时序数据库DolphinDB与InfluxDB对比测试报告2
本页是一份对 DolphinDB 与 InfluxDB 的复测对比报告，覆盖导入/导出、磁盘占用、查询性能与功能差异，并给出总体结论与要点概览。
Source: https://dolphindb.cn/blogs/32
What this page covers
- 测试背景与主要结论概览。
- DolphinDB 与 InfluxDB 的系统概述与典型场景。
- 单机测试环境、软件版本与关键配置。
- 两类数据集的规模、来源与分区/策略设置。
- 导入方法、导入限制与导入结果（含重复点处理）。
- 导出方法、导出稳定性问题与替代方案。
- 查询测试类别、方法与结果讨论。
技能认证特训营第二期报名提示
页面顶部包含活动报名提示与限时报名链接。
- 提供“技能认证特训营第二期限时报名”入口。
- 报名链接指向 qingsuyun.com 的活动页面。
时序数据库DolphinDB与InfluxDB对比测试报告2（作者与日期）
该部分给出文章标题、作者署名与发布日期信息。
- 作者署名为 Junxi。
- 发布日期为 2021-05-20。
测试背景与主要结论概览
该部分说明复测动机、测试覆盖范围与总体结论，并列出导入/导出/磁盘/功能/查询性能要点。
- 总体结论：在本次所有测试项目中，DolphinDB 表现更出色。
- 导入性能对比包含小数据集与大数据集两种规模。
- 导出性能对比包含导出耗时与稳定性问题。
- 对比内容包含磁盘空间占用与压缩存储结论。
- 对比内容包含查询性能与查询功能限制讨论。
系统概述：DolphinDB 与 InfluxDB
该部分分别介绍 DolphinDB 与 InfluxDB 的实现语言、引擎/查询语言、特性与典型应用场景。
- DolphinDB 被描述为分析型的高性能分布式时序数据库，并支持类标准 SQL 与脚本语言。
- DolphinDB 的分布式计算描述包含数据分区、并行计算与数据本地化。
- InfluxDB 的实现语言为 Go，并提供 InfluxQL（类 SQL）。
- InfluxDB 描述包含定制存储引擎与保留策略（Retention Policies）。
- 两者均给出典型应用场景示例（如金融、IoT 与监控数据）。
测试环境（单机模式与软硬件配置）
该部分说明因 InfluxDB 集群版本闭源而采用单机模式，并给出硬件、操作系统、两款软件版本与关键配置。
- 测试中 DolphinDB 与 InfluxDB 均使用单机模式。
- 测试主机为 DELL OptiPlex 7060，操作系统为 Ubuntu 16.04 LTS。
- CPU 为 Intel Core i7-8700（6 核 12 线程 3.20 GHz）。
- 内存为 32 GB，硬盘为 2T HDD（给出读写速度）。
- 两款软件版本与部分参数调优（如内存上限与 wal-fsync-delay）在此列出。
数据集：4.2GB 物联网设备传感器与 270GB NYSE 股票报价
该部分描述两类数据集的规模、来源、表结构展示、以及在 DolphinDB 与 InfluxDB 中的分区/保留策略。
- 测试数据集规模包含小数据量级 4.2GB 与大数据量级 270GB。
- 小数据集为 CSV 格式，包含 device_info 表与 readings 表。
- 小数据集描述包含 3000 个设备与 2016-11-15 到 2016-11-19 的时间范围。
- 给出小数据集在 DolphinDB 的分区方案，并给出 InfluxDB 的 retention policy 示例。
- 大数据集为 NYSE 一个月 Level 1 报价数据，并给出 DolphinDB 分区方案与 InfluxDB 策略说明。
数据导入导出测试：导入方法与结果
该部分给出 DolphinDB 导入脚本与导入耗时/速率，并说明 InfluxDB CSV 导入需转换为 Line Protocol、导入命令、重复点覆盖问题及解决方式与导入耗时/速率。
- 给出 DolphinDB 的 CSV 导入示例脚本（loadTextEx 相关）。
- DolphinDB 导入小数据集：4.2GB（3 千万条）用时 20 秒，平均 150 万条/秒。
- DolphinDB 导入大数据集：270GB（65 亿条，23 个文件）用时 38 分钟。
- InfluxDB 原生不支持直接导入 CSV，需要通过 HTTP API 或 influx -import 等方式。
- 给出 InfluxDB Line Protocol 的示例格式。
- 给出 InfluxDB -import 命令与小数据集导入结果（25 分钟 10 秒，约 2 万条/秒）。
- InfluxDB 对重复点的行为被描述为“后插入覆盖先前记录”。
- 本次测试为避免重复点冲突，转换时对秒级时间戳随机加毫秒生成“伪时间戳”。
- InfluxDB 导入大数据集：270GB（65 亿条）用时 65 小时，平均 2.7 万条/秒。
- 导入流程复杂性被描述为需要转换并产生中间文件占用空间。
数据导入导出测试：导出方法与结果
