时序数据库，全称为时间序列数据库，主要用于处理带时间标签（按照时间的顺序变化，即时间序列化）的数据。这些数据主要由电力行业、化工行业、气象行业、地理信息等各类型实时监测、检查与分析设备所采集、产生。这些工业数据的典型特点是产生频率快（每一个监测点一秒钟内可产生多条数据）、严重依赖于采集时间（每一条数据均要求对应唯一的时间）、测点多信息量大（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，每天产生几十GB的数据量）。
由于关系型数据库天生的劣势导致其无法进行高效的存储和数据的查询，因此需要一种专门针对时间序列数据来做优化的数据库系统，即时间序列数据库。
总结起来，时序数据库就是为了两件事：监控 存储
对比关系型数据库的不同：
时序数据库 | 关系型数据库 | |
|---|---|---|
存储内容 | 存储时间和时间戳等序列信息 | 存储非序列性数据，例如关系中的对象之间的相互关系 |
管理方式 | 集中式管理方式 | 分布式管理方式 |
扩展性 | 支持大量并发访问和更新 | 通常只支持单个数据存储，无法支持大量并发访问和更新 |
数据特性 | 以时间戳作为唯一标识进行区分 | 通常有其他字段作为唯一标识，如学号等 |
数据更新 | 不关心关系，数据更新不频繁 | 已有数据经常发生更新，例如学生个人资料等 |
数据量 | 持续呈线性增长趋势，海量数据 | 通常在一段时间内是相对稳定的，增长不随时间持续增长 |
以下是一些常见的时序数据库：
- OpenTSDB：基于HBase的开源时序数据库，支持分布式存储和查询。
- InfluxDB：另一个开源的时序数据库，支持时间序列数据的存储、查询和分析。
- Prometheus：一个开源的监控和警告工具，也提供了自己的时序数据库。
- Grafana Prometheus：Grafana是一个流行的监控和可视化工具，它与Prometheus一起使用，可以提供强大的时序数据查询和可视化功能。
- OpenTracing：虽然不是专门的时序数据库，但OpenTracing提供了一个分布式追踪系统的框架，可以用于收集、处理和分析分布式系统中的时间序列数据。
我正在参与2023腾讯技术创作特训营第四期有奖征文，快来和我瓜分大奖！
