关于关系型数据库（如SQL）用于实时时间序列分析的优劣及适用性疑问

结合我在关系型数据库和InfluxDB这类时序数据库上的实操经验，我来梳理下对这个问题的看法：

• 关系型数据库针对大数据的局限性：

  • 面对大规模大数据负载时，扩展性表现不足
  • 实现memcaching来优化性能的过程相对复杂
  • 分析前需要额外对数据执行unnest和flatten操作，增加了预处理成本

• 结构化数据场景下的优势：
  尽管存在上述缺陷，但我依然认为在部分结构化数据场景中，关系型数据库的适用性要优于InfluxDB这类时序数据库。关系型数据库成熟的结构化查询模型和生态，在处理复杂关联查询、结构化数据操作时往往更直观可靠。

• 查询延迟与时序分析的适配性：
  我并不认同“查询延迟会导致关系型数据库不适用于时序分析”这一观点。通过合理的索引策略、查询调优以及缓存层优化，关系型数据库完全能够满足很多时序分析场景下的延迟要求。

• 尚未解决的疑问：
  目前我还没有找到针对上述权衡点的权威解答或详细分析。

内容的提问来源于stack exchange，提问作者Shahin Vakilinia