该部分描述 DolphinDB 导出方式与耗时，以及 InfluxDB 导出时内存溢出与按时间分段导出的替代方案与总耗时。
- DolphinDB 导出示例使用 saveText，并给出导出耗时 28 秒。
- InfluxDB 一次性导出 CSV 时可能触发 out of memory（描述包含超过 30GB 内存占用）。
- 给出按时间段（按天）循环导出 CSV 的示例方法。
- InfluxDB 分段导出总耗时为 5 分 31 秒。
- 导出体验问题包括操作复杂与 CSV 首行无字段名称。
磁盘空间占用对比（压缩后）
该部分展示导入后两款数据库的磁盘占用对比，并给出小/大数据集压缩率与占用差异的文字结论。
- 小数据集中两者压缩率被描述为约 20% - 30%（同一数量级）。
- 大数据集中 InfluxDB 的占用空间被描述为 DolphinDB 的两倍。
- 文字结论描述：DolphinDB 占用的空间总是小于等于 InfluxDB 占用的空间。
数据库查询性能测试：方法、类别与结果讨论
该部分说明查询类别、测试方法（包含清缓存与 I/O）、展示小数据集与大数据集查询结果图，并列出 InfluxDB 的功能/正确性限制与示例代码。
- 查询测试分为八类：点、范围、精度、聚合、对比、抽样、关联、经典查询。
- 每次测试前执行清缓存操作，并说明时间包含磁盘 I/O。
- 小数据集查询结论表述为：DolphinDB 查询性能远超 InfluxDB。
- 大数据集部分查询差别不大，部分查询差异接近 100 到 200 倍（文字描述）。
- InfluxDB 被描述为不支持对比查询与表连接，影响常规查询完成。
- InfluxDB 函数参数限制被描述为不支持 field 表达式，可能需要子查询与重复时间范围。
- 描述一个查询异常：where 选择多个非连续时间分区时返回结果为空（示例给出）。
- 描述一个不支持的查询：InfluxDB 抛出 mixing multiple selector functions... 异常，而 DolphinDB 可执行。
- InfluxDB group by time 的返回行为被描述为会返回所有时间段，即使无有效数据。
其他方面的比较（语言、导入、连接、分组、函数、事务一致性）
该部分归纳除基准性能外的差异点，集中在语言范式、导入、连接、分组、函数与事务一致性等方面的主张。
- DolphinDB 被描述为内置完整脚本语言，并支持多种编程范式与 RPC。
- DolphinDB 提供 ploadText、loadText、loadTextEx 用于在脚本中直接导入 CSV。
- InfluxDB 被描述为缺少对 CSV 等批量导入的良好官方支持（含单次导入行数限制描述）。
- InfluxDB 不支持表连接；DolphinDB 支持常用连接并对部分连接做性能优化（描述）。
- 时间分组能力对比：InfluxDB 最大单位被描述为 week；DolphinDB 最大单位被描述为 month。
- DolphinDB 内置函数数量被描述为 600 多个。
- DolphinDB 集群版本被描述为支持事务，并在副本写入时保证强一致性（主张）。
附录（数据预览与脚本/配置链接）
该部分提供数据预览、Line Protocol 文件、转换脚本，以及安装配置与测试脚本链接清单。
- 提供 readings 的数据预览与对应 Line Protocol 文件链接。
- 提供小数据集与大数据集的 CSV→Line Protocol 转换脚本链接。
- 提供 DolphinDB 的安装/配置/启动与测试脚本链接。
- 提供 InfluxDB 的安装/配置与测试脚本链接。
Facts index
| Entity | Attribute | Value | Confidence |
|---|---|---|---|
| 文章发布日期 | date | 2021-05-20 | high |
| 作者署名 | name | Junxi | high |
| 本次对比测试总体结论 | overall_result | 在本次所有测试项目中，DolphinDB 表现更出色 | medium |
| 导入性能对比（小数据集） | DolphinDB_vs_InfluxDB_speedup | 小数据集情况下 DolphinDB 导入性能是 InfluxDB 的 75 倍 | medium |
| 导入性能对比（大数据集） | DolphinDB_vs_InfluxDB_speedup | 大数据集情况下 DolphinDB 导入性能大约是 InfluxDB 的 100 倍 | medium |
| InfluxDB CSV 导入支持 | native_csv_import_support | InfluxDB 原生不支持 CSV 导入，需要手动转换为 Line Protocol 格式 | high |
| 导出性能对比 | DolphinDB_vs_InfluxDB_speedup | DolphinDB 导出性能约为 InfluxDB 的 11 倍 | medium |
