时序数据库

时序数据库

时序数据库全称为时间序列数据库。时间序列数据库指主要用于处理带时间标签（按照时间的顺序变化，即时间序列化）的数据，带时间标签的数据也称为时间序列数据。

时间序列数据主要由电力行业、化工行业、气象行业、地理信息等各类型实时监测、检查与分析设备所采集、产生的数据，这些工业数据的典型特点是：产生频率快（每一个监测点一秒钟内可产生多条数据）、严重依赖于采集时间（每一条数据均要求对应的时间）、测点多信息量大（常规的实时监测系统均有成千上万的监测点，监测点每秒钟都产生数据，每天产生几十GB的数据量）。

时序数据

时序数据，即时间序列数据，我们把按照时间戳的大小顺序排列的一系列记录值的数据称为时间序列数据（Time Series Data）。在日常生活中，时序数据相当常见，比如，汽车的位置***，在一段时间内某辆特定汽车的其他属性，包括型号、颜色、***号、所有者等都是不变的，但它的位置数据是随着时间变化不断在变化的，那么根据时间确定的位置值及其他属性所组成的一系列数据就是一组时序数据，当我们驾驶汽车开启导航时，就需要根据这一组时序数据判断接下来到达目的地的路线以及存储驾驶记录，在即将到来的无人驾驶中更是不可少的。在互联网中，时序数据更是无处不在，比如，用户访问网站的记录、应用系统的系统日志数据等等。

时序数据库的未来与展望

时序数据库正处于高速发展阶段，时序数据技术逐步走向成熟，但是这不是终点，时序数据技术还面临各种新的需求和挑战。各大厂商在提高时序数据库性能的同时，针对新需求正在提出更多解决方案：

（1）云服务。除了单机版本，许多厂商还发布了分布式版本、云服务版本，特别是云服务，已经成为必不可挡的发展趋势。

（2）可视化服务。随着万物互联的到来，用户对信息的全方面掌握的需求在增长，时序数据的可视化展示成为一大趋势，这就对时序数据库的查询能力提出更高的要求。

（3）边缘计算服务。在万物互联的时代，更多的传感器带来的庞大数据量是集中化处理方式难以负荷的，这就使得数据计算向边缘化发展，设备将数据通过边缘设备进行实时处理分析反馈后再集中存储，能够提高设备的实时响应能力，提升时效性数据的价值，因此，时序数据库对边缘计算的支持将成为其一个重要的功能。

面对这些挑战与机遇，相信时序数据库将会有更深的发展，未来可期。

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。