作為將數據價值轉化為產能能效的“核心大腦”，數據庫的發展依然處于加速期，面向不同數據類型的數據庫類型也在不斷增加。
在眾多細分領域數據庫類型中，伴隨制造業數字化轉型的行業趨勢和多項政策推動，賦能智慧工業管理的時序數據庫愈發受到關注。
對于數據庫的概念大家應該并不陌生，但是‘時序’是什么？時序數據庫有哪些特點，基本架構是什么，市面上又有哪些產品類型？
本文將一一為你解答上述問題。
01 什么是時序數據
時序數據庫顧名思義，是“管理時序數據的數據庫”，所以在了解時序數據庫之前，首先需要了解什么是時序數據。
時序數據是按時間維度，記錄系統、設備狀態變化的數據類型。它的基本結構特點就是數據中自帶數據產生的時間，也就是數據帶有時間戳。在網絡良好的情況下，時序數據是以時間順序上報的。
時序數據舉例
物聯網、工業物聯網、金融、醫療等領域各種類型的設備和傳感器網絡都會產生海量的時序數據，時序數據的應用場景主要分為兩個目的：
降本：面向生產設備進行狀態監控、實時告警、故障預測，降低系統運維成本與故障風險。
增效：面向工藝步驟、生產流程展開深入分析，加快工藝改進，提高生產效率。
因此，時序數據為企業提供的新的利潤增長點是非常可觀的。
以風機運行場景為例，測風儀可能隨著環境因素（震動，腐蝕等）出現偏差，主控系統依據錯誤風向數據偏航導致迎風角錯誤，將會導致風機發電效率衰減，影響產能。
此時如果實現了對風機時序數據的全量存儲與充分分析，及時判斷是否需要對測風儀誤差進行補償，每臺風機每年即可多發電數萬元，每年可能為業主帶來上億元經濟收益。
可以說，數字化的基礎是對聯網設備進行狀態檢測，而產生的時序數據就是機器設備的“心電圖”。
02 時序數據庫的特點
時序數據庫是一種專門用于存儲、管理和處理時序數據的數據庫管理系統。因為時序數據一般存在采樣頻次高、實時性強、數據量大等顯著特點，導致寫入要求高、存儲代價大、處理難度高，一旦時序數據體量增加，單靠傳統數據庫可能力不從心。
而時序數據庫在管理時序數據方面就存在很多性能優勢，主要包括：
高吞吐寫入能力：時序數據往往體量龐大，并可能存在高頻數據上報。時序數據庫通過優化數據結構和存儲機制，可以在高并發的情況下保持高效的寫入性能。
高壓縮存儲能力：使用傳統方法的情況下，海量時序數據的存儲往往占用空間大、存儲成本高。而時序數據庫可以通過時序數據處理的相關技術，來大幅減少存儲空間。
低延遲查詢能力：時序數據時間屬性強，時序數據庫能夠支持用戶用更簡單的代碼邏輯，實時進行基于時間范圍的多類查詢，方便靈活地獲取所需結果。
支持多維數據分析和數據可視化：管理時序數據的目的是監控設備狀態、優化生產流程。時序數據庫通過工具/組件，支持數據大屏、報表等多形式的可視化成果，實現數據實時監控，并結合機器學習等前沿技術，進一步完成數據結果的深入分析。
高可擴展性：工業場景中伴隨業務發展，設備數量往往將不斷增加。時序數據庫底層架構易于擴展建模，以管理更多設備數據。
靈活、安全的數據傳輸：工業場景中，設備一般在多個場站持續上報時序數據，在場站初步處理后，往往需要匯總至中心/集團側進行進一步分析。同時，生產網、辦公網可能相互隔離并搭建單向網閘，因此，支持靈活、簡便、安全的數據同步方案對于時序數據庫至關重要。
03 時序數據庫中的基本概念
講完時序數據庫的整體側重點，下面以時序數據庫 IoTDB 為例，為大家介紹幾個時序數據庫數據模型的基本概念：
設備/實體（Device/Entity）：實際場景中擁有物理量的設備或裝置，可以是一個物理設備、測量裝置、傳感器集合等。
時間戳（Timestamp）：代表數據點到來的時間。
物理量/測點/字段（Measurement/Meter/Field）：實際場景中設備所記錄的測量維度，例如傳感器上報的溫度、濕度等，記錄隨時間戳而變化的數據。