| InfluxDB 大批量导出 CSV | stability_issue | InfluxDB 在导出大批量数据为 CSV 格式时容易产生内存溢出问题 | high |
| 磁盘空间占用对比 | relative_disk_usage | DolphinDB 占用的空间总是小于等于 InfluxDB 占用的空间 | medium |
| InfluxDB 查询功能限制 | missing_features | 不支持对比查询、不支持表连接、不支持对除 time 以外的 tag/field 排序；函数参数只能是某一个 field 而不能是 field 表达式 | high |
| 查询性能对比（样例数量分布） | speedup_distribution | 2 个测试样例超过 InfluxDB 1000 多倍；6 个样例超过 50 多倍；2 个样例为 10 多倍；其余样例也全部优于 InfluxDB | medium |
| DolphinDB | implementation_language | C++ | high |
| DolphinDB | type | 分析型的高性能分布式时序数据库 | high |
| DolphinDB | engine | 高吞吐低延迟的列式内存引擎 | medium |
| DolphinDB | supports | 集成编程语言与高容量高速度的流数据分析系统，可在数据库中进行复杂编程和运算以减少数据迁移时间 | medium |
| DolphinDB | distributed_compute_methods | 通过内存引擎、数据本地化、细粒度数据分区和并行计算实现高速分布式计算 | medium |
| DolphinDB | compute_frameworks | 内置流水线、Map Reduce 和迭代计算等多种计算框架 | medium |
| DolphinDB | storage_management | 使用内嵌的分布式文件系统自动管理分区数据及其副本，提供负载均衡和容错能力 | medium |
| DolphinDB | query_and_language | 支持类标准 SQL 语法；提供类似 Python 的脚本语言；提供其它常用编程语言的 API | high |
| DolphinDB | performs_well_in | 金融领域历史数据分析建模与实时流数据处理；物联网海量传感器数据处理与实时分析 | medium |
| InfluxDB | positioning | 最为流行的高性能开源时间序列数据库 | low |
| InfluxDB | implementation_language | Go | high |
| InfluxDB | storage_engine | 定制的存储引擎 TSM Tree，针对时间序列数据优化，优先考虑插入和查询性能 | high |
| InfluxDB | query_language | InfluxQL（类 SQL） | high |
| InfluxDB | interfaces_and_functions | 提供开箱即用的时间序列数学与统计函数；对外提供基于 HTTP 的接口支持插入与查询 | high |
| InfluxDB | data_retention | 允许定义数据保存策略（Retention Policies）以删除或降采样超过指定时间的数据 | high |
| InfluxDB | used_in | 存储系统监控数据、IoT 行业实时数据等场景 | medium |
| 测试模式选择 | deployment_mode | 由于 InfluxDB 集群版本闭源，测试中 DolphinDB 与 InfluxDB 均使用单机模式 | high |
| 测试主机 | model | DELL OptiPlex 7060 | high |
| 测试主机 CPU | cpu | Intel Core i7-8700（6 核 12 线程 3.20 GHz） | high |
| 测试主机 内存 | memory | 32 GB（8GB × 4, 2666 MHz） | high |
| 测试主机 硬盘 | disk | 2T HDD（222 MB/s 读取；210 MB/s 写入） | high |
| 测试主机 操作系统 | os | Ubuntu 16.04 LTS | high |
| 测试使用的 DolphinDB 版本 | version | Linux v0.89 (2019.01.31) | high |
| DolphinDB 测试配置 | max_memory | 最大内存设置为 28GB | high |
| 测试使用的 InfluxDB 版本 | version | 1.7.5 | high |
| InfluxDB 测试配置优化 | wal_fsync_delay | wal-fsync-delay 调节为 100ms（适合机械硬盘） | high |
| InfluxDB 测试配置优化 | cache_max_memory_size | cache-max-memory-size 设置为 28GB | high |
