時序數據庫用途是什麼？

在公有雲的數據庫產品清單里，近年出現了一個新的名詞「時序數據庫」。感覺數據庫的產品已經不少了，時序數據庫的用途是什麼？為什麼會誕生該產品？我們今天一起來看一下！

一、什麼是時序數據庫？

相比於傳統的關係數據庫SQL、非關係型數據庫NOSQL，時序數據庫是較新的技術，沒有行業標準，有很多方面還有待完善。

時序數據庫的定義很簡單，也就是在時間上分佈的一串數字。

例如：某個酒店在晚上8：00有200個房間被入住，那個8：00時間點上存儲的200的數字就是時序數據。

而晚上8：00，某個房間被入住，這個數據只是一個日誌。

再例如，通過物聯網數據採集設備，採集的一串溫度數據、壓力數據等，也適用於時序數據的範圍。

二、時序數據庫有一些特別操作。

1、插值。時間序列分佈會在一些時間線上，且序列會隨着時間的增長往後發展。本質上是在一個固定的時間點記錄數據。如果需要根據這些時間點畫圖，那麼涉及到線性插值的問題，一般是將兩個時間軸的平均值作為中間數據。

2、降精度。如果我們按分鐘記錄了溫度，如果需要查看一年的數據走向圖，則需要下降時間的精度為天計算。這時，我們將涉及到如何選擇這一天溫度的問題，我們可以選擇最大值、最小值或當天的平均值。

這兩個問題在傳統數據庫中是沒有的場景。

三、時序數據庫有顯著的特別

1、數據量大。如果某物聯網設備一秒采一次溫度，那麼一天將產生86400條數據。如果全市有上萬個同類的數據，那這個數據量是驚人的。

2、數據量平穩。物聯網設備將隔固定的周期採集數據，除非改變採集策略，這個數據量一般不存在波峰或波谷，不需要進行數據高峰期的特殊優化。

3、數據存在時效性。離現在越久的數據，越不會被訪問到。例如，我們的手環數據，我們重點將關注近期的數據分析結果。

四、傳序數據庫不適合干時序數據庫的事

講到這裡，大家一定覺得傳統的數據庫也能做這些場景下的事，但事實是不適合。

1、降精度的場景不合適。例如需要快速選擇出當天的溫度平均數據作為當天的溫度，實際在傳統數據庫中又是複雜的計算過程。

2、數據量大的場景不合適。剛才講到一秒鐘存一次溫度，那一天將存儲上8萬次數據，而這些大數據量將極大的佔用存儲空間。如果採用時序數據庫，將通過壓縮機制極大降低數據的存儲量。