中國(guó)時(shí)序數(shù)據(jù)庫(kù)行業(yè)發(fā)展環(huán)境、市場(chǎng)運(yùn)行格局及前景研究報(bào)告—智研咨詢(xún)（2025版）內(nèi)容概要：時(shí)序數(shù)據(jù)庫(kù)是用于存儲(chǔ)和管理時(shí)間序列數(shù)據(jù)的專(zhuān)業(yè)化數(shù)據(jù)庫(kù)，也是用于優(yōu)化攝取、處理和存儲(chǔ)時(shí)間戳數(shù)據(jù)的數(shù)據(jù)庫(kù)。隨著物聯(lián)網(wǎng)和云平臺(tái)的出現(xiàn)，時(shí)序數(shù)據(jù)的規(guī)模開(kāi)始以前所未有的方式呈指數(shù)級(jí)增長(zhǎng)。以海量傳感器為依托的智能硬件、智能制造、智慧城市、智慧醫(yī)療等得到了飛速地發(fā)展，物聯(lián)網(wǎng)中的各類(lèi)傳感器設(shè)備每時(shí)每刻都在生成海量時(shí)序數(shù)據(jù)，龐大的時(shí)序數(shù)據(jù)集和海量傳感器的高并發(fā)操作，使得傳統(tǒng)關(guān)系數(shù)據(jù)庫(kù)和NoSQL數(shù)據(jù)庫(kù)都面臨著巨大的挑戰(zhàn)。在此背景下，時(shí)序數(shù)據(jù)庫(kù)應(yīng)運(yùn)而生并不斷發(fā)展。數(shù)據(jù)顯示，2024年全球時(shí)序數(shù)據(jù)庫(kù)軟件市場(chǎng)規(guī)模為3.88億美元，預(yù)計(jì)到2031年規(guī)模將增長(zhǎng)至7.76億美元。從數(shù)量來(lái)看，時(shí)序數(shù)據(jù)庫(kù)數(shù)量有所減少，行業(yè)集中度進(jìn)一步提升。據(jù)CCSATC601統(tǒng)計(jì)分析，截至2025年6月，全球時(shí)序數(shù)據(jù)庫(kù)數(shù)量41個(gè)，較上年同期減少14個(gè)；中國(guó)時(shí)序數(shù)據(jù)庫(kù)數(shù)量為17個(gè)，較上年同期減少10個(gè)。從商業(yè)模式來(lái)看，國(guó)外以開(kāi)源為主，國(guó)內(nèi)則以商業(yè)為主。國(guó)內(nèi)開(kāi)源時(shí)序數(shù)據(jù)庫(kù)包括Tdengine、openGemini、CeresDB等，商業(yè)時(shí)序數(shù)據(jù)庫(kù)有KaiwuDB、DolphinDB、UTSDB、TimeLyre等。上市企業(yè)：星環(huán)科技(688031)、優(yōu)刻得(688158)、科遠(yuǎn)智慧(002380)、中控技術(shù)(688777)、東方國(guó)信(300166)、青云科技(688316)相關(guān)企業(yè)：北京濤思數(shù)據(jù)科技有限公司、上海沄熹科技有限公司、浙江智臾科技有限公司、西安索思信息科技有限公司、北京諾司時(shí)空科技有限公司、華為云計(jì)算技術(shù)有限公司、格睿時(shí)代(杭州)信息科技有限公司、北京四維縱橫數(shù)據(jù)技術(shù)有限公司、大慶紫金橋軟件技術(shù)有限公司、北京庚頓數(shù)據(jù)科技有限公司、螞蟻科技集團(tuán)股份有限公司、北京亞控科技發(fā)展有限公司、北京中泰華電科技有限公司、上海數(shù)全軟件有限公司、上海麥杰科技股份有限公司關(guān)鍵詞：時(shí)序數(shù)據(jù)庫(kù)、數(shù)據(jù)庫(kù)、數(shù)據(jù)、物聯(lián)網(wǎng)一、時(shí)序數(shù)據(jù)庫(kù)行業(yè)相關(guān)概述時(shí)序數(shù)據(jù)庫(kù)全稱(chēng)為時(shí)間序列數(shù)據(jù)庫(kù)(TSDB)，是用于存儲(chǔ)和管理時(shí)間序列數(shù)據(jù)的專(zhuān)業(yè)化數(shù)據(jù)庫(kù)，也是用于優(yōu)化攝取、處理和存儲(chǔ)時(shí)間戳數(shù)據(jù)的數(shù)據(jù)庫(kù)。