| InfluxDB 测试配置优化 | series_id_set_cache_size | series-id-set-cache-size 设置为 400 | high |
| 测试数据集规模 | sizes | 小数据量级 4.2GB；大数据量级 270GB | high |
| 小数据集（设备传感器记录） | format_and_rows | CSV 格式，3 千万条（30,000,000） | high |
| 小数据集（设备传感器记录） | devices_and_time_range | 3000 个设备；时间范围 2016-11-15 到 2016-11-19；10000 个时间间隔上的传感器信息 | high |
| 小数据集表组成 | tables | device_info 表与 readings 表 | high |
| 小数据集 DolphinDB 分区方案 | partitioning | time 作为第一维度按天分为 4 个区，边界为 [2016.11.15 00:00:00, 2016.11.16 00:00:00, 2016.11.17 00:00:00, 2016.11.18 00:00:00, 2016.11.19 00:00:00]；device_id 作为第二维度每天再分 10 个区；每分区原始数据约 100MB | high |
| InfluxDB 存储结构（描述） | shard_group_and_shard | 使用 Shard Group 存储不同时间段（不重合）；一个 Shard Group 包含大量 Shard，Shard 才是真正存储数据和提供读写服务的结构 | high |
| InfluxDB 分区方式（描述） | hash_partitioning | 采用 Hash 分区：根据 hash(Series) 将同一 Shard Group 的数据映射到不同 Shard | high |
| InfluxDB 小数据集保留策略设置 | retention_policy_sql | create retention policy one_day on test duration inf replication 1 shard duration 1d default | high |
| 大数据集（NYSE Level 1 报价） | time_range_and_scope | NYSE 2007.08.01 - 2007.08.31 一个月的 Level 1 报价数据；包含 8000 多支股票 | high |
| 大数据集规模（行数） | rows | 65 亿（65,6169,3704）条报价记录 | medium |
| 大数据集规模（文件与体积） | files_and_size | 23 个 CSV（每个交易日一个文件）；该月 23 个交易日；未压缩 CSV 共计 270GB | high |
| 大数据集 DolphinDB 分区方案 | partitioning | 按 date（日期）、symbol（股票代码）分区；每天再按 symbol 分为 100 个分区；每分区约 120MB | high |
| 大数据集 InfluxDB 分区/策略 | strategy | 使用与小数据集相同的策略 | high |
| DolphinDB 导入方式（示例脚本） | import_script | timer { for (fp in fps) { loadTextEx(db, `taq, `date`symbol, fp, ,schema) print now() + ": 已导入 " + fp } } | high |
| DolphinDB 导入小数据集耗时与速率 | import_time_and_rate | 4.2GB 设备传感器数据（3 千万条）导入用时 20 秒；平均速率 150 万条/秒 | high |
| DolphinDB 导入大数据集耗时 | import_time | 270GB 股票交易数据（65 亿条；TAQ20070801-TAQ20070831 共 23 个文件）导入用时 38 分钟 | high |
| InfluxDB CSV 导入能力（再次说明） | csv_import_limitation | InfluxDB 本身不支持直接导入 CSV，只能通过 HTTP API 或 influx -import 导入 | high |
| InfluxDB 导入前数据转换 | line_protocol_example | 示例 Line Protocol：readings,device_id=...,battery_status=... ... rssi=-42 1479211200 | high |
| InfluxDB -import 文件头（示例） | import_file_header | 包含 DDL/DML/CONTEXT-DATABASE/CONTEXT-RETENTION-POLICY 等头部声明（示例给出） | high |
