時間序列資料庫簡稱時序資料庫(Time Series Database)，用於處理帶時間標籤(按照時間的順序變化，即時間序列化)的資料，帶時間標籤的資料也稱為時間序列資料。

時序資料的幾個特點

1. 基本上都是插入，沒有更新的需求。

2. 資料基本上都有時間屬性，隨著時間的推移不斷產生新的資料。

3. 資料量大，每秒鐘需要寫入千萬、上億條資料

業務方常見需求

1. 獲取最新狀態，查詢最近的資料(例如感測器最新的狀態)

2. 展示區間統計，指定時間範圍，查詢統計資訊，例如平均值，最大值，最小值，計數等。。。

3. 獲取異常資料，根據指定條件，篩選異常資料

常見業務場景

監控軟體系統： 虛擬機器、容器、服務、應用

監控物理系統： 水文監控、製造業工廠中的裝置監控、國家安全相關的資料監控、通訊監控、感測器資料、血糖儀、血壓變化、心率等

資產跟蹤應用： 汽車、卡車、物理容器、運貨托盤

金融交易系統： 傳統證券、新興的加密數字貨幣

事件應用程式： 跟蹤使用者、客戶的互動資料

商業智慧工具： 跟蹤關鍵指標和業務的總體健康情況

在網際網路行業中，也有著非常多的時序資料，例如使用者訪問網站的行為軌跡，應用程式產生的日誌資料等等。

一些基本概念(不同的時序資料庫稱呼略有不同)

Metric:  度量，相當於關係型資料庫中的 table。

Data point:  資料點，相當於關係型資料庫中的 row。

Timestamp：時間戳，代表資料點產生的時間。

Field:  度量下的不同欄位。比如位置這個度量具有經度和緯度兩個 field。一般情況下存放的是隨時間戳而變化的資料。

Tag:  標籤。一般存放的是不隨時間戳變化的資訊。timestamp 加上所有的 tags 可以視為 table 的 primary key。

例如採集有關風的資料，度量為 Wind，每條資料都有時間戳timestamp，兩個欄位 field：direction(風向)、speed(風速)，兩個tag：sensor(感測器編號)、city(城市)。第一行和第三行，存放的都是 sensor 編號為86F-2RT8的裝置，城市是深圳。隨著時間的變化，風向和風速發生了改變，風向從56.4變為45.6，風速從2.9變為3.6。

需要解決的幾個問題

時序資料的寫入：如何支援每秒鐘成千上億條資料的寫入。

時序資料的讀取：如何支援在秒級對上億條資料的分組聚合運算。

成本敏感：海量資料儲存帶來的成本問題。如何以更低成本儲存資料，將成為時序資料庫需要解決的重中之重。

常見時序資料庫

時序資料庫出現的時間較晚，目前較成熟的時序資料庫都僅有2、3年的歷史。

InfluxDB(單機版免費，叢集版收費)最成熟，Kairosdb(底層使用Cassandra)，OpenTsdb(底層使用HBase)，beringei(Facebook開源)，TimeScaleDB(底層基於PostgreSQL)，TSDB(百度開源)，HiTSDB(阿里開源，底層是PostgreSQL)。