MySQL vs IoTDB：谁才是工业物联网的“最强大脑”？

一、前言

在学习 Apache IoTDB 之前，我们先要搞清楚一个问题：

为什么已经有 MySQL、Oracle、PostgreSQL 这些数据库了，还需要 IoTDB 这种时序数据库？

原因很简单：不同类型的数据，适合用不同类型的数据库存储。

比如用户信息、订单信息、商品信息，这些数据结构比较固定，关系也比较清晰，非常适合使用 MySQL 这类关系型数据库。

但是在物联网场景中，数据往往是这样的：

2026-07-24 10:00:01  设备A  温度  26.5
2026-07-24 10:00:02  设备A  温度  26.6
2026-07-24 10:00:03  设备A  温度  26.7
2026-07-24 10:00:04  设备A  湿度  61.2

这类数据有一个非常明显的特点：

每一条数据都和时间有关。

这种按照时间不断产生的数据，就叫做 时间序列数据，简称 时序数据。

IoTDB 就是专门用来存储、管理、查询这类时序数据的数据库。

---

二、什么是时序数据？

时序数据，就是按照时间顺序不断产生的数据。

在生活中，时序数据其实非常常见：

场景	数据举例
工厂设备	温度、压力、转速、电流、电压
智能家居	温湿度、用电量、开关状态
车辆系统	速度、油耗、电池电量、GPS
服务器监控	CPU、内存、磁盘、网络流量
气象监测	温度、湿度、风速、降雨量

它们都有一个共同特点：

时间 + 对象 + 指标值

比如：

时间：2026-07-24 10:00:00
设备：device01
指标：temperature
值：26.5

可以理解为：

某个设备，在某个时间点，产生了某个指标值。

---

三、IoTDB 是什么？

IoTDB 的全称是：

Internet of Things Database

也就是 物联网数据库。

Apache IoTDB 是一个面向工业物联网场景的时序数据库，主要用于采集、存储、管理和分析物联网时序数据。

简单来说，IoTDB 适合处理这类问题：

设备很多
指标很多
数据一直产生
数据量非常大
查询经常按时间范围查询
需要统计某段时间内的最大值、最小值、平均值

比如一个工厂有 1000 台设备，每台设备每秒上传一次温度、电压、电流、转速等数据。一天产生的数据量就会非常大。

这时候如果全部塞进普通关系型数据库，后期查询和存储压力会越来越明显。

IoTDB 就是为这种场景设计的。

---

四、IoTDB 在物联网系统中的位置

IoTDB 通常位于设备采集层和业务分析层之间。

设备不断上传数据，IoTDB 负责存储这些数据；后端系统、可视化大屏、报表系统再从 IoTDB 中查询数据。

从这张图可以看出，IoTDB 的核心作用就是：

把设备连续产生的时序数据高效地存下来，并且方便后续查询和分析。

---

五、普通数据库能不能存时序数据？

答案是：

能存，但不一定适合。

比如用 MySQL 存设备温度数据，可以设计一张表：

CREATE TABLE sensor_data (
    id BIGINT PRIMARY KEY AUTO_INCREMENT,
    device_id VARCHAR(50),
    sensor_type VARCHAR(50),
    value DOUBLE,
    collect_time DATETIME
);

然后插入数据：

INSERT INTO sensor_data(device_id, sensor_type, value, collect_time)
VALUES ('device01', 'temperature', 26.5, '2026-07-24 10:00:00');

这样当然可以存。

但是问题在于，时序数据通常有几个特点：

1. 数据量非常大
2. 写入频率非常高
3. 主要按照时间范围查询
4. 很少修改历史数据
5. 经常需要聚合统计，比如平均值、最大值、最小值
6. 设备和指标数量可能不断增加

