PolarDB：時序資料庫

背景

時序資料庫產生背景主要源於以下幾個方面：

• 物聯網（IoT）的快速發展：隨著物聯網技術的普及，大量裝置和感應器被部署在全球各地，持續不斷地產生時間序列資料，如溫度、濕度、裝置狀態等。這些資料通常帶有時間戳記，且資料量巨大，傳統的關係型資料庫難以高效地儲存和處理這類資料。

• 監控與日誌管理需求增加：在IT營運、工業控制、能源管理等領域，系統和應用程式的監控變得日益重要。這些應用需要收集並分析時間序列資料來檢測異常、效能瓶頸和趨勢，以支援決策制定。傳統的資料庫在處理高並發寫入、資料壓縮和高效查詢時間序列資料方面存在局限。

• 巨量資料分析與預測需求：隨著資料分析技術的發展，企業和研究機構越來越重視對歷史時間序列資料的分析，以進行預測性維護、市場趨勢預測、氣候模型預測等工作。這要求資料庫不僅能夠高效儲存大規模時間序列資料，還要支援複雜的時間序列分析和查詢功能。

• 資源最佳化與成本控制：在很多情境下，儲存和處理時間序列資料的成本是一個重要考慮因素。時序資料庫通過資料壓縮、高效索引和儲存最佳化等技術，能夠在保證查詢效率的同時，有效降低儲存和計算資源的需求。

因此，時序資料庫作為專門針對時間序列資料設計的儲存系統，應運而生，它針對時間序列資料的特點進行了最佳化，如高寫入輸送量、資料壓縮、時間範圍查詢最佳化等，能夠更好地滿足上述應用情境的需求。

功能概述

GanosBase TSDB是在雲原生資料庫PolarDB PostgreSQL版基礎上實現的時序資料庫，它完全相容開源時序資料庫TimescaleDB Apache 2.0版本。同時提供連續彙總、時序壓縮、統計分析等進階功能，其核心功能可以概括為以下幾點：

• 高效能讀寫：GanosBase TSDB能夠處理每秒成千上萬次的資料點寫入，並提供快速的歷史資料檢索能力，滿足即時監控和分析的需求。

• 連續彙總：支援自訂彙總檢視，該視圖會根據指定的時間間隔（例如每分鐘、每小時或每天）對原始時間序列資料進行彙總計算（如求和、平均值、最大值或最小值等），並將結果儲存在單獨的物化視圖中。這個過程是自動的，配置完成後，GanosBase TSDB會在後台定期或根據資料變化更新這些彙總檢視，確保彙總資料總是最新的。

• 跨模態融合處理：支援時序、時空等不同模態資料的一體化儲存與檢索，資料可按時間+空間多維分區，查詢時自動分區裁剪，加速檢索效率。

• 低成本儲存：GanosBase TSDB採用最佳化的儲存結構和壓縮演算法來減少儲存空間需求，支援對相似或重複資料進行去重和高壓縮比儲存，使得儲存空間降低70%以上。同時可無縫對接OSSObject Storage Service，將冷資料歸檔，大幅降低儲存成本，這對于海量時間序列資料尤其重要。

• 資料保留原則：支援靈活的資料保留原則，根據業務需求自動刪除到期資料，協助管理資料存放區成本並保持資料庫的高效運行。

• 擴充性與高可用性：為了應對大規模應用的需求，GanosBase TSDB依託雲原生資料庫PolarDB，提供水平擴充能力和容錯移轉機制，確保系統的穩定性和可靠性。

綜上所述，GanosBase TSDB時序資料庫憑藉其特有的設計和最佳化，為處理時間序列資料提供了強大的支援，是實現大規模監控、分析和預測任務不可或缺的工具。

使用情境

GanosBase TSDB時序資料庫主要應用於以下情境：

• 物聯網（IoT）: 在物聯網情境中，大量裝置如智能感應器持續不斷地產生溫度、濕度、壓力等監測資料。這些資料具有時間序列特性，需要被即時收集、儲存並分析，以實現遠程監控、故障預警等功能。

• 監控系統：包括IT基礎設施監控（如伺服器效能、網路流量）、應用效能管理等。這些系統需要記錄系統各項指標隨時間的變化，以便快速定位問題和最佳化效能。

• 金融服務：金融市場中的股票價格、交易量、匯率等資料都是典型的時間序列資料。時序資料庫可以用於高頻交易分析、市場趨勢預測和風險管理。

• 能源與Utilities：智能電網、水電站的運行資料、能耗資料等，通過時序資料庫進行儲存和分析，有助於提高能源分配效率和預測維護。

• 工業自動化：製造業中的裝置狀態監控、生產流程式控制制等，產生大量的時間序列資料。時序資料庫協助實現裝置健康管理、產能最佳化等。