?譯者 | 布加迪

審校 | 孫淑娟

開發人員和公司在數據庫方面面臨比以往更多的選擇。為項目選擇合適的數據庫可以節省寫入和查詢數據的時間。由于許多公司處理更大的數據集來構建越來越智能化和自動化的系統，效率是關鍵。對于許多工作負載而言，使用時間序列數據庫是明智的選擇：可以節省時間和存儲空間。

1.時間序列數據有何不同？

時間序列數據是任何帶有時間戳的度量指標。它包括多種變量，從天氣模式到CPU使用率，不一而足。它常常來自需要做出實時決策的傳感器、系統或應用程序。這些數據對于了解過去的表現和創建模型以預測未來的結果都至關重要。這些計算中涉及的數據量會迅速增加，避免將資源耗費在低效數據架構上很重要。

時間序列數據庫旨在處理典型的時間序列工作負載。它們經過優化，可衡量一段時間后的變化，而不是數據點之間的關系。兩種主要的時間序列數據是度量指標和事件，度量指標是定期獲取的，事件則是因外部事件或用戶測量而不定期獲取的。時間序列數據庫能夠同時處理度量指標和事件，能夠取得事件數據平均值，并將事件轉換為度量指標，這點很重要。

2.存儲數據

一種好的數據庫需要安全高效地存儲數據。用戶需能夠快速向數據庫寫入數據，并確信它可以處理計劃存儲在其中的數據量。時間序列數據可能有巨大的容量，需要構建存儲它的數據庫以適應這種情況。時間是線性的，時間序列數據庫可以通過將新數據附加到現有數據來利用這一點。它們經過優化，可以以最常用的方式快速寫入時間戳數據，從用戶開始寫入數據的那一刻起就節省時間。

時間序列數據庫還可能內置了生命周期管理功能。開發人員或公司起初收集和分析非常詳細的數據很常見；隨著時間的推移，他們希望在不占用太多存儲空間的情況下，存儲描述趨勢的更小、下采樣的數據集。時間序列數據庫考慮到這一點，可以根據每個應用的需要自動聚合和刪除數據。如果開發人員使用更基礎的數據庫，常常需要創建新的系統，以這種方式管理數據。有了時間序列數據庫，這一點得到了滿足，開發人員可以專注于應用程序。

時間序列數據庫還需要易于擴展。比如在物聯網使用場景中，隨著更多的傳感器添加進來、項目不斷擴大，數據急劇增多。這在時間序列工作負載中很常見，用于這些項目的數據庫就需要能夠適應這一點。

3.查詢數據

使用時間序列數據庫還可以縮短時間序列工作負載的查詢時間。處理時間序列數據的最常見的事情之一是，在很長一段時間內對數據進行總結。在使用行和列來描述不同數據點的關系的典型關系數據庫中存儲數據時，這種查詢非常慢。而旨在處理時間序列數據的數據庫可以大大提高處理查詢的速度。時間序列數據庫還可能擁有內置的可視化工具或高級功能，以簡化常見類型的時間序列分析。

4.選擇一種時間序列數據庫

外面有幾種時間序列數據庫值得探究。就本文而言，我們關注領先的時間序列數據庫InfluxDB。InfluxDB為數據分配度量指標名稱和時間戳，并為數據值和元數據使用鍵/值對。它將度量指標名稱和標簽集保存在倒排索引中，這加快了查詢速度。用戶可以在一個時間范圍內基于度量指標、標簽及/或字段編寫查詢，并以毫秒為單位接收結果。單單一臺InfluxDB服務器每秒可以處理200余萬次寫入。與Cassandra等NoSQL數據庫相比，InfluxDB寫入數據的速度提高了4.5倍，使用的存儲空間少2.1倍，返回查詢的速度提高了45倍。

數據庫可謂是許多應用系統的支柱，處理時間序列數據庫中的時間戳數據為開發人員節省了時間和存儲空間。為某種應用選擇合適的數據庫可以讓開發人員專注于構建很酷的項目，而不是在開始著手之前花時間來管理架構。

原文鏈接：

https://thenewstack.io/why-use-a-purpose-built-time-series-database/