時(shí)序數(shù)據(jù)庫(kù)的目標(biāo)是實(shí)現(xiàn)高性能的讀寫(xiě)，實(shí)時(shí)分析，其被廣泛應(yīng)用在設(shè)備信息采集、金融數(shù)據(jù)分析及可視化等眾多場(chǎng)景當(dāng)中。時(shí)序數(shù)據(jù)庫(kù)與傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)不同，傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)注重增刪改查和事務(wù)功能，而時(shí)序數(shù)據(jù)庫(kù)針對(duì)海量數(shù)據(jù)寫(xiě)入，其讀取查詢(xún)多是一段時(shí)間段內(nèi)的數(shù)據(jù)。時(shí)序數(shù)據(jù)庫(kù)一般具有以下特點(diǎn)：（1）高吞吐量數(shù)據(jù)高速寫(xiě)入能力。由于時(shí)序業(yè)務(wù)會(huì)持續(xù)產(chǎn)生海量數(shù)據(jù)，并且對(duì)寫(xiě)入的速度有很高的要求，寫(xiě)入的并發(fā)量大，這就要求時(shí)序數(shù)據(jù)庫(kù)系統(tǒng)實(shí)現(xiàn)高吞吐量的數(shù)據(jù)高速寫(xiě)入功能。（2）高壓縮率。時(shí)序數(shù)據(jù)庫(kù)需要存儲(chǔ)大量的數(shù)據(jù)，并且有的監(jiān)控?cái)?shù)據(jù)可能需要存儲(chǔ)很長(zhǎng)時(shí)間，5年到10年都有需求，因此需要根據(jù)時(shí)序數(shù)據(jù)的特征對(duì)數(shù)據(jù)進(jìn)行壓縮。（3）高效時(shí)間窗口查詢(xún)能力。時(shí)序業(yè)務(wù)的查詢(xún)需求分為兩類(lèi)，一是實(shí)時(shí)數(shù)據(jù)查詢(xún)，反映當(dāng)前監(jiān)控對(duì)象的狀態(tài)；二是主要是查詢(xún)某個(gè)時(shí)間段的歷史數(shù)據(jù)，歷史數(shù)據(jù)的數(shù)據(jù)量非常大，這時(shí)候需要針對(duì)時(shí)間窗口大量數(shù)據(jù)查詢(xún)進(jìn)行優(yōu)化。（4）高效聚合能力。時(shí)序業(yè)務(wù)場(chǎng)景通常會(huì)關(guān)心數(shù)據(jù)的聚合值，比如count、mean等聚合值來(lái)反映某個(gè)時(shí)間段內(nèi)的數(shù)據(jù)情況，因此時(shí)序數(shù)據(jù)庫(kù)需要提供高效的聚合函數(shù)。（5）批量刪除能力。時(shí)序業(yè)務(wù)對(duì)于過(guò)期的數(shù)據(jù)需要進(jìn)行批量刪除操作。（6）通常不需要具備事務(wù)的能力。時(shí)序數(shù)據(jù)庫(kù)特點(diǎn)時(shí)序數(shù)據(jù)庫(kù)的起源可以追溯到20世紀(jì)70年代，隨著工業(yè)控制和SCADA系統(tǒng)的興起，大量的時(shí)序數(shù)據(jù)產(chǎn)生，需要一套完整的存儲(chǔ)與處理方案。