Time-series databases на собеседовании Data Engineer

Зачем TSDB

Standard РСУБД struggle с:

• High write rate (миллионы datapoints / sec).
• Time-range queries на billions points.
• Compression high-frequency data.
• Retention policies.

TSDB optimized под эти нагрузки.

InfluxDB

Specialized TSDB. InfluxQL / Flux query language.

Pros: built для time series. High write throughput.

Cons: не SQL (изначально). Limited joins.

InfluxDB 3 — Apache Arrow / DataFusion-based. Better performance.

TimescaleDB

Postgres extension.

Pros:

• Standard SQL.
• Postgres ecosystem (joins, ACID).
• Compression на 90%+ (chunks).
• Continuous aggregates auto-update.

Cons: еще Postgres limits для massive scale.

CREATE EXTENSION timescaledb;
SELECT create_hypertable('metrics', 'time', chunk_time_interval => INTERVAL '1 day');

Prometheus

Специально для metrics monitoring. Pull-based scraping.

Pros: k8s-native, auto-discovery, integrates с Grafana.

Cons:

• Single-server (HA через Thanos / Cortex).
• Short retention (15-30 days default).
• PromQL — own language.

Стандарт для infrastructure monitoring.

ClickHouse как TSDB

CH excels на time-series despite being analytical.

Pros:

• Best-in-class compression.
• Sub-second queries на billions rows.
• SQL.
• Materialized views.

Cons: не has Prometheus-style discovery.

В РФ часто CH replaces Influx / Timescale.

Сравнение

Связанные темы

• ClickHouse MergeTree для DE
• Postgres extensions для аналитики DE
• Logging strategy для SA
• Distributed tracing для SA
• Подготовка к собесу Data Engineer

FAQ

Это официальная информация?

Нет. Статья основана на документации InfluxDB / Timescale / Prometheus / ClickHouse.

Тренируйте Data Engineering — откройте тренажёр с 1500+ вопросами для собесов.