Timescale tiene un costo predecible anclado en una realidad familiar; está impulsado por el volumen de almacenamiento y la carga del sistema. No tienes ese problema familiar y terrible de cardinalidad que es común a _todos_ los sistemas de modelos de datos de series de etiquetas. Funciona muy bien y de manera predecible. Es realmente impresionante.
Es de código abierto y el autoalojamiento es fácil: es postgresql. Ya sabes lo que implica el autoalojamiento a partir de esa declaración y si estás dispuesto a hacerlo. Si no lo estás, puedes pagar a Timescale para que lo haga por ti con Timescale Cloud. En mi experiencia, Timescale Cloud fue muy efectivo durante los meses que mi equipo lo utilizó.
Su comunidad es excelente, y los mantenedores de Timescale realmente abordan los problemas reportados por la comunidad (¡incluyéndome a mí personalmente)! Fue un cambio bienvenido de 180 grados respecto a la postura aparentemente antagonista que ciertos otros proyectos de código abierto relacionados adoptan hacia su comunidad. Su gente es realmente buena. Reseña recopilada por y alojada en G2.com.
No hay una guía bien definida sobre cómo los datos de series temporales deberían modelarse generalmente en Postgresql. Hay discusiones útiles sobre EAV y esquemas amplios, pero hasta ahora, Timescale parece rehuir de tomar una postura.
Además, ingerir datos es un dolor si no tienes ya alguna integración de postgresql para tu servicio. No es realmente la mejor manera de ingerir datos de series temporales desde hosts de servicios dispares; tendrás problemas de conteo de conexiones y extraña contrapresión. Las actualizaciones se vuelven muy difíciles de esa manera (solo pregúntale a Promscale sobre eso, RIP). Me encantaría ver integraciones RPC directas reales con estándares de facto como opentelemetry y mejores estándares como goodmetrics en el proceso del host de TimescaleDB. Esto haría que la ingesta de series temporales de TimescaleDB desde hosts de servicios fuera perfectamente fluida y establecería estándares comunes para el modelado de datos. Reseña recopilada por y alojada en G2.com.
28 de 29 Reseñas totales para Timescale
Sentimiento General de la Reseña para Timescale
Inicia sesión para ver el sentimiento de la revisión.
The ease of set up with the pgai, pgvector, and pgvectorscale plugins makes setting up and running of a highly scalable vector database solution very quick and easy. They have good resources for beginers and advanced people alike and an active discord to help out user issues. The UI/UX of managing the databases are good and there is even a free month when just starting out.
The nodeJS implementation for postgres SDK is great, and the ability to write standard postgresql for queries and database managment makes this much more flexible and easier to manage than traditional vector databases.
I have used multiple vector databases and this is my faviout one so far for scalability. I use the UI every day when checking up on the health of my vector database and love the metrics it provides. It only took 1 development week to fully switch from a different Vector Database, but I have a massive codebase with a lot of functionality, I'm confident someone with a new codebase could integrate in a day. Reseña recopilada por y alojada en G2.com.
I think the UI can be very slow to load sometimes, especially when you have many tables, definetly could improve there. I also miss a vector Visializer like that of QDRANT. Reseña recopilada por y alojada en G2.com.
El producto tiene un alto rendimiento, la interfaz en la nube es fácil de usar pero aún ofrece mucho control, el proveedor de Terraform hace que la configuración sea muy sencilla y el equipo ha sido increíble. Reseña recopilada por y alojada en G2.com.
El proveedor de Terraform aún no está completo, faltan algunas opciones de código abierto para enviar telemetría en la nube en lugar de Cloudwatch y Datadog. Reseña recopilada por y alojada en G2.com.
Fiabilidad y facilidad de uso e integración. Documentación decente. Reseña recopilada por y alojada en G2.com.
La fijación de precios. $50 al mes para un proyecto de hobby se acumula. Reseña recopilada por y alojada en G2.com.
Timescale es una poderosa extensión para Postgresql con características especiales para el almacenamiento y procesamiento de datos de series temporales. Ha demostrado ser muy útil en nuestros proyectos de IoT, donde la compresión mantiene el uso del disco al mínimo y los agregados continuos ofrecen una visión muy rápida de los datos. Y dado que todo es Postgres, no hay necesidad de aprender un nuevo lenguaje de consulta.