| InfluxDB 导入命令 | import_command | influx -import -path=/data/devices/readings.txt -precision=s -database=test | high |
| InfluxDB 导入小数据集耗时与速率（转换后） | import_time_and_rate | 4.2GB（3 千万条）导入用时 25 分钟 10 秒；平均速率 2 万条/秒 | high |
| InfluxDB 重复点处理行为 | duplicate_point_overwrite | 多次插入时间相同且 tag 相同的记录时，即使 value 不同，后插入记录会覆盖先前记录，最终只保留最后一条 | high |
| InfluxDB duplicate points 官方 FAQ 的解决思路 | workarounds | 两种方法：新增一个 tag 区分相同时间的数据；或强行微调时间戳使其不同 | high |
| 新增 tag 区分重复点的适用性 | constraint | 只适用于数据完全按时间顺序插入；否则难以判断是否已存在记录，会覆盖先前数据；效率低且操作繁琐 | high |
| 本次测试对 InfluxDB 重复点的处理方式 | chosen_workaround | 转换为 Line Protocol 时在秒级时间戳基础上随机加毫秒值，生成毫秒精度伪时间戳以防冲突 | high |
| InfluxDB 导入大数据集耗时与速率（转换后） | import_time_and_rate | 270GB（65 亿条）导入用时 65 小时；平均速率 2.7 万条/秒 | high |
| 导入速率随时间变化观察 | rate_stability | InfluxDB 导入速率随时间推移不断下降；DolphinDB 保持稳定 | low |
| InfluxDB 导入流程复杂性 | process_complexity | 需要编写代码将 CSV 转换为 Line Protocol，复杂繁琐，会产生中间文件占用大量空间 | medium |
| DolphinDB 导出方式与耗时 | export_command_and_time | saveText((select * from readings), '/data/devices/readings_dump.csv')；用时 28 秒 | high |
| InfluxDB 一次性导出 CSV 的内存问题 | out_of_memory | 导出内存占用会超过 30GB，触发 fatal error: runtime: out of memory | high |
| InfluxDB 分时间段导出 CSV 的方法（示例） | workaround_script | 使用 for 循环按天分段执行 influx -database 'test' -format csv -execute ... 导出到 export_i.csv | high |
| InfluxDB 分段导出总耗时 | export_time | 总耗时 5 min 31 s | high |
| InfluxDB CSV 导出体验 | usability_issues | CSV 导出操作复杂、易内存溢出；导出 CSV 首行无字段名称 | medium |
| 小数据集压缩存储占用（文字结论） | compression_ratio_range | 两者均压缩存储，压缩率大致同一数量级，约 20% - 30% | medium |
| 大数据集磁盘占用对比（文字结论） | relative_disk_usage | 大数据集中 InfluxDB 压缩效果不好，占用空间为 DolphinDB 的两倍 | medium |
| 查询测试类别 | query_categories | 点查询、范围查询、精度查询、聚合查询、对比查询、抽样查询、关联查询、经典查询（共八类） | high |
| 查询测试方法（公平性处理） | cache_clearing | 每次启动程序测试前执行 sync; echo 1,2,3 | tee /proc/sys/vm/drop_caches 清除页面缓存、目录项缓存和硬盘缓存；时间包含磁盘 I/O | high |
| 查询性能总体结论（小数据集） | performance_comparison | DolphinDB 查询性能远超 InfluxDB | low |
| InfluxDB 查询能力 | no_pivot_and_join | 不支持对比查询和表连接，无法完成许多常规 SQL 数据库支持的查询 | high |
| InfluxDB ORDER BY 限制 | order_by_fields | 不支持对除 time 以外的 tag/field 进行排序（不能 select * from taq order by <some-field>） | high |
| InfluxDB 函数参数限制 | function_argument_expression | 函数参数只能是某一个 field，不能是 field 表达式（如 field1 + field2）；需用子查询先计算表达式并在子/父查询重复指定时间范围 | high |
