为什么用关系型数据库？最常见的理由是别人在用，所以我也得用，但是这个并不是理由，而是借口。
作为腾讯唯一的时序数据库，CTSDB 支撑了腾讯内部20多个核心业务（微信彩票、财付通、云监控、云数据库、云负载等）。
12 月 3 日、4日，2022 Apache IoTDB 物联网生态大会在线上圆满落幕。大会上发布 Apache IoTDB 的分布式 1.0 版本，并分享 Apache IoTDB 实现的数据管理技术与物联网场景实践案例，深入探讨了 Apache IoTDB 与物联网企业如何共建活跃生态，企业如何与开源社区紧密配合，实现共赢。
物联网系统中，需要实时处理的数据可通过队列送入流处理引擎；不需要实时处理的数据，用于离线分析或数据挖掘，需要先存储起来。物联网系统的数据存储的方式很多，要根据实际场景来选择。
随着物联网的普及和工业技术的不断发展，高效管理海量时间序列的需求越来越广泛，数据量越来越庞大。时间序列主要分为两种，即单元时间序列和多元时间序列。单元时间序列是指一个具有单个时间相关变量的序列，单元时间序列只包含一列时间戳和一列值。多元时间序列是指一个具有多个时间相关变量的序列，多元时间序列包含多个一元时间序列作为分量，各个一元时间序列的采样时间点相同，所以数据可以用矩阵形式表示，每行为一个时间点，每列为一个一元时间序列。
cassandra虽然没被划分为时序数据库，只被分到了nosql，但是其优秀的性能以及灵活扩展作为一个时序数据库使用也没有什么问题，thingsboard就使用了cassandra作为时序数据存储引擎。
微博广告基础架构团队负责人、技术专家，商业大数据平台及智能监控平台发起人，目前负责广告核心引擎基础架构、Hubble智能监控系统、商业基础数据平台（D+）等基础设施建设。关注计算广告、大数据、人工智能、高可用系统架构设计、区块链等方向。在加入微博之前，曾就职于百度负责大数据平台建设，曾担任趣点科技联合创始人兼CTO等职位。毕业于西北工业大学，曾在国内外知名期刊发表多篇学术论文，拥有9项发明专利。
从容器技术的推广以及 Kubernetes成为容器调度管理领域的事实标准开始，云原生的理念和技术架构体系逐渐在生产环境中得到了越来越广泛的应用实践。在云原生的体系下，面对高度的弹性、动态的应用生命周期管理以及微服务化等特点，传统的监控体系已经难以应对和支撑，因此新一代云原生监控体系应运而生。
随着大数据时代的发展，诞生了一大批大数据时代下的新数据库产品，如今MongoDB、Redis、HBase这些NoSQL数据库已经成为了互联网开发的新标配，SQL一统江湖的时代不复存在了。
复杂而又变化多端的中高频量价因子的研究和开发已经成为众多量化私募最重要的工作之一。DolphinDB作为一个一站式的时序数据存储、分析和实时计算平台，可以帮助金工和IT人员将复杂的因子快速转化成能在研发或生产环境中高效运行的计算机脚本。
在大型微服务架构中，服务监控和实时分析需要大量的时序数据。存储这些时序数据最高效的方案就是使用时序数据库 (TSDB)。设计时序数据库的重要挑战之一便是在效率、扩展性和可靠性中找到平衡。这篇论文介绍的是 Facebook 内部孵化的内存时序数据库，Gorilla。Facebook 团队发现：
伴随新能源物联网的发展，生产、分配、消耗等各个方面由设备及传感器所产生的时序数据量越来越大，严重挑战传统的以关系型数据库为核心的解决方案，数据处理性能低下、数据架构臃肿、存储成本高昂等问题频发，如何应对大数据量下的数据存储、查询、分析，成为了能源企业目前迫切需要解决的难点，数字化转型升级迫在眉睫。我所在的公司江苏阿诗特作为一家具有20多年储能逆变器和户用储能研发能力的企业，在此背景下也开始探索数据架构升级的有效路径。
2017年时序数据库忽然火了起来。开年2月Facebook开源了beringei时序数据库；到了4月基于PostgreSQL打造的时序数据库TimeScaleDB也开源了，而早在2016年7月，百度云在其天工物联网平台上发布了国内首个多租户的分布式时序数据库产品TSDB，成为支持其发展制造，交通，能源，智慧城市等产业领域的核心产品，同时也成为百度战略发展产业物联网的标志性事件。时序数据库作为物联网方向一个非常重要的服务，业界的频频发声，正说明各家企业已经迫不及待的拥抱物联网时代的到来。 本文会从时序数据
