时序数据库

时序数据的概念

时序数据简单的说， 就是随着时间流而不断产生的数据， 比如一台服务器的cpu负载， 或者一个应用的log文件等。 对于这种时序数据， 有一些常用的操作， 比如统计每分钟的平均值， 中位数等。
所谓时序数据库， 就是针对这类场景做了优化的一类数据存储查询系统。
又如百度无人车在运行时需要监控各种状态，包括坐标，速度，方向，温度，湿度等等，并且需要把每时每刻监控的数据记录下来，用来做大数据分析。每辆车每天就会采集将近8T的数据。如果只是存储下来不查询也还好(虽然已经是不小的成本)，但如果需要快速查询“今天下午两点在后厂村路，速度超过60km/h的无人车有哪些”这样的多纬度分组聚合查询，那么时序数据库会是一个很好的选择。

看到这类数据处理基本是要对一个时间范围的数据， 根据时间段， 维度进行归类，做一些聚合运算。时序数据库要解决的问题就是如何能在海量数据中， 快速响应用户的此类查询。

时序数据库的概念

序数据库的一些基本概念(不同的时序数据库称呼略有不同)。

metric: 度量，相当于关系型数据库中的table。

data point: 数据点，相当于关系型数据库中的row。

timestamp：时间戳，代表数据点产生的时间。

field: 度量下的不同字段。比如位置这个度量具有经度和纬度两个field。一般情况下存放的是会随着时间戳的变化而变化的数据。

tag: 标签，或者附加信息。一般存放的是并不随着时间戳变化的属性信息。timestamp加上所有的tags可以认为是table的primary key。

如下图，度量为Wind，每一个数据点都具有一个timestamp，两个field：direction和speed，两个tag：sensor、city。它的第一行和第三行，存放的都是sensor号码为95D8-7913的设备，属性城市是上海。随着时间的变化，风向和风速都发生了改变，风向从23.4变成23.2;而风速从3.4变成了3.3。

时序数据库面临的挑战

链接