| 大数据集查询性能结论 | speedup_range | 某些查询性能差别不大，但某些查询 DolphinDB 比 InfluxDB 快将近 100 到 200 倍 | low |
| InfluxDB 查询结果异常（第2个查询） | incorrect_empty_result | where 条件选择多个非连续时间分区时返回结果为空，而不是各时间分区结果总和（示例代码给出） | high |
| InfluxDB 不支持第8个查询（大数据集） | unsupported_query | InfluxDB 抛出异常：mixing multiple selector functions with tags or fields is not supported（不能在 select 中同时使用 max 和 min），而 DolphinDB 可执行 | high |
| InfluxDB group by time 的返回行为 | returns_all_time_buckets | 对时间 group by 后返回包含所有时间段，即使无有效数据也返回；DolphinDB 只返回包含有效数据的时间段 | medium |
| DolphinDB 语言与范式优势（对比描述） | language_capabilities | DolphinDB 内置完整脚本语言，支持 SQL 且支持命令式、向量化、函数化、元编程、RPC 等多种范式；InfluxDB 通过 InfluxQL 操作数据库 | medium |
| InfluxDB 批量导入支持（CSV） | official_support | 对 CSV 等批量导入无很好官方支持；需第三方工具或自实现读取并规整为指定输入格式，再通过 API 批量导入；单次只能导入 5000 行 | medium |
| DolphinDB CSV 导入函数 | functions | 提供 ploadText、loadText、loadTextEx，可在脚本中直接导入 CSV 文件 | high |
| InfluxDB 表连接 | join_support | InfluxDB 不支持表连接，部分常规查询无法完成 | high |
| DolphinDB 表连接与优化 | join_features | 支持常用表连接，并对 asof join 和 window join 等非同时连接做了性能优化 | medium |
| InfluxDB 时间分组粒度上限 | max_group_by_time_unit | 对时间序列分组（group by）的最大分组是 week（星期） | medium |
| DolphinDB 时间分组能力 | max_group_by_time_unit | 支持对所有内置时间类型进行分组，最大单位为 month（月） | medium |
| DolphinDB 内置函数数量 | built_in_functions_count | 600 多个内置函数 | medium |
| DolphinDB 函数性能优化范围（描述） | optimization_scope | 大部分聚合函数以及领先/滞后/累计窗口/滑动窗口等时序函数做了性能优化 | low |
| DolphinDB 集群版本事务与一致性（主张） | transactions_and_consistency | 集群版本支持事务；在一个分区的多个副本写入时保证强一致性 | medium |
| 技能认证特训营第二期限时报名 | registration_link | https://www.qingsuyun.com/h5/e/217471/5/ | high |
| 小数据集数据来源（Timescale 示例数据集文档） | source_url | https://docs.timescale.com/v1.1/tutorials/other-sample-datasets | high |
| 小数据集下载地址 | download_url | https://timescaledata.blob.core.windows.net/datasets/devices_big.tar.gz | high |
| 大数据集数据来源（NYSE 历史数据页面） | source_url | https://www.nyse.com/market-data/historical | high |
| InfluxDB duplicate points FAQ | reference_url | https://docs.influxdata.com/influxdb/v1.7/troubleshooting/frequently-asked-questions/#how-does-influxdb-handle-duplicate-points | high |
| InfluxDB ORDER BY tag values issue | reference_url | https://github.com/influxdata/influxdb/issues/3954 | high |