El servicio en la nube gestionado de Timescale es una alternativa rentable y estable para nosotros, ya que no tenemos los recursos para mantener la infraestructura e instalación necesarias. Además, hay una comunidad fuerte y un soporte útil en caso de necesitar orientación en el camino hacia la producción. Reseña recopilada por y alojada en G2.com.
Bueno, no es realmente un disgusto, pero a primera vista Timescale puede posiblemente ser percibido como un producto fácil de usar donde unos pocos clics de un botón te dan una configuración óptima. Sin embargo, sigue siendo una base de datos con una capa adicional de funcionalidad añadida, lo que requiere algunas exploraciones en varios caminos para utilizar todo su potencial. Una comunidad útil, un soporte receptivo y documentación bien escrita son grandes ayudas durante este ejercicio. Reseña recopilada por y alojada en G2.com.
He estado usando Timescale durante varios meses y estoy extremadamente impresionado con su rendimiento. La base de datos sobresale en el almacenamiento y recuperación de datos de series temporales, lo que la convierte en una opción ideal para mi trabajo. Una de sus características destacadas es la capacidad de agregar datos, lo cual ha sido increíblemente útil para generar conocimientos e informes. Además, las capacidades de compresión son bastante potentes, lo que nos permite almacenar una gran cantidad de datos sin sacrificar el rendimiento.
Pero lo que realmente distingue a Timescale es su excepcional soporte al usuario. Siempre que he tenido una pregunta o problema, el equipo ha respondido rápidamente y ha proporcionado soluciones útiles. En general, recomiendo altamente Timescale a cualquiera que necesite una base de datos de series temporales confiable y eficiente. Reseña recopilada por y alojada en G2.com.
Si bien las capacidades de compresión de Timescale son poderosas, algunos de los matices y limitaciones pueden ser un poco complicados de comprender completamente al principio. Como resultado, puede haber una curva de aprendizaje involucrada en aprovechar el producto al máximo de sus capacidades. Sin embargo, una vez que te familiarizas con estos matices, Timescale puede ser una herramienta altamente efectiva para gestionar y analizar datos de series temporales. Reseña recopilada por y alojada en G2.com.
Recientemente migramos de InfluxDB autohospedado a Timescale Cloud y no podríamos estar más contentos. La transición fue fluida y fácil, y a nuestros ingenieros les encanta la capacidad de usar SQL en lugar de un lenguaje de consulta personalizado. Hemos visto un aumento significativo en el rendimiento solo al usar trucos de SQL familiares. Reseña recopilada por y alojada en G2.com.
La única queja menor que tenemos es que la interfaz de usuario de la distribución en la nube podría necesitar un poco más de pulido, y que aún no están listados en el mercado de AWS. Sin embargo, esto no ha afectado la funcionalidad o el rendimiento del producto, por lo que no es un problema significativo. Reseña recopilada por y alojada en G2.com.
TimescaleDB es una extensión de Postgres para series temporales. Como usuarios de Postgres desde hace mucho tiempo que necesitaban una base de datos de series temporales, lo vimos como un gran beneficio que TimescaleDB esté construido sobre una tecnología probada y comprobada. Además, podíamos seguir utilizando SQL ubicuo para realizar nuestras consultas. Los beneficios particulares de TimescaleDB incluyen altas tasas de compresión logradas a través de la compresión específica por tipo (alcanzamos más de 10x de compresión) junto con consultas de series temporales mucho más eficientes que el Postgres estándar. Finalmente, el conjunto de hiperfunciones en el kit de herramientas de TimescaleDB es particularmente útil para nuestro dominio (datos de ticks financieros de alta frecuencia). El equipo de Timescale también ha sido extremadamente útil y solidario durante el proceso de migración a TimescaleDB. Reseña recopilada por y alojada en G2.com.
Migrar grandes volúmenes de datos a la nube (~100 TB sin comprimir) consume mucho tiempo y requiere una cuidadosa consideración. Dicho esto, el equipo de Timescale ha sido de gran ayuda para nosotros en navegar este proceso. Reseña recopilada por y alojada en G2.com.
