最近因为一些业务需要，一直在研究国产时序数据库，刚好顺便出一些测评。
第一轮选中了 TDengine 和 KaiwuDB 先试试。

TDengine 确实知名度比较高，开源生态成熟，在时序数据库中还是比较有代表性的；
KaiwuDB 我也是才知道不久。24年才正式开源的国产新生代力量，在墨天轮时序库榜单上升势头极快，且去年在 benchANT 性能榜单评测中拿下第一，性能表现看上去也算是在第一梯队了。
本次测试我用 TSBS 标准跑了一组完整对比，覆盖单机 / 分布式写入、多场景查询时延，今天把结果整理出来分享给同样在选型的朋友们，仅供参考。

一、测试环境与流程说明

本次测试所有数据库进程均部署于Docker容器， Kylin Linux Advanced Server release V10 (Halberd)，内核版本为 4.19.90-89.11.v2401.ky10.x86_64。硬件资源如下：

• 2 颗 Intel Xeon Gold 6240 CPU（2.6GHz 基础频率，最高 3.9GHz），共 72 逻辑核（18 核 / 颗 ×2，超线程开启），2 个 NUMA 节点
• 通过 Docker 限制单节点仅使用 16 核
• 总容量 394.8GB（MemTotal: 394835452 kB），支持 DirectMap4k / DirectMap2M / DirectMap1G 页映射
• 通过 Docker 限制单节点内存上限为 32GB
• 每个容器（节点）绑定单个 1.8TiB Intel NVMe 硬盘

测试工具与数据处理：

• TDengine：使用开源 TSBS 工具>> https://github.com/taosdata/tsbs
• KaiwuDB：使用开源 TSBS 工具>> gitee.com/kwdb/kwdb-tsbs
• 查询时间范围统一通过开源工具调整>>https://gitee.com/KiweeL/tsbs_query_modifier

二、写入性能详细对比

写入部分使用 import_speed 作为吞吐指标，单位为 rows/s，数值越高越好。

1. 单机写入吞吐量

场景	TDengine(rows/s)	KaiwuDB(rows/s)	KaiwuDB相对提升
场景一	2335510.23	3006478.08	+28.7%
场景二	1824812.90	2961473.92	+62.3%
场景三	1057568.12	2825616.69	+167.2%
场景四	348140.28	1626088.47	+367.1%

图 1：单机场景写入吞吐量对比。

单机场景下，KaiwuDB 领先，最大提升超 3.6 倍，数据规模越大优势越突出。

2. 分布式写入吞吐量

场景	TDengine(rows/s)	KaiwuDB(rows/s)	KaiwuDB相对提升
场景一	2355539.30	1995710.07	-15.3%
场景二	1818971.71	2138717.90	+17.6%
场景三	1049025.07	1813444.69	+72.9%
场景四	329753.39	1143143.50	+246.7%

图 2：分布式场景写入吞吐量对比。

分布式场景下，KaiwuDB 场景一落后，后续场景快速反超，最大提升超 2.4 倍。

三、查询性能详细对比

查询性能计算公式：(TDengine 延迟 - KaiwuDB 延迟)/TDengine 延迟

• 正值：KaiwuDB 时延更低，性能更优
• 负值：TDengine 时延更低，性能更优

1. 整体查询表现统计

部署方式	Worker数	KaiwuDB领先数	平均提升	最佳查询项	最弱查询项
单机	1	47/60	+35.0%	lastpoint(+91.0%)	double-groupby-5(-41.9%)
单机	8	54/60	+62.6%	lastpoint(+94.0%)	double-groupby-1(-15.8%)
分布式	1	50/60	+26.7%	lastpoint(+88.0%)	double-groupby-5(-12.6%)
分布式	8	51/60	+50.6%	lastpoint(+91.4%)	double-groupby-1(-53.3%)

图 3：单机 1worker 查询延迟相对差异

图 4：单机 8worker 查询延迟相对差异

图 5：分布式 1worker 查询延迟相对差异

图 6：分布式 8worker 查询延迟相对差异

2. 关键场景查询表现

• 单机场景下，KaiwuDB 的写入性能在四个场景全部领先，且场景越大优势越明显。查询侧，lastpoint、high-cpu-all、single-groupby-* 等短查询改善明显，但 double-groupby-1/5/all 整体仍弱于 TDengine。
• 分布式场景下，KaiwuDB 在场景一写入略逊于 TDengine，但从场景二开始明显反超。查询方面，lastpoint、groupby-orderby-limit 和多数 single-groupby 仍然占优，double-groupby-* 在 8worker 下回退较为明显。

四、核心测试结论回顾

• 单机写入：KaiwuDB 在 4/4 个场景领先 TDengine，且随着场景规模提升，优势明显扩大。
• 分布式写入：KaiwuDB 在 3/4 个场景领先，场景一略落后，场景二至四显著反超。
• 查询性能：KaiwuDB 在 lastpoint、high-cpu-all、single-groupby 等短查询场景优势明显。
• 风险点：double-groupby-1/5/all 尤其在分布式 8worker 下仍弱于 TDengine。

五、选型建议

综合本次 TSBS 测试结果：

• KaiwuDB：写入性能全面占优，单机/大规模分布式场景优势极强；短查询、点查时延极低，适合高吞吐写入+高频简单查询的时序业务，比如产线设备实时运行监控、光伏/风机状态采集
• TDengine：在double-groupby类重聚合查询上保持稳定优势，更适合以复杂聚合计算为核心的业务场景，比如能耗管理、报表核算、负荷预测之类的

选型建议：

• 业务侧重大规模数据写入、低时延短查询 → 优先选择KaiwuDB
• 业务侧重高并发复杂聚合查询 → 建议结合实际业务模型进一步验证

---

大家平时用哪款时序数据库更多？欢迎在评论区交流使用经验，一起学习进步！