| 附录链接：readings（前20行预览） | github_url | https://github.com/dolphindb/Tutorials_CN/blob/master/benchmark/DolphinDB%20vs%20InfluxDB/readings.csv | high |
| 附录链接：readings（Line Protocol） | github_url | https://github.com/dolphindb/Tutorials_CN/blob/master/benchmark/DolphinDB%20vs%20InfluxDB/readings.lineprotocol.txt | high |
| 附录链接：readings 转 Line Protocol 脚本 | github_url | https://github.com/dolphindb/Tutorials_CN/blob/master/benchmark/DolphinDB%20vs%20InfluxDB/convert_small.coffee | high |
| 附录链接：TAQ（预览/样例） | github_url | https://github.com/dolphindb/Tutorials_CN/blob/master/benchmark/DolphinDB%20vs%20InfluxDB/TAQ.csv | high |
| 附录链接：TAQ（Line Protocol） | github_url | https://github.com/dolphindb/Tutorials_CN/blob/master/benchmark/DolphinDB%20vs%20InfluxDB/TAQ.lineprotocol.txt | high |
| 附录链接：TAQ 转 Line Protocol 脚本 | github_url | https://github.com/dolphindb/Tutorials_CN/blob/master/benchmark/DolphinDB%20vs%20InfluxDB/convert_big.coffee | high |
| 附录链接：DolphinDB 安装/配置/启动脚本 | github_url | https://github.com/dolphindb/Tutorials_CN/blob/master/benchmark/DolphinDB%20vs%20InfluxDB/test_dolphindb.sh | high |
| 附录链接：DolphinDB 配置文件 | github_url | https://github.com/dolphindb/Tutorials_CN/blob/master/benchmark/DolphinDB%20vs%20InfluxDB/dolphindb.cfg | high |
| 附录链接：DolphinDB 小数据集测试脚本 | github_url | https://github.com/dolphindb/Tutorials_CN/blob/master/benchmark/DolphinDB%20vs%20InfluxDB/test_dolphindb_small.txt | high |
| 附录链接：DolphinDB 大数据集测试脚本 | github_url | https://github.com/dolphindb/Tutorials_CN/blob/master/benchmark/DolphinDB%20vs%20InfluxDB/test_dolphindb_big.txt | high |
| 附录链接：InfluxDB 安装/配置脚本 | github_url | https://github.com/dolphindb/Tutorials_CN/blob/master/benchmark/DolphinDB%20vs%20InfluxDB/test_influxdb.sh | high |
| 附录链接：InfluxDB 修改配置文件 | github_url | https://github.com/dolphindb/Tutorials_CN/blob/master/benchmark/DolphinDB%20vs%20InfluxDB/influxdb.conf | high |
| 附录链接：InfluxDB 小数据集测试脚本 | github_url | https://github.com/dolphindb/Tutorials_CN/blob/master/benchmark/DolphinDB%20vs%20InfluxDB/test_influxdb_small.sql | high |
| 附录链接：InfluxDB 大数据集测试脚本 | github_url | https://github.com/dolphindb/Tutorials_CN/blob/master/benchmark/DolphinDB%20vs%20InfluxDB/test_influxdb_big.sql | high |