本文获文章作者授权翻译，转载需要注明来自公众号EAWorld 作者：Daniel Berman 译者：白小白 原题：Prometheus vs. Graphite: Which Should You Choose for Time Series or Monitoring原文：https://logz.io/blog/prometheus-vs-graphite/ 全文3742字，阅读约需要15分钟 任何系统、应用程序、产品或流程的关键性能指标之一是某些参数或数据点在一段时间内的表现。比如，如何在几秒钟
2021年11月22日，南方电网数字电网研究院有限公司发布《2021年南网数研院平台安全分公司数据中心升级完善二期（电能量平台融合改造、分节点云化等）项目存储计算组件和时序数据库采购公示公告》，采购方式单一来源。 项目概况：根据网公司云化数据中心主分节点建设安排，数据中心升级完善二期（电能量平台融合改造、分节点云化等）在原有数据中心升级完善一期项目及二期（数据湖、云化及服务组件层）建设的基础上，完善了数据中心数据处理及服务能力。本项目对数据中心存储计算组件进行扩容，新增913套存储计算组件，预算3652万元
最近几年一直在使用监控系统，主要使用Zabbix和Prometheus 两个监控工具，对于这两个监控系统有一些使用实践方面的经验，通过对比的方式来和大家分享一下。
回想起来，第一次对文件格式有直接的认识，还是在很久很久以前那个MP3随身听流行的年代。那时候，一个MP3随身听的容量通常是128MB；一首.mp3格式的音乐大约为4MB。我是个杰伦粉，当时杰伦发行了大约60首歌曲，而我最大的愿望是在MP3随身听里存下所有杰伦的歌曲。很明显，128MB的随时听最多也只能存30首歌曲，苦恼的博主在一番探索之后，发现手里的MP3播放器不仅能播放.mp3的音乐，还能播放.wma格式的歌曲；而且，一首wma格式的音乐大小只有2MB！有了这个办法，我终于不用每周更换一次MP3里的歌曲了...
引言 因特网互联设备的发展，提供了大量易于访问的时序数据。越来越多的公司有兴趣去挖掘这类数据，意图从中获取一些有意义的洞悉，并据此做出决策。技术的最新进展提高了时序数据的收集、存储和分析效率，激发了人们对如何处理此类数据的考量。然而，大多数现有时序数据体系结构的处理能力，可能无法跟上时序数据的爆发性增长。 作为一家根植于数据的公司，Netflix已习惯于面对这样的挑战，多年来一直在推进应对此类增长的解决方案。该系列博客文章分为两部分发表，我们将分享Netflix在改进时序数据存储架构上的做法，如何很好地应对
点击关注公众号，Java干货及时送达 来源：www.cnblogs.com/xiaoyuxixi/p/12235979.html 新公司要上监控，面试提到了 Prometheus 是公司需要的监控解决方案，我当然是选择跟风了。 之前主要做的是 Zabbix，既然公司需要 Prometheus，那没办法，只能好好对比一番，了解下，毕竟技多不压身。 但稍稍深入一点，我就体会到了 Prometheus 的优点，总结一下这两种监控方式。 两种监控工具的历史简介 Prometheus Kubernetes 自从
【摘要】Gartner指出赋能边缘是2020年十大战略技术趋势之一，5G加速IoT领域的发展，物联网设备数据的收集，存储和计算需求与日俱增。Apache IoTDB是物联网时序数据收集、存储、管理与分析为一体的的软件系统。Apache IoTDB作为Apache的2020新晋顶级项目，以其出色的表现得到了Apache的认可！目前Apache IoTDB与Hadoop、Spark和Flink等进行了深度集成，可以完全胜任工业物联网领域的海量数据存储、高速数据读取和复杂数据分析的需求。本次分享将为大家对Apache IoTDB的前世今生和核心的技术进行详细介绍.
