数据如同空气一样普遍。对个人来说，可能是熬夜写过的一份份报告，也可能是拍摄的一张张照片。对企业来说，数据更是成为了活跃的生产要素,推动着企业创造更大的价值。
我们正在进入万物互联的时代，虽然科幻电影中的场景也许离我们还很遥远，但其实一些应用早已成熟，比如在无人值守的高山，风机出现状况要怎么处理？如果我们在风机上布置传感器，监测数据并传到数据库，就可以实时告警了。而这，正是IoTDB，一个时序数据库的应用案例。
什么是时序数据库，为什么选择它，IoTDB有哪些特性，这是接下来要介绍的内容。
最早流行的数据库是关系数据库，它至今仍然是应用最多的数据库，比如Oracle、MySQL、SQL Server等。但应用最多，不代表它适应所有场景。
关系数据的“关系”，并不是简单的现实世界的关系，而是数学语言，可以理解为一种集合，例如“张三”是一个集合，“人名”是一个集合，这些集合进行运算，得到的结果也是集合，称为“关系”。
关系数据库是以关系模型为基础设计的一类数据库，上面这个“关系”，用表格来表示如下：
| 人名 |
|---|
| 张三 |
一切数据都可以“装”进表里，那我们为什么还要寻找其他类型的数据库呢？答案很简单，关系数据库有它自身的缺陷，某些特殊的数据，例如时序数据，有更合适的数据库。
什么是时序数据，本质上，一切数据都可以是时序数据，毕竟哪个数据的产生不需要时间呢？当你录入“张三”这个数据时，必然是有准确的录入时间的，如果每录入一个数据，就记下这个时间点，那么这一串数据就叫时序数据。
| 人名 | 录入时间 |
|---|---|
| 张三 | x年x月 |
| 李四 | x年x月 |
| ... | ... |
时序（Time Series）数据，即带着时间戳的一系列数据，通常表示被测量的物体在一段时间内的每个时间戳对应的变化。如果你炒股，那应该非常熟悉时序数据，比如每只股票每时每刻的股价，就是再典型不过的时序数据。又或者我们把历年的GDP数据汇总起来，就得到了以年为单位的时序数据。
现在你理解了关系数据库和时序数据库中数据组织的不同，好像时序数据能做的事，关系数据库也能做啊——加上“录入时间”这一列不就行了？诚然，在时序数据库出现以前，人们就是这么处理时序数据的，但随着技术的发展，数据大量增长，关系数据库力不从心了。
关系数据库的单表列数是有限的，如MySQL一个表里最多可有1017列，单表行数也不能超过一千万行。而在物联网终端设备，这些数据轻易就能超出。如果非要用它，也不是不可以，例如人工分库分表，但这就很麻烦且增加了人力成本。
不仅是存储有上限，写入方面，高频数据千万级的写入压力也是关系数据库难以应对的难题。即使耗费大量成本写入数据了，数据是需要压缩的否则存储成本很高，关系数据库对时序数据的压缩也不理想。数据最终是要用的，关系数据库在面对简单查询的时候还好，但时序数据的应用往往需要聚合查询，例如我们想知道过去一个月里每天晚上八点到十点的气温，这在关系数据库中的查询会非常缓慢。
这些难题，正是时序数据库要解决的问题。
那在各种时序数据库中，IoTDB又如何脱颖而出呢？
市面上时序数据库数不胜数，为什么要重复造轮子？很简单，因为性能不一样。
IoTDB数据库的诞生，最初便起源于清华大学在承担国家项目时深感已有系统的性能太差，从而重新设计数据库内核。具体的机制不赘述了，感兴趣可以点击链接阅读官方公众号文章《IoTDB核心技术剖析》：https://mp.weixin.qq.com/s/5duBCArZ1yi04j5Et_YOxA。
来看看实际的性能表现吧。
可以看到，无论在写入、原始数据查询还是聚合查询，IoTDB都遥遥领先于同类数据库。