storage in PostgreSQL. In: InfoQ. Abgerufen am 4. August 2021 (englisch).
- ↑ Jowanza Joseph: Mastering Apache Pulsar. O'Reilly Media, 2021, ISBN 978-1-4920-8485-3 (englisch, google.com [EBOOK]): “TimescaleDB shares some philosophical and performance characteristics with InfluxDB, a database supported out of the box by Pulsar IO.”
- ↑ Steven J. Martin: Cray Advanced Power Management Updates. In: CUG Proceedings 2018. 1. September 2018, abgerufen am 4. August 2021 (englisch).
- ↑ Preetam Jinka: Time Series at ShiftLeft. In: Medium. 5. Dezember 2018, abgerufen am 4. August 2021 (englisch).
- ↑ TimescaleDB License Agreement. 24. September 2020, abgerufen am 9. August 2021 (englisch).
- ↑ David G. Cohen, Brad Feld: Do More Faster India. Wiley, 2020, ISBN 978-1-119-69891-3 (englisch, google.com): “Founded by Andrew Cheung and Ajay Kulkarni, Sensobi was a mobile address book that enabled users to record notes, set follow-up reminders, stay connected, and manage relationships. Sensobi received a small amount of funding and was acquired by GroupMe in 2011, when the app was relaunched as a mobile chat platform. Andrew is currently a technical lead at Signal Services and Ajay is cofounder and CEO of TimescaleDB.”
- ↑ A scalable time-series database that supports SQL. In: O'Reilly Data Show Podcast. 22. Juni 2017, abgerufen am 9. August 2021 (englisch).