2021年度云原生数据库 PolarDB 产品介绍： PolarDB是阿里云自主研发的下一代关系型分布式云原生数据库，目前兼容三种数据库引擎：MySQL、PostgreSQL、高度兼容Oracle语法。计算能力最高可扩展至1000核以上，存储容量最高可达 100T。同时具有开源数据库简单、可扩展、高速迭代的优势，适合各个行业公司的创新业务使用。 获奖理由： 2021年3月PolarDB在墨天轮国产数据库流行度云原生数据库排行榜排名跃居 TOP 1。PolarDB直面云原生，是全球范围内业界首个实现了存储、
2月19日，，就 Apache IoTDB 的核心技术及典型应用场景进行了直播分享探讨，分别是 Apache IoTDB：基于开放数据文件格式的时序数据库、IoTDB 在阿里云智能制造业务中的实践、智能运维场景中的时序数据库选型与挑战、时序数据库IoTDB在360的落地实践这4个主题。
你好，这是 JavaGuide 的「优质开源项目推荐」第 12 期，每一期我都会精选 5 个高质量的 Java 开源项目。
在本文中，我们将探讨如何设计一个可扩展的指标监控和告警系统。一个好的监控和告警系统，对基础设施的可观察性，高可用性，可靠性方面发挥着关键作用。
背景 目前对于时序大数据的存储和处理往往采用关系型数据库的方式进行处理，但由于关系型数据库天生的劣势导致其无法进行高效的存储和数据的查询。时序大数据解决方案通过使用特殊的存储方式，使得时序大数据可以高效存储和快速处理海量时序大数据，是解决海量数据处理的一项重要技术。该技术采用特殊数据存储方式，极大提高了时间相关数据的处理能力，相对于关系型数据库它的存储空间减半，查询速度极大的提高。时间序列函数优越的查询性能远超过关系型数据库，Informix TimeSeries非常适合在物联网分析应用。 定义 时间
时序数据处理应用于物联网、车联网、工业互联网领域的过程数据采集、过程控制，并与过程管理建立一个数据链路，属于工业数据治理的新兴领域。从工具维度看，时序数据处理工具与传统时序数据库的差异很大。后者局限于车间级的可编程逻辑控制器，而非企业级。
近日，UCloud新发布了一款时间序列数据库UTSDB (UCloud TimeSeries Database) ，此次上线的UTSDB-InfluxDB版基于InfluxDB v.1.7，完全兼容原生 InfluxDB 协议。后端存储接入 UCloud 自研的Manul统一存储，容量可动态扩充，最高可至数百TB，并通过高效压缩节省80%存储成本。支持高并发写入，QPS最高可达350万，为物联网等领域的亿级设备提供实时监控生产数据、全局掌握数据趋势等能力。
什么是时间序列数据（Time Series Data，TSD，以下简称时序）从定义上来说，就是一串按时间维度索引的数据。用描述性的语言来解释什么是时序数据，简单的说，就是这类数据描述了某个被测量的主体在一个时间范围内的每个时间点上的测量值。它普遍存在于IT基础设施、运维监控系统和物联网中。
今天分享一篇时序数据库Survey，《Time Series Management Systems: A Survey》，2017 年 TKDE 的。作者 Søren Kejser Jensen, Torben Bach Pedersen, Senior Member, IEEE, Christian Thomsen，丹麦奥尔堡大学。他们在 2018 年有一篇时序数据库的论文： ModelarDB：Modular + Model。
随着互联网、尤其是物联网的发展，我们需要把各种类型的终端实时监测、检查与分析设备所采集、产生的数据记录下来，在有时间的坐标中将这些数据连点成线，往过去看可以做成多纬度报表，揭示其趋势性、规律性、异常性;往未来看可以做大数据分析，机器学习，实现预测和预警。
