Timescale 完成 C 轮融资，数据库领域再添独角兽
2022 年 2 月 22 日，Timescale 在博客中宣布其在近日完成了 C 轮融资，总融资金额达到 1.8 亿美元。本轮融资由 Tiger Global 领投，现有投资者 Benchmark、New Enterprise Associates、Redpoint Ventures、Icon Ventures 和 Two Sigma Ventures 均参与跟投。目前，Timescale 估值超过 10 亿美元，成为数据库领域的又一独角兽企业。
此前，在 2021 年、2019 年和 2018 年，Timescale 分别完成了 4000 万美元、1500 万美元和 1600 万美元的融资，本次 C 轮融资也是融资金额最高的一次。Timescale 在博客中进一步表示，其计划利用该笔融资增加对产品、工程和研发方面的投入，持续发展团队，并为扩大 Timescale 社区、客户，以及为全球开发者服务作出努力。
“所有数据都是时间序列数据。”Timescale 创始人兼首席执行官 Ajay Kulkarni 在博客中谈道。同时他还表示：“时序数据无处不在，基于时序数据构建的应用需要一种新型数据库。这笔资金和 Timescale 的飞速增长证明 TimescaleDB 就是答案。”
目前，Timescale 为使用 TimescaleDB 的 500 多家付费客户和社区中数万家其他组织提供服务，其中包括苹果、思科、康卡斯特、漫威、通用电气、IBM、微软、特斯拉、三星、施耐德电气、Uber、沃尔玛等公司。
Timescale 旗下的 TimescaleDB 是一款针对快速获取和复杂查询而优化的开源时间序列数据库。它使用“标准的 SQL”语句，并且像传统的关系数据库那样容易使用，像 NoSQL 那样可扩展。
与关系数据库与 NoSQL 相比，TimescaleDB 为时间序列数据集合了两种数据库的优点：
易用
PostgreSQL 原生支持的所有 SQL，包含完整 SQL 接口（包括辅助索引，非时间聚合，子查询，JOIN，窗口函数）；
任何使用 PostgreSQL 的客户端或工具，可以直接应用到该数据库，不需要更改；
时间为导向的特性，API 功能和相应的优化；
可靠的数据存储。
可扩展
透明时间 / 空间分区，用于放大（单个节点）和扩展（即将出现）；
高数据写入速率（包括批量提交，内存中索引，事务支持，数据备份支持）；
单个节点上的大小合适的块（二维数据分区），以确保即使在大数据量时即可快速读取；
块之间和服务器之间的并行操作。
可靠性
作为 PostgreSQL 的扩展；
受益于 20 多年的 PostgreSQL 研究的成功经验（包括流式复制，备份）；
灵活的管理选项（与现有的 PostgreSQL 生态系统和工具兼容）。
时序数据是随时间不断产生的一系列数据，简单来说，就是带时间戳的数据。时序数据库 (Time Series Database，TSDB) 是优化用于摄取、处理和存储时间戳数据的数据库。此类数据可能包括来自服务器和应用程序的指标、来自物联网传感器的读数、网站或应用程序上的用户交互或金融市场上的交易活动。
时序数据库应用场景：
时序数据库的应用场景在物联网和互联网 APM 等场景应用较多，下面是列举了一些时序数据库的应用场景，但不是全部：
公共安全：上网记录、通话记录、个体追踪、区间筛选；
电力行业：智能电表、电网、发电设备的集中监测；
互联网：服务器 / 应用监测、用户访问日志、广告点击日志；
物联网：电梯、锅炉、机械、水表等各种联网设备；
交通行业：实时路况、路口流量监测、卡口数据；
金融行业：交易记录、存取记录、ATM、POS 机监测。
万物互联时代，工业物联网产生的数据量比传统的信息化要多数千倍甚至数万倍，这也令传统数据库的弊端开始显现，因此业内对于 TimescaleDB 等时序数据库的需求也是越来越多。
根据国外数据网站 DB-Engines 数据，目前排名第一的时序数据库为 InfluxDB。而在国内，也不乏对标 InfluxDB 和 TimescaleDB 的优秀国产数据库。
前不久，国产时序数据库 TDengine 背后的涛思数据迎来重要人事变动，由前融云 CTO 杨攀加入并担任涛思数据战略合作 & 开发者生态副总裁一职。在当时接受 InfoQ 采访中，杨攀就曾坦言，之所以加入涛思数据，很重要的原因就是他看中了时序数据库的发展前景。
对此他提到，“时序数据库是目前数据库行业增长最快品类，未来在物联网、车联网、工业互联网或 IT 运维行业等领域，专业的时序数据库产品必将成为其中必不可少的基础设施”。
据了解，目前国产数据库 TDengine 的核心代码，包括集群功能已经全部开源，截至目前在 GitHub 上收获了 17800 的 Star，Fork 数达 4300。在墨天轮数据中，TDengine 也成为国产时序数据库中的佼佼者。
可以预见，整个时序数据库赛道未来的发展前景注定广阔，也期待以 TDengine 为代表的国产数据库带来持续突破。
TimescaleDB GitHub：
https://github.com/timescale/timescaledb
TDengine GitHub：
https://github.com/taosdata/TDengine
参考链接：
https://www.timescale.com/blog/year-of-the-tiger-110-million-to-build-the-future-of-data-for-developers-worldwide/
https://zhuanlan.zhihu.com/p/350041920