通过充分利用时序大数据的特点，TDengine团队设计了一新颖的存储引擎，将数据的写入和查询速度大幅提升，同时数据压缩率也是大幅提高。与通用数据库相比，性能好至少十倍以上，存储空间不到1/5，与其他时序数据库相比，性能也是远超。与流行的时序数据库InfluxDB相比，完全采用InfluxDB自身提供的测试框架、数据集和测试场景（https://www.influxdata.com/blog/influxdb-outperforms-graphite-in-time-series-data-metrics-benchmark/），写入速度至少是2倍以上，在设备数量超过1000以后，写入速度是5.2倍。对于查询场景，极个别的与InfluxDB速度持平，绝大部分都是几倍的速度，有的甚至高达40倍。数据压缩上，两者都不错，但TDengine更好，存储空间不到InfluxDB的70%。

       图一是写入所有数据所耗时间的测试结果。很明显的看出，在InfluxDB发布的自己最优的条件下，随着设备数量的增加，TDengine的优势越来越大，当设备数达到1000时，InfluxDB所消耗的时间是TDengine的5.2倍。与InfluxDB完整的写入对比测试，包括详细步骤和结果，请看“ TDengine VS InfluxDB，写入性能大PK！”

      图二是获取部分设备全量数据所耗时间的测试结果。可以看出，当读取16个设备数据全量数据时，InfluxDB所消耗的时间是TDengine的8.78倍，当读取128个设备的全量数据时，InfluxDB所消耗的时间是TDengine的9.37倍。而且当读取的设备数量为256时，InfluxDB完全卡住，无法完成测试。与InfluxDB完整的查询对比测试，包括详细步骤和结果，请看“TDengine和InfluxDB查询性能对比测试报告”

      我们完全可以将设备数量增大到十万、一百万甚至一千万，而且可以把时间跨度大幅增加，但实在由于InfluxDB太慢，我们没有耐心去做更多的测试。欢迎大家用我们提供的完整步骤，调整测试参数，自己运行测试得出结论。

       与其他数据库MongoDB, ClickHouse, OpenTSDB等的对比测试报告, 请下载“TDengine与其他数据库对比测试的完整报告”都是时序数据库，为什么TDengine能如此出众？是由于TDengine采用了独特的存储结构，而不是照搬通用的KV存储或LSM存储引擎。它充分的利用时序数据的特点而做各种优化，创新的提出了包括“一个数据采集点一张表”与“超级表”的设计，详细请看 TDengine 架构设计。