时序数据库介绍

工业互联网作为新基建的重要组成部分，迎来了快速发展期。如今，在电力、制造、采掘等众多行业，工业互联网正在落地，催生了众多新的场景和业态。工业互联网通过智能机器间的连接并将人机连接，结合软件和大数据分析，重构工业、激发生产力。这一切的背后，都离不开一个词：工业数据。

对工业互联网领域来说，一个非常明显的特点就是汇聚了海量的工业数据，只要机器开动，数据就无时无刻不在产生，这些数据蕴含了巨大的价值，具有巨大的可挖掘性。同时，工业数据的一个非常明显的特点就是和时间有关。

时序数据与关系型数据的差异

（1）较明显的特征是时序数据都存在仅有的时间戳，并且以时间戳大小进行排序，以时间戳作为仅有标识进行区分，而关系型数据通常有其他字段作为标识，比如学生的数据通常使用学号作为仅有标识进行区分。

（2）时序数据并不关心关系，在汽车***中，我们不需要了解这辆汽车的所有者的其他属性，例如年龄、职业等等，也就不存在对汽车所有者的表的关联。

（3）时序数据的数据量持续呈线性增长，每隔一定时间粒度就会产生新的数据，将会持续产生海量数据，因此数据量庞大。而关系型数据的增长通常不是随着时间持续增长的，比如一所学校的学生的据量在一段时间内都是相对稳定的。

（4）时序数据很少会有更新操作，在某个时刻的测量值产生将不会发生变化，所以几乎不需要对时序数据进行更新。对于关系型数据，则是已存在的数据经常发生更新，比如学生的个人信息，包括年龄、身高等属性。

时序数据具有以下特点

周期性持续采集数据源的时序数据，对插入性能要求高，可能发生乱序情况或者丢失数据；时序数据量大，对存储压缩比敏感；数据源标签属性多样化，修改频次低；指标数据量大而变化小；查询需求多样：单数据源较新值、单数据源明细、单数据源过滤聚集、多维查询、降采样、滑动窗口查询、数据源状态演变图、特定模式识别、趋势预测、根因分析、阈值修正等。