而1999年出現(xiàn)的RRDtool最早提出了專(zhuān)門(mén)面向時(shí)序數(shù)據(jù)存儲(chǔ)、處理的方法。隨著大數(shù)據(jù)時(shí)代到來(lái)，2010年之后，時(shí)序數(shù)據(jù)爆發(fā)式增長(zhǎng)，時(shí)序數(shù)據(jù)庫(kù)的發(fā)展走上了“快車(chē)道”。時(shí)序數(shù)據(jù)庫(kù)行業(yè)發(fā)展歷程相關(guān)報(bào)告：智研咨詢(xún)發(fā)布的《中國(guó)時(shí)序數(shù)據(jù)庫(kù)行業(yè)市場(chǎng)現(xiàn)狀分析及發(fā)展?jié)摿ρ信袌?bào)告》二、時(shí)序數(shù)據(jù)庫(kù)行業(yè)相關(guān)政策黨中央、國(guó)務(wù)院高度重視數(shù)據(jù)產(chǎn)業(yè)發(fā)展，黨的十九屆四中全會(huì)首次將數(shù)據(jù)和傳統(tǒng)的勞動(dòng)、資本、土地等并列為生產(chǎn)要素。數(shù)據(jù)作為數(shù)字經(jīng)濟(jì)的關(guān)鍵要素，已深度融入經(jīng)濟(jì)社會(huì)各領(lǐng)域，成為重塑產(chǎn)業(yè)格局、培育新質(zhì)生產(chǎn)力的關(guān)鍵引擎。近幾年，我國(guó)政府部門(mén)發(fā)布了大量政策支持?jǐn)?shù)據(jù)產(chǎn)業(yè)鏈發(fā)展，數(shù)據(jù)庫(kù)作為支撐數(shù)據(jù)存儲(chǔ)與計(jì)算的關(guān)鍵載體，也受益于政策利好。2023年12月，發(fā)改委公布了《產(chǎn)業(yè)結(jié)構(gòu)調(diào)整指導(dǎo)目錄（2024年本）》，將大型高性能實(shí)時(shí)數(shù)據(jù)庫(kù)系統(tǒng)，大型高性能時(shí)序數(shù)據(jù)庫(kù)系統(tǒng)等工業(yè)控制系統(tǒng)納入鼓勵(lì)類(lèi)目錄，為時(shí)序數(shù)據(jù)庫(kù)產(chǎn)業(yè)發(fā)展注入強(qiáng)勁動(dòng)能。中國(guó)數(shù)據(jù)庫(kù)行業(yè)相關(guān)政策三、時(shí)序數(shù)據(jù)庫(kù)行業(yè)市場(chǎng)現(xiàn)狀1、市場(chǎng)規(guī)模隨著物聯(lián)網(wǎng)和云平臺(tái)的出現(xiàn)，時(shí)序數(shù)據(jù)的規(guī)模開(kāi)始以前所未有的方式呈指數(shù)級(jí)增長(zhǎng)。以海量傳感器為依托的智能硬件、智能制造、智慧城市、智慧醫(yī)療等得到了飛速地發(fā)展，物聯(lián)網(wǎng)中的各類(lèi)傳感器設(shè)備每時(shí)每刻都在生成海量時(shí)序數(shù)據(jù)，龐大的時(shí)序數(shù)據(jù)集和海量傳感器的高并發(fā)操作，使得傳統(tǒng)關(guān)系數(shù)據(jù)庫(kù)和NoSQL數(shù)據(jù)庫(kù)都面臨著巨大的挑戰(zhàn)。在此背景下，時(shí)序數(shù)據(jù)庫(kù)應(yīng)運(yùn)而生并不斷發(fā)展。數(shù)據(jù)顯示，2024年全球時(shí)序數(shù)據(jù)庫(kù)軟件市場(chǎng)規(guī)模為3.88億美元，預(yù)計(jì)到2031年規(guī)模將增長(zhǎng)至7.76億美元。2023-2031年全球時(shí)序數(shù)據(jù)庫(kù)軟件市場(chǎng)規(guī)模預(yù)測(cè)時(shí)序數(shù)據(jù)庫(kù)包括基于網(wǎng)絡(luò)與基于云兩種部署模式，其中基于網(wǎng)絡(luò)占據(jù)主導(dǎo)地位，2024年占據(jù)了60%的市場(chǎng)份額，主要系基于web的解決方案具備易部署性和可伸縮性。