一、IoTDB的研发背景 (一)IoTDB的发展历程 IoTDB是由清华大学大数据软件团队于2016年开始开发的一个物联网数据库项目，旨在满足大规模物联网和工业物联网应用的数据、存储和分析需求。2018年11月，IoTDB进入了Apache孵化器，开始了它的开源之旅。在孵化期间，IoTDB吸引了来自全球的贡献者和用户，并与其他Apache项目如Spark和Hadoop进行了无缝集成。2020年9月，IoTDB正式成为Apache顶级项目，并获2020年北京市科技进步一等奖。2021年10月，IoTDB受邀参
之前两篇文章笔者分别从TSM File文件存储格式、倒排索引文件存储格式这两个方面对InfluxDB最基础、最底层也最核心的存储模块进行了介绍，接下来笔者会再用两篇文章在存储文件的基础上分别介绍InfluxDB是如何处理用户的写入（删除）请求和读取请求的。在阅读这两篇文章之前，强烈建议看官先行阅读之前的多篇文章，不然可能会有一定的阅读障碍。
原创文字，IoTDB 社区可进行使用与传播基于IoTDB 平台的学习和研究_应用_芯动大师_InfoQ写作社区
https://blog.csdn.net/ransom0512/article/details/78114167
本文旨在介绍 vivo 内部的特征存储实践、演进以及未来展望，抛砖引玉，吸引更多优秀的想法。
TDengine 是一款开源、云原生的时序数据库，专为物联网、工业互联网、金融、IT 运维监控等场景设计并优化。它能让大量设备、数据采集器每天产生的高达 TB 甚至 PB 级的数据得到高效实时的处理，对业务的运行状态进行实时的监测、预警。
在上篇文章《时序数据库体系技术 – 时序数据存储模型设计》中笔者分别介绍了多种时序数据库在存储模型设计上的一些考虑，其中OpenTSDB基于HBase对维度值进行了全局字典编码优化，Druid采用列式存储并实现了Bitmap索引以及局部字典编码优化，InfluxDB和Beringei都将时间线挑了出来，大大降低了Tag的冗余。在这几种时序数据库中，InfluxDB无疑显的更加专业。接下来笔者将会针对InfluxDB的基本概念、内核实现等进行深入的分析。本篇文章先行介绍一些相关的基本概念。 InfluxDB
本项目由涛思数据投递并参与“数据猿年度金猿策划活动——2022大数据产业创新技术突破榜单及奖项”评选。
万物互联时代，工业物联网产生的数据量比传统的信息化要多数千倍甚至数万倍，并且是实时采集、高频度、高密度，动态数据模型随时可变。传统数据库在对这些数据进行存储、查询、分析等处理操作时捉襟见肘，迫切需要一种专门针对时序数据来做优化的数据库系统，即时间序列数据库。
InfluxDB是一个开源的、高性能的时序型数据库，在时序型数据库DB-Engines Ranking上排名第一。
Hive和HBase是两个在大数据领域中被广泛使用的开源项目，它们各自适用于不同的场景，但也可以在某些情况下结合使用。以下是Hive和HBase在不同场景下的应用示例：
数据库的模型包含关系型、key-value 型、Document 型等很多种，那么为什么新型的时序数据库成为监控数据存储的新宠呢？ 下面就会从
这篇文章，是对数据库技术的一个小科普，希望能帮大家了解到更多元化的数据库，便于拓宽学习思路和项目的技术选型。
每一个游戏制作者都想制作出一款让玩家满意的游戏。但是作为开发者，如何知道哪些点是让游戏玩家满意的，哪些是不满意的？今天我们就聚焦这些点来进行讨论。
近几年IoT、IIoT、AIoT和智慧城市快速发展，时序/时空数据库成为数据架构技术栈的标配。根据国际知名网站DB-Engines数据，时序数据库在过去24个月内排名高居榜首，且远高于其他类型的数据库，可见业内对时序数据库的需求迫切。
近日，东方国信时序数据库CirroData-TimeS（基于Apache IoTDB）完成了与大连图扑TopLink组态软件的适配。在某核电站数据展示项目中，数据经过Toplink的解析，进入CirroData-TimeS时序数据库进行存储和计算。通过搭建场景和动画驱动，对压水堆核电站发电的工作原理进行了数据可视化展示。实现了CirroData-TimeS在工业数据可视化领域的生态建设，为工业物联网提供了全新的解决方案。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
