What Is Time-series Data? 什么是时间序列数据?
文章:https://docs.timescale.com/v0.9/introduction/time-series-data
什么是时间序列数据?
我们一直在谈论什么是“时间序列数据”,以及与其他数据有何不同以及为什么?
许多应用程序或数据库实际上采用的是过于狭窄的视图,并将时间序列数据与特定形式的服务器度量值等同起来:
但事实上,在许多监控应用中,不同的度量经常被收集在一起(例如CPU、内存、网络统计、电池寿命)。因此,单独考虑每个度量并不总是有意义的。考虑这种可替代的“更广泛”的数据模型,它保持了同时收集的度量之间的相关性。
这种类型的数据属于一个更广泛的类别,无论是温度读数传感器,股票价格,机器状态,或甚至登录到一个应用程序的数量。
时间序列数据是统称系统、过程或行为随时间变化的数据。
时间序列数据的特征
如果仔细研究它的生成和摄入方式,TimescaleDB等时间序列数据库通常具有以下重要特征:
· 以时间为中心:数据记录始终有一个时间戳。
· 仅追加:数据几乎只能追加(INSERT)。
· 最近:新数据通常是关于最近的时间间隔,我们更少更新或回填旧时间间隔的缺失数据。
尽管数据的频率或规律性并不重要, 它可以每毫秒或每小时收集一次。 它也可以定期或不定期地收集(例如,当发生某些事件时,而不是在预定时间)。
但是没有数据库很久没有时间字段? 与标准关系“业务”数据等其他数据相比,时间序列数据(以及支持它们的数据库)之间的一个主要区别是对数据的更改是插入而不是覆盖。
时间序列数据无处不在
时间序列数据无处不在,但有些环境特别是在洪流中创建。
· 监控计算机系统:虚拟机,服务器,容器指标(CPU,可用内存,网络/磁盘IOP),服务和应用程序指标(请求率,请求延迟)。
· 金融交易系统:经典证券,较新的加密货币,支付,交易事件。
· 物联网:工业机器和设备上的传感器,可穿戴设备,车辆,物理容器,托盘,智能家居的消费设备等的数据。
· 事件应用程序:用户/客户交互数据,如点击流,综合浏览量,登录,注册等。
· 商业智能:跟踪关键指标和业务的整体健康状况。
· 环境监测:温度,湿度,压力,pH值,花粉计数,空气流量,一氧化碳(CO),二氧化氮(NO2),颗粒物质(PM10)。
·(和更多)。
What Is Time-series Data? 什么是时间序列数据?相关推荐
- Fast and Accurate Partial Fourier Transform for Time Series Data
Fast and Accurate Partial Fourier Transform for Time Series Data 给定一个时间序列向量,我们如何有效地检测异常?一种广泛使用的方法是利用 ...
- 横截面数据、时间序列数据、面板数据
面板数据(Panel Data)是将"截面数据"和"时间序列数据"综合起来的一种数据类型.具有"横截面"和"时间序列"两 ...
- R语言ggplot2可视化:使用长表数据(窄表数据)( Long Data Format)可视化多个时间序列数据、在同一个可视化图像中可视化多个时间序列数据(Multiple Time Series)
R语言ggplot2可视化:使用长表数据(窄表数据)( Long Data Format)可视化多个时间序列数据.在同一个可视化图像中可视化多个时间序列数据(Multiple Time Series) ...
- <文献阅读>用转移熵通过微阵列的时间序列推断基因调控网络(inferring gene regulatory networks from microarray time series data
这篇文章是2007的时候发表在IEEE杂志上,并没有收录到PubMed里面.是韩国的学者开发出来的方法.具体来说,通过转移熵计算基因对的因果关系(causal relations), 也就是转移熵的值 ...
- Analyzing Neural Time Series Data 读书笔记6
Analyzing Neural Time Series Data 第六章读书笔记 仅做学习记录 6 Practicalities of EEG Measurement and Experiment ...
- [学习笔记]Python for Data Analysis, 3E-11.时间序列
时间序列数据是许多不同领域结构化数据的重要形式,如金融.经济.生态.神经科学和物理学.在许多时间点重复记录的任何内容都会形成一个时间序列.许多时间序列都是固定频率,也就是说数据点回根据某些规律以固定的 ...
- MAD-GAN: Multivariate Anomaly Detection for Time Series Data with Generative Adversarial Networks
MAD-GAN: Multivariate Anomaly Detection for Time Series Data with Generative Adversarial Networks 文章 ...
- Pandas系列(一):数据结构(Series、DataFrame、时间序列)
Pandas系列目录 文章目录 一. 简介 二. 思维导图 三. Pandas数据结构 1. Series 1.1 简介 1.2 创建Series 1.3 Series属性 1.4 索引切片 1.4. ...
- Python使用matplotlib可视化多个时间序列数据、在同一个可视化图像中可视化多个时间序列数据(Multiple Time Series)
Python使用matplotlib可视化多个时间序列数据.在同一个可视化图像中可视化多个时间序列数据(Multiple Time Series) 目录
最新文章
- 招聘 | ​浙江农林大学孙学鹏团队招聘事业编制科研人员
- java swt窗口,SWT Java:如何防止窗口调整大小?
- 再见,Spark!Flink已成气候!
- CLion之C++框架篇-安装工具,基础框架的搭建(一)
- ASP.NET -- WebForm -- Cookie的使用 应用程序权限设计 权限设计文章汇总 asp.net后台管理系统-登陆模块-是否自动登陆 C# 读写文件摘要...
- Objective-C语法快速参考
- 人工智能领域中声源定位的研究与发展------第一章 绪论
- 1年狂赚500亿!中国最土豪的省,究竟是如何称霸全球的?
- 将json转为map的两种方式及前后端开发json Api设计规范总结
- bzoj 3114: Uva12546 Lcm Pair Sum
- 汽车+辐射测试软件,汽车EMC辐射发射的一些所见所闻和思考
- lammps教程:薄膜渗透过滤模拟(1)
- matlab 象限图,【数据可视化】Tableau教程(十)象限图
- websockets 断开问题解决方案
- R语言机器学习xgboost实例,油管上的关于xgboost的例子
- “小步快跑、快速迭代” 可用于工作的好方法
- tensorflow的数据类型
- 免费文案生成器-免费文案改写神器
- 求二维形状渐变的算法
- 10. Yii 2.0 Session