时间序列数据库写入的特点
时间序列数据库写入的特点
时间序列数据上超过 95% 都是写操作,由于数据量庞大,关键指标或特定场景之外的写入数据,通常会较少读取,并且时间序列数据库写入较为平稳,一般的应用数据会随着应用访问量上升而增多,因此应用数据存在波峰波谷,但时序数据通常是以固定的时间频率产生,不受其他因素影响,生成速率较为稳定。另外,由于数据是根据时间推进而生成的,时间序列数据的写入是实时的,随着时间进程不断进行新数据的写入,一般情况下不会对旧数据进行更新。
时间序列数据库的关键概念
时间序列数据库的关键概念
时序数据
时序数据是根据时间轴排序的数据集合,一般分为单变量时序和多变量时序。单变量时序是指每次采集的数据集合只存在一个变量,如股票上午的价格变化,而多变量时序则是指每次采集的数据集合具有多个变量,如股市当天的交易信息。
数据压缩
数据压缩是指将输入的原始数据,在保证数据信息的前提下,将其转变为体量更小的数据流,去除信息冗余,目前数据压缩的算法根据原理差异可分为对称/非对称、松散/非松散、非适应/自适应。
品质指数
品质指数是指数据压缩算法的性能,其中包括压缩率、压缩速度和精确度。压缩率是指数据对比原始数据的压缩比率,速度是指执行压缩每字节所需的平均时间,精确度则是指压缩后数据的可信度。
时序数据
时序数据是根据时间轴排序的数据集合,一般分为单变量时序和多变量时序。单变量时序是指每次采集的数据集合只存在一个变量,如股票上午的价格变化,而多变量时序则是指每次采集的数据集合具有多个变量,如股市当天的交易信息。
数据压缩
数据压缩是指将输入的原始数据,在保证数据信息的前提下,将其转变为体量更小的数据流,去除信息冗余,目前数据压缩的算法根据原理差异可分为对称/非对称、松散/非松散、非适应/自适应。
品质指数
品质指数是指数据压缩算法的性能,其中包括压缩率、压缩速度和精确度。压缩率是指数据对比原始数据的压缩比率,速度是指执行压缩每字节所需的平均时间,精确度则是指压缩后数据的可信度。
时间序列数据库的应用场景
时间序列数据库的应用场景
时间序列数据库的主要应用场景是物联网设备监控分析和工业制造监控分析。物联网设备在运行过程中不断产生大量显示设备和业务状态的数据,通过时间序列数据库可以进行监控、分析、故障诊断等。工业制作过程中,需要实时监控大量设备的运行状态,进行设备状态检测、故障发现以及业务趋势分析。此外,随着汽车市场智能驾驶需求的不断提升,时间序列数据库可用来检测和存储海量驾驶数据,为智能驾驶程序的测试、开发以及应用提供支持。