Bases de Datos de Series Temporales — InfluxDB, TimescaleDB y ClickHouse

Overview

Las bases de datos de series temporales (TSDBs) estan optimizadas para cargas de trabajo donde los datos se indexan principalmente por tiempo: metricas, lecturas de sensores IoT, logs de aplicaciones, datos de ticks financieros y monitoreo de sistemas. A diferencia de las bases de proposito general, las TSDBs aprovechan la naturaleza inmutable y solo-adicion de datos de series temporales para lograr alto rendimiento de ingestion y consultas eficientes por rango de tiempo. Motores especializados como InfluxDB, TimescaleDB y ClickHouse ofrecen diferentes compromisos entre facilidad de uso, compatibilidad SQL y rendimiento crudo.

When to Use

• Ingestas millones de puntos de datos por segundo con una marca de tiempo
• Las consultas son predominantemente escaneos por rango de tiempo (WHERE time > now() - interval '1 day')
• Los datos son solo-adicion y raramente actualizados despues de la insercion
• Se necesitan politicas de retencion y downsampling para gestionar almacenamiento
• Consultas de agregacion (avg, sum, count) sobre ventanas deslizantes son comunes

Comparacion

Caracteristica	InfluxDB	TimescaleDB	ClickHouse
Motor base	Custom (TSM/TSI)	Extension PostgreSQL	Columnar OLAP
Soporte SQL	InfluxQL / Flux	SQL completo	Dialecto SQL
Facilidad setup	Binario unico	PostgreSQL + extension	Mas complejo
Tasa ingestion	Muy alta	Alta	Extremadamente alta
Compresion	Buena	Buena	Excelente
Mejor para	Metricas DevOps, IoT	Aplicaciones ya en Postgres	Analitica, big data

Modelo de Datos (InfluxDB Line Protocol)

measurement,tag1=value1,tag2=value2 field1=42.0,field2="text" 1465839830100400200

• Measurement: Contenedor logico (como una tabla)
• Tags: Dimensiones de metadata indexadas (ID de dispositivo, region)
• Fields: Valores reales (temperatura, uso de CPU)
• Timestamp: Precision de nanosegundos

Ejemplo TimescaleDB

-- Habilitar extension TimescaleDB y crear hypertable
CREATE EXTENSION IF NOT EXISTS timescaledb;

CREATE TABLE sensor_data (
    time TIMESTAMPTZ NOT NULL,
    sensor_id INT NOT NULL,
    temperature DOUBLE PRECISION,
    humidity DOUBLE PRECISION
);

-- Convertir a hypertable con chunks de 1 dia
SELECT create_hypertable('sensor_data', by_range('time', INTERVAL '1 day'));

-- Agregado continuo para promedios horarios
CREATE MATERIALIZED VIEW hourly_avg
WITH (timescaledb.continuous) AS
SELECT
    time_bucket('1 hour', time) as bucket,
    sensor_id,
    AVG(temperature) as avg_temp,
    AVG(humidity) as avg_humidity
FROM sensor_data
GROUP BY bucket, sensor_id;

-- Politica de retencion: eliminar chunks mayores a 90 dias
SELECT add_retention_policy('sensor_data', INTERVAL '90 days');

Ejemplo ClickHouse

-- Crear tabla MergeTree para datos de series temporales
CREATE TABLE events (
    event_time DateTime,
    user_id UInt64,
    event_type String,
    value Float64
) ENGINE = MergeTree()
ORDER BY (event_type, event_time);

-- Consulta eficiente por rango de tiempo
SELECT
    toStartOfHour(event_time) as hour,
    count() as event_count,
    avg(value) as avg_value
FROM events
WHERE event_time > now() - INTERVAL 7 DAY
GROUP BY hour
ORDER BY hour;

Retencion y Downsampling

Estrategia	Como	Compromiso
Retencion raw	Mantener todos los datos por N dias	Mayor fidelidad, mayor costo
Downsampling	Agregar a menor resolucion despues de N dias	Ahorra almacenamiento, pierde granularidad
Almacenamiento por niveles	Mover chunks viejos a almacenamiento frio	Consultas viejas mas lentas, mas barato

-- InfluxDB: consulta continua para downsampling
CREATE CONTINUOUS QUERY "hourly_cpu" ON "monitoring"
BEGIN
    SELECT mean("usage") INTO "downsampled"."autogen"."cpu_1h"
    FROM "monitoring"."autogen"."cpu"
    GROUP BY time(1h),*
END;

Common Mistakes

• Usar una TSDB para cargas transaccionales — no hay ACID, no updates, no integridad referencial
• Tags de alta cardinalidad — demasiados valores unicos de tag explotan memoria y tamano de indice
• Sin politica de retencion — los datos de series temporales crecen indefinidamente; siempre definir retencion o archivado
• Precision de timestamp incorrecta — precision de nanosegundos suele ser excesiva y desperdicia almacenamiento
• Almacenar datos no-temporales en una TSDB — usar la herramienta correcta para cada carga de trabajo

FAQ

Puedo usar PostgreSQL para datos de series temporales? Si, con TimescaleDB. Para cargas de pequena escala, PostgreSQL vanilla con indices apropiados funciona. Para alta tasa de ingestion, una TSDB dedicada es mejor.

Como manejo backfills en una TSDB? La mayoria de TSDBs soportan escrituras fuera de orden, pero el rendimiento puede degradarse. Hacer backfills en lotes y usar tamanos de chunk apropiados.

Debo almacenar tags o fields? Los tags son indexados; los fields no. Usa tags para dimensiones por las que filtras o agrupas. Usa fields para valores que agregas.