時序數(shù)據(jù)

時序數(shù)據(jù)就是時間序列數(shù)據(jù)，即某個指標根據(jù)時間順序記載的數(shù)據(jù)序列。在以時間為橫軸的坐標系中將時序數(shù)據(jù)值連成線，可將歷史時序數(shù)據(jù)做成多維度表，發(fā)現(xiàn)其規(guī)律和異常，也可將時序數(shù)據(jù)用于大數(shù)據(jù)分析，實現(xiàn)趨勢預測和異常預警。

工業(yè)互聯(lián)網(wǎng)環(huán)境下需采集的工業(yè)時序數(shù)據(jù)量巨大，且具有如下典型特征:數(shù)據(jù)都是結構化的;一個采集點的數(shù)據(jù)源是一個;數(shù)據(jù)較少有更新或刪除操作，一般按到期日期來刪除;數(shù)據(jù)以寫操作為主，讀操作為輔;數(shù)據(jù)流量平穩(wěn)，可較為準確地計算;數(shù)據(jù)都有統(tǒng)計、聚合等實時計算操作;數(shù)據(jù)根據(jù)規(guī)定的時間段和區(qū)域進行查找。

時序數(shù)據(jù)與關系型數(shù)據(jù)的差異

（1）較明顯的特征是時序數(shù)據(jù)都存在僅有的時間戳，并且以時間戳大小進行排序，以時間戳作為僅有標識進行區(qū)分，而關系型數(shù)據(jù)通常有其他字段作為標識，比如學生的數(shù)據(jù)通常使用學號作為僅有標識進行區(qū)分。

（2）時序數(shù)據(jù)并不關心關系，在汽車定位中，我們不需要了解這輛汽車的所有者的其他屬性，例如年齡、職業(yè)等等，也就不存在對汽車所有者的表的關聯(lián)。

（3）時序數(shù)據(jù)的數(shù)據(jù)量持續(xù)呈線性增長，每隔一定時間粒度就會產(chǎn)生新的數(shù)據(jù)，將會持續(xù)產(chǎn)生海量數(shù)據(jù)，因此數(shù)據(jù)量龐大。而關系型數(shù)據(jù)的增長通常不是隨著時間持續(xù)增長的，比如一所學校的學生的據(jù)量在一段時間內(nèi)都是相對穩(wěn)定的。

（4）時序數(shù)據(jù)很少會有更新操作，在某個時刻的測量值產(chǎn)生將不會發(fā)生變化，所以幾乎不需要對時序數(shù)據(jù)進行更新。對于關系型數(shù)據(jù)，則是已存在的數(shù)據(jù)經(jīng)常發(fā)生更新，比如學生的個人信息，包括年齡、身高等屬性。

時序數(shù)據(jù)庫的特點介紹

快速的時間窗口查詢能力。時序業(yè)務的查詢需求分為兩類，一是實時數(shù)據(jù)查詢，反映當前監(jiān)控對象的狀態(tài)；二是主要是查詢某個時間段的歷史數(shù)據(jù)，歷史數(shù)據(jù)的數(shù)據(jù)量非常大，這時候需要針對時間窗口大量數(shù)據(jù)查詢進行優(yōu)化。

快速的聚合能力。時序業(yè)務場景通常會關心數(shù)據(jù)的聚合值，比如 count、mean 等聚合值來反映某個時間段內(nèi)的數(shù)據(jù)情況，因此時序數(shù)據(jù)庫需要提供高效的聚合函數(shù)。

批量刪除能力。時序業(yè)務對于過期的數(shù)據(jù)需要進行批量刪除操作。

通常不需要具備事務的能力。時序數(shù)據(jù)庫與傳統(tǒng)關系型數(shù)據(jù)庫不同，傳統(tǒng)關系型數(shù)據(jù)庫注重增刪改查和事務功能，而時序數(shù)據(jù)庫針對海量數(shù)據(jù)寫入，其讀取查詢多是一段時間段內(nèi)的數(shù)據(jù)。