KairosDB底层存储H2与Cassandra的差异及适用场景选型咨询

核心差异对比 #

• 架构与扩展能力：H2是轻量级嵌入式关系型数据库，仅支持单节点部署，无分布式扩展能力，存储上限完全受单节点硬件资源限制；Cassandra是分布式NoSQL数据库，支持多节点集群部署，可线性扩展存储和计算能力，可承载PB级时序数据，天生支持多副本容灾。
• 写入性能：H2在单节点低并发场景下写入延迟较低，但并发写入量超过单节点负载阈值后性能会出现断崖式下跌，无法承载高吞吐时序写入；Cassandra基于LSM树架构设计，专门针对时序类高吞吐写入场景优化，单集群可支持每秒数十万到百万级数据点写入，扩容后性能可线性提升。
• 查询性能：H2在千万条数据以内的简单查询响应速度较快，一旦数据量过亿、或是需要执行大范围时间区间聚合、多标签维度过滤查询时，性能下降非常明显；Cassandra支持分布式并行查询，大数据量下的复杂时序查询性能更稳定，远超同硬件条件下的H2。
• 运维成本：H2开箱即用，几乎不需要额外运维操作，资源占用极低；Cassandra需要专人维护集群状态、数据备份、节点扩缩容等工作，运维复杂度和硬件资源成本都远高于H2。

选型建议 #

• 优先选择H2的场景：
  • 开发、测试环境快速验证KairosDB的功能逻辑
  • 业务规模极小，单日写入数据点低于100万，总数据量不超过1亿条
  • 无需高可用能力，仅需单节点部署即可满足需求
  • 希望尽可能压缩运维和硬件投入成本
• 优先选择Cassandra的场景：
  • 生产环境承载核心业务时序数据
  • 有高吞吐写入需求，单日写入数据点超过100万，总数据量需要支持GB到PB级弹性扩展
  • 要求服务高可用，避免单节点故障导致数据丢失或服务中断
  • 存在大量大范围时间区间查询、多维度标签聚合查询的业务需求

内容的提问来源于stack exchange，提问作者AbdelKh