在公有云的数据库产品清单里，近年出现了一个新的名词“时序数据库”。感觉数据库的产品已经不少了，时序数据库的用途是什么？为什么会诞生该产品？我们今天一起来看一下！
一、什么是时序数据库？
相比于传统的关系数据库SQL、非关系型数据库NOSQL，时序数据库是较新的技术，没有行业标准，有很多方面还有待完善。
时序数据库的定义很简单，也就是在时间上分布的一串数字。
例如：某个酒店在晚上8：00有200个房间被入住，那个8：00时间点上存储的200的数字就是时序数据。
而晚上8：00，某个房间被入住，这个数据只是一个日志。
再例如，通过物联网数据采集设备，采集的一串温度数据、压力数据等，也适用于时序数据的范围。
二、时序数据库有一些特别操作。
1、插值。时间序列分布会在一些时间线上，且序列会随着时间的增长往后发展。本质上是在一个固定的时间点记录数据。如果需要根据这些时间点画图，那么涉及到线性插值的问题，一般是将两个时间轴的平均值作为中间数据。
2、降精度。如果我们按分钟记录了温度，如果需要查看一年的数据走向图，则需要下降时间的精度为天计算。这时，我们将涉及到如何选择这一天温度的问题，我们可以选择最大值、最小值或当天的平均值。
这两个问题在传统数据库中是没有的场景。
三、时序数据库有显著的特别
1、数据量大。如果某物联网设备一秒采一次温度，那么一天将产生86400条数据。如果全市有上万个同类的数据，那这个数据量是惊人的。
2、数据量平稳。物联网设备将隔固定的周期采集数据，除非改变采集策略，这个数据量一般不存在波峰或波谷，不需要进行数据高峰期的特殊优化。
3、数据存在时效性。离现在越久的数据，越不会被访问到。例如，我们的手环数据，我们重点将关注近期的数据分析结果。
四、传序数据库不适合干时序数据库的事
讲到这里，大家一定觉得传统的数据库也能做这些场景下的事，但事实是不适合。
1、降精度的场景不合适。例如需要快速选择出当天的温度平均数据作为当天的温度，实际在传统数据库中又是复杂的计算过程。
2、数据量大的场景不合适。刚才讲到一秒钟存一次温度，那一天将存储上8万次数据，而这些大数据量将极大的占用存储空间。如果采用时序数据库，将通过压缩机制极大降低数据的存储量。
更多内容实时更新，请访问公众号。
点击这里，获取最高￥1888阿里云产品通用代金券