云數(shù)據(jù)庫(kù)憑借優(yōu)異的成本效益、強(qiáng)大的數(shù)據(jù)處理能力與高靈活性，受到了越來(lái)越多客戶(hù)的青睞。2024年全球時(shí)序數(shù)據(jù)庫(kù)軟件分布2、產(chǎn)品數(shù)據(jù)從數(shù)量來(lái)看，全球時(shí)序數(shù)據(jù)庫(kù)數(shù)量有所減少，行業(yè)集中度進(jìn)一步提升。據(jù)CCSATC601統(tǒng)計(jì)分析，截至2025年6月，全球市場(chǎng)上共有數(shù)據(jù)庫(kù)產(chǎn)品535款。除了早期的兩款網(wǎng)狀數(shù)據(jù)庫(kù)和層次數(shù)據(jù)庫(kù)，在剩余的533個(gè)數(shù)據(jù)庫(kù)產(chǎn)品中，關(guān)系型數(shù)據(jù)庫(kù)228個(gè)，非關(guān)系型數(shù)據(jù)庫(kù)有305個(gè)。非關(guān)系型數(shù)據(jù)庫(kù)中，時(shí)序數(shù)據(jù)庫(kù)41個(gè)，較上年同期減少14個(gè)。2023-2025年全球時(shí)序數(shù)據(jù)庫(kù)數(shù)量中國(guó)市場(chǎng)競(jìng)爭(zhēng)激烈。據(jù)CCSATC601統(tǒng)計(jì)，截至2025年6月，我國(guó)數(shù)據(jù)庫(kù)產(chǎn)品共有164款。其中非關(guān)系型數(shù)據(jù)庫(kù)68個(gè)。非關(guān)系型數(shù)據(jù)庫(kù)中，時(shí)序數(shù)據(jù)庫(kù)數(shù)量?jī)H次于圖數(shù)據(jù)庫(kù)，數(shù)量為17個(gè)，較上年同期減少10個(gè)。2023-2025年中國(guó)時(shí)序數(shù)據(jù)庫(kù)數(shù)量四、時(shí)序數(shù)據(jù)庫(kù)行業(yè)競(jìng)爭(zhēng)格局時(shí)序數(shù)據(jù)庫(kù)行業(yè)迅速發(fā)展，吸引諸多企業(yè)涌入，市場(chǎng)參與者較多。從商業(yè)模式來(lái)看，國(guó)外以開(kāi)源為主，國(guó)內(nèi)則以商業(yè)為主。國(guó)內(nèi)開(kāi)源時(shí)序數(shù)據(jù)庫(kù)包括Tdengine、openGemini、CeresDB等，商業(yè)時(shí)序數(shù)據(jù)庫(kù)有KaiwuDB、DolphinDB、UTSDB、TimeLyre等。時(shí)序數(shù)據(jù)庫(kù)廠商競(jìng)爭(zhēng)格局目前，國(guó)內(nèi)主流時(shí)序數(shù)據(jù)庫(kù)包括濤思數(shù)據(jù)的Tdengine、浪潮沄熹的KaiwuDB，智臾科技的DolphinDB，清華大學(xué)的ApacheIoTDB、華為云的openGemini等，這些企業(yè)及研究機(jī)構(gòu)發(fā)揮著推動(dòng)行業(yè)發(fā)展的重要作用，在技術(shù)創(chuàng)新方面做出了重要貢獻(xiàn)。時(shí)序數(shù)據(jù)庫(kù)主流產(chǎn)品五、時(shí)序數(shù)據(jù)庫(kù)行業(yè)發(fā)展趨勢(shì)時(shí)序數(shù)據(jù)庫(kù)在數(shù)字化轉(zhuǎn)型浪潮中扮演著關(guān)鍵角色，盡管面臨諸多挑戰(zhàn)，但隨著技術(shù)的不斷創(chuàng)新，其應(yīng)用前景將更加廣闊，持續(xù)為各行業(yè)的智能化、數(shù)字化發(fā)展注入強(qiáng)大動(dòng)力。