时序数据库该怎么做

对身处其中的时序数据库厂商而言，周小华认为大的难点在于如何在物联网领域持续创造价值。目前很多传统企业的数字化转型是因为或者公司***层在推动，而不是看到了项目本身的价值，这是不可持续的。为了解决这个问题，DolphinDB 开始积极与集成商合作，双方共同建立行业的算法库或者函数库，进而帮助各领域的企业快速利用数据创造价值；对外开放，构建自己的生态，积极与第三方共同合作开发插件或者算法，让其可以更好地与传统企业内部的其他组件进行适配，真正做到降本增效；多模数据库支持，做到一门编程语言，一套计算引擎和多个存储引擎；增强实时流计算功能，包括增量机器学习；进行云适配，增强伸缩性和易用性。

什么是数据仓库？

数据仓库是一种概念性体系结构，可帮助存储结构化，面向主题的，时变的，非易失性数据以供决策。数据仓库通常存储历史数据，即专门为查询和分析而构造的交易数据的副本。物理数据整合已经转向一种更逻辑的方式，它也可以容纳实时数据。来自源的数据将进行转换（清理，应用业务规则，增强），并在ETL / ELT阶段进行分析，以加载为结构化形式（可以是关系，维，混合等）。

时序数据库

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***市场上的交易活动。

数据写入的特点

写入平稳、持续、高并发高吞吐：时序数据的写入是比较平稳的，这点与应用数据不同，应用数据通常与应用的访问量成正比，而应用的访问量通常存在波峰波谷。时序数据的产生通常是以一个固定的时间频率产生，不会受其他因素的制约，其数据生成的速度是相对比较平稳的。时序数据是由每个个体***生成，所以当个体数量众多时，通常写入的并发和吞吐量都是比较高的，特别是在物联网场景下。写入并发和吞吐量，可以简单的通过个体数量和数据生成频率来计算，例如若你有1000个个体以10秒的频率产生数据，则你平均每秒产生的并发和写入量就是100。