时序数据库的特点

1、产生频率快：工业数据采集基本为秒级，部分高频数据采集为毫秒or微秒级，每一个采集点一秒钟内可产生多条数据。

2、具有时效性：严重依赖于采集时间，每一条数据均要求对应的时间。

3、数据量大：测点多、信息量大、数据结构相对简单;常规的实时监测系统均有成千上万的监测点，监测点每秒钟都产生数据，每天产生成百上千GB的数据量。

时序数据

时序数据，即时间序列数据，我们把按照时间戳的大小顺序排列的一系列记录值的数据称为时间序列数据（Time Series Data）。在日常生活中，时序数据相当常见，比如，汽车的位置定位，在一段时间内某辆特定汽车的其他属性，包括型号、颜色、车牌号、所有者等都是不变的，但它的位置数据是随着时间变化不断在变化的，那么根据时间确定的位置值及其他属性所组成的一系列数据就是一组时序数据，当我们驾驶汽车开启导航时，就需要根据这一组时序数据判断接下来到达目的地的路线以及存储驾驶记录，在即将到来的无人驾驶中更是不可少的。在互联网中，时序数据更是无处不在，比如，用户访问网站的记录、应用系统的系统日志数据等等。

时序数据库

基于快速增长的时序数据应用需求以及区别于传统关系型数据的特征，时序数据库应运而生，时序数据库一般具有以下特点：

高吞吐量数据高速写入能力。由于时序业务会持续产生海量数据，并且对写入的速度有很高的要求，写入的并发量大，这就要求时序数据库系统实现高吞吐量的数据高速写入功能。

高压缩率。时序数据库需要存储大量的数据，并且有的监控数据可能需要存储很长时间，5 年到 10 年都有需求，因此需要根据时序数据的特征对数据进行压缩。

时序数据具有以下特点

周期性持续采集数据源的时序数据，对插入性能要求高，可能发生乱序情况或者丢失数据；时序数据量大，对存储压缩比敏感；数据源标签属性多样化，修改频次低；指标数据量大而变化小；查询需求多样：单数据源较新值、单数据源明细、单数据源过滤聚集、多维查询、降采样、滑动窗口查询、数据源状态演变图、特定模式识别、趋势预测、根因分析、阈值修正等。