1、與人工智能深度融合未來(lái)，時(shí)序數(shù)據(jù)庫(kù)將與人工智能技術(shù)緊密結(jié)合。利用深度學(xué)習(xí)算法對(duì)時(shí)序數(shù)據(jù)進(jìn)行分析，可實(shí)現(xiàn)更精準(zhǔn)的故障預(yù)測(cè)、趨勢(shì)判斷。例如，將圖神經(jīng)網(wǎng)絡(luò)（GNN）應(yīng)用于時(shí)序數(shù)據(jù)的關(guān)聯(lián)分析，挖掘數(shù)據(jù)間潛在關(guān)系；通過(guò)強(qiáng)化學(xué)習(xí)優(yōu)化數(shù)據(jù)庫(kù)的查詢(xún)策略，自動(dòng)調(diào)整索引與存儲(chǔ)方式，提升數(shù)據(jù)處理效率。2、云原生與時(shí)序數(shù)據(jù)庫(kù)的結(jié)合云原生技術(shù)憑借彈性伸縮、自動(dòng)化運(yùn)維等優(yōu)勢(shì)，將成為時(shí)序數(shù)據(jù)庫(kù)的重要發(fā)展方向。云原生時(shí)序數(shù)據(jù)庫(kù)可根據(jù)數(shù)據(jù)流量自動(dòng)調(diào)整資源，降低成本；通過(guò)容器化和微服務(wù)化實(shí)現(xiàn)快速部署與靈活擴(kuò)展。如

TDengine

已推出云服務(wù)版本，用戶(hù)可便捷地在云端使用其強(qiáng)大的時(shí)序數(shù)據(jù)處理能力。3、邊緣計(jì)算場(chǎng)景下的應(yīng)用拓展隨著物聯(lián)網(wǎng)設(shè)備爆發(fā)式增長(zhǎng)，大量數(shù)據(jù)在邊緣端產(chǎn)生。將時(shí)序數(shù)據(jù)庫(kù)部署在邊緣端，實(shí)現(xiàn)數(shù)據(jù)本地存儲(chǔ)與實(shí)時(shí)處理，可減少傳輸延遲和帶寬壓力。在智能交通、工業(yè)物聯(lián)網(wǎng)等場(chǎng)景中，邊緣時(shí)序數(shù)據(jù)庫(kù)可實(shí)時(shí)處理傳感器數(shù)據(jù)并做出決策，如智能攝像頭實(shí)時(shí)分析視頻流中的時(shí)序數(shù)據(jù)，進(jìn)行異常行為檢測(cè)。未來(lái)，“云

-邊

-端””協(xié)同的數(shù)據(jù)管理架構(gòu)將成為主流。4、多模融合與統(tǒng)一管理實(shí)際應(yīng)用中的數(shù)據(jù)類(lèi)型多樣，除時(shí)序數(shù)據(jù)外，還包含圖數(shù)據(jù)、文檔數(shù)據(jù)等。未來(lái)的時(shí)序數(shù)據(jù)庫(kù)將向多模融合方向發(fā)展，支持多種數(shù)據(jù)模型的存儲(chǔ)與處理，實(shí)現(xiàn)對(duì)多類(lèi)型數(shù)據(jù)的統(tǒng)一管理與分析。例如在智慧物流中，同時(shí)處理貨物運(yùn)輸?shù)臅r(shí)序數(shù)據(jù)、物流網(wǎng)絡(luò)的圖數(shù)據(jù)以及訂單文檔數(shù)據(jù)，為物流調(diào)度提供全面的數(shù)據(jù)支持。時(shí)序數(shù)據(jù)庫(kù)行業(yè)發(fā)展趨勢(shì)以上數(shù)據(jù)及信息可參考智研咨詢(xún)（）發(fā)布的《中國(guó)時(shí)序數(shù)據(jù)庫(kù)行業(yè)市場(chǎng)現(xiàn)狀分析