Anvendelsesscenarier
En tidsseriedatabase (TSDB) er en database, der er optimeret til behandling af tidsstemplede, kontinuerlige datastrømme såsom IoT-sensoraflæsninger, servermetrikker og finansielle transaktioner. Den er specielt designet til højfrekvent skrivning af massive data samt hurtig aggregering og forespørgsler baseret på tidsdimensionen.
I Internet of Everything-æraen er mængden af data, der genereres af Industrial Internet of Things, tusindvis eller endda titusindvis af gange større end ved traditionel informatisering, og det er realtidsindsamling, høj frekvens, høj tæthed, og den dynamiske datamodel kan ændres når som helst. Traditionelle databaser er presset til det yderste i opbevaring, forespørgsler, analyse og andre behandlingsoperationer af disse data, og der er et akut behov for et databasesystem optimeret til tidsseriedata, altså tidsseriedatabaser.
Tidsseriedatabase er en specialiseret database til lagring og håndtering af tidsseriedata, med karakteristika som at skrive mere og læse mindre, skelnen mellem varm og kold skrivning, høj samtidig skrivning, ingen transaktionskrav og kontinuerlig skrivning af massive data.
Karakteristika ved tidsseriedata
Tidsstempel: Hvert datapunkt er tidsstemplet, hvilket er vigtigt for databeregning og analyse.
Struktureret: I modsætning til de massive data fra webcrawlere, Weibo og WeChat, er dataene, der genereres af netværksforbundne enheder eller overvågningssystemer, strukturerede. Disse data har foruddefinerede datatyper eller faste længder, såsom strøm og spænding indsamlet af smarte målere, som kan udtrykkes i et standard flydende kommataltal på 4 bytes.
Streaming: Datakilder genererer data med en cirka konstant hastighed, såsom lyd- eller videostrømme. Disse datastrømme er uafhængige af hinanden.
Glidende og forudsigelig trafik: I modsætning til data fra e-handelsplatforme eller sociale mediesider er trafikken af tidsseriedata stabil over tid og kan beregnes og forudsiges baseret på antallet af datakilder og stikprøveperioder.
Uforanderlighed: Tidsseriedata er generelt kun tilføjede, ligesom logdata, og er generelt ikke tilladt og behøver ikke at blive ændret. Der er få scenarier, hvor ændringer i de indsamlede rådata er nødvendige.
Rangering
Adresse:Hyperlink-login er synlig.De seneste rangeringer er som følger:
database
1、InfluxDB
InfluxDB er en open source distribueret tidsserie-, begivenheds- og metrikdatabase skrevet i Go-sproget uden eksterne afhængigheder. Databasen bruges nu primært til at lagre store mængder tidsstemplede data såsom DevOps-overvågningsdata, APP-målinger, loT-sensordata og realtidsanalysedata.
Som den højest rangerende open source tidsseriedatabase understøtter InfluxDB datalagringspolitik (RP) og dataarkivering (CQ), som kan forespørges i realtid, og dataene kan findes straks efter at være indekseret ved skrivning.
2、Kdb+
Officielt kendt som verdens hurtigste tidsseriedatabase, bruger kdb+/q en samlet database til at behandle realtidsdata og historiske data og har funktioner som CEP (complex event processing) motor, in-memory database og diskdatabase. Egenskaberne ved søjlelagring gør det ekstremt bekvemt at udføre statistisk analyse af en bestemt kolonne.
Sammenlignet med generelle databaser eller big data-platforme har kdb+/q hurtigere hastighed og lavere samlede ejeromkostninger, hvilket gør det ideelt til massiv databehandling, primært brugt i massiv dataanalyse, højfrekvenshandel, kunstig intelligens, Internet of Things og andre områder. I den finansielle sektor, hvor latenstiden er krævende, har kdb+ en unik fordel.
3、Prometheus
Prometheus er et open source systemovervågnings- og alarmframework skabt af tidligere Google-medarbejdere hos SoundCloud i 2012 og udviklet som et community open source-projekt, officielt udgivet i 2015, og officielt tilsluttet sig Cloud Native Computing Foundation året efter.
Som en ny generation af overvågningsrammer har Prometheus en kraftfuld multidimensionel datamodel, en række visuelle grafiske grænseflader og bruger pull-tilstand til at indsamle tidsseriedata, som kan sendes til Prometheus-serveren i form af push-gateway.
4、 Grafit
Graphite er et open source realtidsgrafsystem, der viser data til tidsseriemålinger. Grafit indsamler ikke metrikkerne selv, men fungerer som en database, der modtager dem gennem sin backend og derefter forespørger, transformerer og kombinerer dem i realtid.
Graphite understøtter en indbygget webgrænseflade, der gør det muligt for brugere at gennemse måledata og grafer. Den består af flere back-end og front-end komponenter. Backend-komponenten bruges til at lagre numeriske tidsseriedata, mens front-end-komponenten bruges til at indhente metriske itemdata og rendere diagrammer baseret på situationen.
5、TimescaleDB
TimescaleDB er den eneste open source tidsseriedatabase, der understøtter fuld SQL og er optimeret til hurtig udfatning og komplekse forespørgsler, der understøtter fuld SQL. Det er baseret på PostgreSQL og tilbyder det bedste fra NoSQL- og relationsverdenen for tidsseriedata.
TimescaleDB gør det muligt for udviklere og organisationer at udnytte sine kapaciteter endnu mere: analysere fortiden, forstå nutiden og forudsige fremtiden. At forene tidsserie- og relationelle data på forespørgselsniveau eliminerer datasiloer og gør demoer og prototyper lettere at implementere. Kombinationen af skalerbarhed og en fuld SQL-grænseflade giver medarbejderne mulighed for at stille dataspørgsmål. |
Opslået påFor 13 sekunder siden
|
|
|
|
