時間序列資料庫簡稱時序資料庫(Time Series Database)，用於處理帶時間標簽(按照時間的順序變化，即時間序列化)的數據，帶時間標簽的數據也稱為時間序列數據。 時序數據的幾個特點 1. 基本上都是插入，沒有更新的需求。 2. 數據基本上都有時間屬性，隨著時間的推移不斷產生新的數據。 3 ...
時間序列資料庫簡稱時序資料庫(Time Series Database)，用於處理帶時間標簽(按照時間的順序變化，即時間序列化)的數據，帶時間標簽的數據也稱為時間序列數據。
時序數據的幾個特點
1. 基本上都是插入，沒有更新的需求。
2. 數據基本上都有時間屬性，隨著時間的推移不斷產生新的數據。
3. 數據量大，每秒鐘需要寫入千萬、上億條數據
業務方常見需求
1. 獲取最新狀態，查詢最近的數據(例如感測器最新的狀態)
2. 展示區間統計，指定時間範圍，查詢統計信息，例如平均值，最大值，最小值，計數等。。。
3. 獲取異常數據，根據指定條件，篩選異常數據
常見業務場景
監控軟體系統： 虛擬機、容器、服務、應用
監控物理系統： 水文監控、製造業工廠中的設備監控、國家安全相關的數據監控、通訊監控、感測器數據、血糖儀、血壓變化、心率等
資產跟蹤應用： 汽車、卡車、物理容器、運貨托盤
金融交易系統： 傳統證券、新興的加密數字貨幣
事件應用程式： 跟蹤用戶、客戶的交互數據
商業智能工具： 跟蹤關鍵指標和業務的總體健康情況
在互聯網行業中，也有著非常多的時序數據，例如用戶訪問網站的行為軌跡，應用程式產生的日誌數據等等。
一些基本概念(不同的時序資料庫稱呼略有不同)
Metric: 度量，相當於關係型資料庫中的 table。
Data point: 數據點，相當於關係型資料庫中的 row。
Timestamp：時間戳，代表數據點產生的時間。
Field: 度量下的不同欄位。比如位置這個度量具有經度和緯度兩個 field。一般情況下存放的是隨時間戳而變化的數據。
Tag: 標簽。一般存放的是不隨時間戳變化的信息。timestamp 加上所有的 tags 可以視為 table 的 primary key。
例如採集有關風的數據，度量為 Wind，每條數據都有時間戳timestamp，兩個欄位 field：direction(風向)、speed(風速)，兩個tag：sensor(感測器編號)、city(城市)。第一行和第三行，存放的都是 sensor 編號為86F-2RT8的設備，城市是深圳。隨著時間的變化，風向和風速發生了改變，風向從56.4變為45.6，風速從2.9變為3.6。
需要解決的幾個問題
時序數據的寫入：如何支持每秒鐘成千上億條數據的寫入。
時序數據的讀取：如何支持在秒級對上億條數據的分組聚合運算。
成本敏感：海量數據存儲帶來的成本問題。如何以更低成本存儲數據，將成為時序資料庫需要解決的重中之重。
常見時序資料庫
時序資料庫出現的時間較晚，目前較成熟的時序資料庫都僅有2、3年的歷史。
InfluxDB(單機版免費，集群版收費)最成熟，Kairosdb(底層使用Cassandra)，OpenTsdb(底層使用HBase)，beringei(Facebook開源)，TimeScaleDB(底層基於PostgreSQL)，TSDB(百度開源)，HiTSDB(阿裡開源，底層是PostgreSQL)。
