文章介绍了时序数据的特性，如历史数据的不变性、有效性、时效性和大量性，并探讨了时序数据库如何应对这些特性，包括高速入库、生命周期管理等功能。流计算则关注实时数据处理，涉及过滤、转换、聚合等操作。文中通过两个案例展示了时序数据库如何支持流计算，包括使用定制API和类SQL指令进行实时数据分析和警报触发。
一、时序数据及其特点
时序数据（Time Series Data）是基于相对稳定频率持续产生的一系列指标监测数据，比如一年内的道琼斯指数、一天内不同时间点的测量气温等。时序数据有以下几个特点：
- 历史数据的不变性
- 数据的有效性
- 数据的时效性
- 结构化的数据
- 数据的大量性
二、时序数据库基本架构
针对时序数据的特点，时序数据库一般具有以下特性：
- 高速的数据入库
- 数据的生命周期管理
- 数据的流处理
- 高效的数据查询
- 定制的数据压缩
三、流计算介绍
流计算主要是指针对实时获取来自不同数据源的海量数据，经过实时分析处理，从而获得有价值的信息。常见的业务场景包括实时事件的快速反应，市场变化的实时告警，实时数据的交互分析等。流计算一般包括如下几方面的功能：
1）过滤和转换 （filter & map）
2）聚合以及窗口函数 （reduce，aggregation/window）
3）多数据流合并以及模式匹配 （joining & pattern detection）
4）从流到块处理
四、时序数据库对流计算的支持
-
案例一：使用定制化的流计算 API，如下面例子所示：
最低0.47元/天 解锁文章
扫一扫
88
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