普通关系型数据库不是不能做，而是做起来会越来越吃力。

---

六、时序数据库和普通数据库的区别

可以先看一个简单对比：

对比项	普通关系型数据库	时序数据库 IoTDB
典型代表	MySQL、Oracle、PostgreSQL	Apache IoTDB
主要数据	用户、订单、商品等业务数据	设备、传感器、监控指标
数据特点	关系复杂，增删改查都有	按时间持续写入，查询多按时间范围
写入方式	普通业务写入	高频连续写入
查询方式	按主键、外键、条件查询	按时间、设备、指标查询
历史数据	可能经常修改	一般很少修改
聚合统计	可以做，但大数据量下压力较大	更适合时间窗口聚合
存储优化	面向通用数据	面向时间序列数据压缩和查询优化

一句话总结：

普通数据库更适合存业务关系数据，IoTDB 更适合存设备连续产生的时序数据。

---

七、用一个例子理解 IoTDB 的数据模型

假设有一个工厂，里面有一台设备 device01，这台设备会采集两个指标：

temperature：温度
humidity：湿度

在 IoTDB 中，可以把它理解成下面这种结构：

root.factory.device01.temperature
root.factory.device01.humidity

其中：

名称	含义
root	根节点
factory	工厂
device01	设备
temperature	温度指标
humidity	湿度指标

这种结构很适合物联网场景。因为现实中的设备本来就是分层管理的：

集团 -> 工厂 -> 车间 -> 设备 -> 传感器指标

IoTDB 使用类似目录树的方式管理这些数据，对初学者来说比较直观。

---

八、MySQL 表结构和 IoTDB 路径结构对比

如果用 MySQL，我们通常会把数据放在表里：

sensor_data 表

每一行是一条采集数据。

如果用 IoTDB，我们更关注的是：

某个设备的某个指标，随着时间变化产生的一组数据

比如：

device01 的 temperature 是一条曲线
device01 的 humidity 是一条曲线
device02 的 temperature 也是一条曲线

每条曲线都会随着时间不断产生新数据。

简单来说：

MySQL 更像是在管理一张张表
IoTDB 更像是在管理一条条随时间变化的曲线

这也是时序数据库和普通数据库在思路上的一个重要区别。

---

九、IoTDB 适合哪些场景？

IoTDB 特别适合下面这些场景。

1. 工业设备数据采集

比如采集设备的：

温度、湿度、压力、转速、电流、电压、功率

这些数据都是连续产生的，非常适合用 IoTDB 存储。

2. 物联网平台

智能水表、电表、燃气表、智能家居设备，都会定时上传数据。

比如：

每 5 秒上传一次用电量
每 10 秒上传一次温度
每 1 分钟上传一次设备状态

3. 监控系统

服务器监控也属于典型时序数据：

CPU 使用率
内存使用率
磁盘使用率
网络流量

这些指标本质上也是按照时间不断变化的数据。

4. 数据分析和可视化

IoTDB 不只是能存数据，还可以按时间范围查询、聚合统计，非常适合做曲线图、报表和告警系统。

---

十、什么时候不适合用 IoTDB？

虽然 IoTDB 很适合时序数据，但并不是所有场景都应该用它。

下面这些场景更适合普通关系型数据库：

场景	更适合的数据库
用户登录、权限管理	MySQL
订单、支付、商品	MySQL
复杂事务处理	MySQL / PostgreSQL
多表关联查询	MySQL / PostgreSQL
设备采集数据	IoTDB
传感器历史曲线	IoTDB
时间范围聚合统计	IoTDB

所以实际项目中，经常是两种数据库一起使用：

MySQL 存业务数据
IoTDB 存设备时序数据

---

十一、总结

IoTDB 是一个专门面向物联网场景的时序数据库。

它主要解决的问题是：

大量设备
高频写入
按时间查询
历史数据统计
设备指标分析

普通数据库不是不能存时序数据，而是在数据量越来越大、写入越来越频繁、查询越来越偏向时间范围统计时，时序数据库会更加合适。

最后可以简单记住一句话：

MySQL 适合存业务关系数据，IoTDB 适合存设备时序数据。

下一篇文章我们可以继续学习：

IoTDB 安装与启动：Windows / Docker 快速跑起来

---

参考资料

• Apache IoTDB 官网：IoTDB Website
• Apache IoTDB 官方文档：Index of /UserGuide/latest