數據點（Data Point）: 一個“時間戳-值”對，也就是一個時間點，一個設備上報的一個數據值，或重新二次計算的一個數據值，稱為一個數據點。
可以看到，設備/實體上報的時序數據涵蓋實時時間戳、多個物理量和不斷變化的數據點，而多個時序數據可被高效管理于時序數據庫中。
不同的時序數據庫也可能根據自己的數據模型衍生出其他概念。比如 IoTDB 采用了樹形模型，按照物聯網實際管理層級（集團層-廠站層-實體層-物理量層）組織數據，以從根節點 ROOT 到物理量葉子節點的路徑（Path）來命名一個時間序列，如 root.ln.wf01.wt01.status。IoTDB 也支持用戶將任意前綴路徑，比如 root.ln 設置成數據庫（Database），方便數據的物理隔離。
IoTDB 樹形模型
04 時序數據庫的類型與產品
從 1999 年出現 RRDtool（Round Robin Database Tool）提出了專門面向時序數據存儲、處理的方法開始，時序數據庫發展至今已超過 20 年。
在沒有專門管理時序數據的數據庫之前，人們通常使用關系型數據庫管理時序數據，因此部分時序數據庫的架構是基于關系型數據庫進行優化的。
還有一類基于 KV （key-value）存儲的時序數據庫，通過擴展 NoSQL 數據庫實現時序數據存儲，并使用分布式文件系統保障其擴展性。
隨著大數據時代到來，2010 年之后，時序數據爆發式增長，時序數據庫的發展走上了“快車道”。為了適應更多的場景，實現更好的性能，面向時序數據存儲全新研發的原生時序數據庫也越來越多。
目前，市場上已有多種時序數據庫產品，對應上述的不同架構類型，典型代表列舉如下：
TimescaleDB：TimescaleDB 基于 PostgreSQL 的時序數據庫擴展，兼具關系型數據庫和時序數據庫的特點。通過在 PostgreSQL 的查詢計劃器、數據模型和執行引擎添加鉤子，TimescaleDB 可以構建高度定制化的擴展層，并可以利用 PostgreSQL 豐富的第三方工具。
OpenTSDB：OpenTSDB 是一款基于 HBase 的分布式時序數據庫，采用鍵值對的數據模型，運用針對寫入密集的工作負載優化的 LSM-tree 結構，OpenTSDB 能夠應對時序數據高通量寫入的應用場景，并能保障擴展性。
InfluxDB：InfluxDB 在其類似 LSM-tree 的 TSM-tree 結構中，引入了 series-key 的概念，根據時間特征對數據進行分類，從而減少冗余存儲，提高數據壓縮率，并支持設置標簽（Tag）和字段（Field），方便用戶進行多維度查詢。
IoTDB：IoTDB 是一款國產全自研、低成本、高可用的時序數據庫產品。以自研的時序數據標準文件格式 Apache TsFile 為基底，合并亂序數據處理、時序大模型、端邊云同步方案等多項技術，保障時序數據庫的高吞吐、高壓縮、低延遲查詢性能，并提供豐富的數據分析功能與低流量、高安全性的數據同步功能。同時，IoTDB 實現了單機版、分布式版、邊緣版等多類形態部署，數據模型具有高擴展性，能夠有效滿足企業在多種計算資源條件下、多種終端配置下，構建物聯網時序數據管理解決方案的需要。
05 總結
作為全面數字化、服務轉型升級的基礎，時序數據管理對于工業、金融等領域至關重要。由于時序數據的特性與管理難點，時序數據庫成為了構建智能化、一體化時序數據解決方案的重要一環。
隨著物聯網、云計算、大數據等技術的發展，時序數據庫在未來將迎來更多的發展機會和挑戰。在實時數據處理、智能分析、跨平臺兼容性、數據安全性等方面，時序數據庫還在持續創新。
之前的文字中，我們對于時序數據庫的發展過程、選型指標和分類對比都進行了詳細梳理，并歸納了時序數據庫 IoTDB 的主要功能，歡迎各位擴展閱讀并和我們討論！
更多內容推薦：
? 了解如何使用 IoTDB 企業版
? 了解更多 IoTDB 應用案例
