Un database di serie temporali fornisce applicazioni in tempo reale con set di record basati su un intervallo di tempo. Mentre tutti i database consentono di memorizzare i dati con un timestamp, un database di serie temporali è ottimizzato per i set di record in cui i dati raccontano una storia in ordine cronologico. La durata di un set di dati potrebbe essere di pochi millisecondi l'uno dall'altro, oppure un database di serie temporali potrebbe essere utilizzato per i data point orari, giornalieri, mensili o annuali.
Che cos'è un database a serie temporali?
Mentre ogni motore di database consente agli sviluppatori di memorizzare un timestamp in un record, un database di serie temporali (TSDB) è progettato specificamente per i recordet incentrati su un intervallo di tempo. Ad esempio, in un'applicazione meteo potrebbe essere necessario aggiornare da un minuto all'altro. Un database a serie temporali può memorizzare i dati per ogni minuto da visualizzare agli utenti. Un TSDB può essere un'opzione invece dei database NoSQL standard come MongoDB quando hai bisogno di query più raffinate basate sul tempo.
Poiché un TSDB viene utilizzato principalmente per recuperare i dati, questi database sono spesso ottimizzati per le letture e la creazione di nuovi record. Poiché i TSDB raramente aggiornano i record, sono progettati per un recupero migliore dei record in base a un timestamp rispetto ad altri database comuni. I TSDB sono inoltre ideali per le applicazioni in tempo reale in cui agli utenti viene mostrato un insieme lineare di informazioni in base alla registrazione cronologica in ciascun record.
Come funziona un database a serie temporali?
Il modo migliore per capire come funziona un database a serie temporali è utilizzare un esempio. Si supponga di disporre di sensori su una macchina che si basa sulla temperatura. Le temperature cambiano minuto per minuto, quindi è possibile utilizzare un database di serie temporali per monitorare la temperatura e la registrazione cronologica. Possono essere registrate altre proprietà della macchina, tra cui la posizione della macchina, l'umidità e la temperatura ambiente.
Durante l'esecuzione della macchina, i sensori memorizzano i dati in un TSDB. Il TSDB memorizza ogni record in modo che i sensori raccolgano le informazioni. Non è necessario aggiornare i record, ma è necessario recuperarli per monitorare il sistema. Il motore di storage TSDB funziona ottimizzando le query per dataset di grandi dimensioni e recuperando i dati in base a timestamp record. Gli analisti inviano flussi di dati con registrazione cronologica per monitorare i macchinari e prendere decisioni per la manutenzione.
Vantaggi dell'utilizzo di un database a serie temporali
Un motore TSDB è progettato per archiviare grandi volumi di dati e fornire grandi set di record. Le applicazioni in tempo reale traggono vantaggio dal motore ottimizzato di un TSDB per il recupero dei dati ogni secondo o minuto. Le soluzioni di monitoraggio che richiedono previsioni su grandi volumi di dati o informazioni in tempo reale traggono vantaggio dalla scalabilità e dalla velocità di un database a serie temporali.
Poiché i record di solito contengono un piccolo numero di campi, le query sono semplificate per gli sviluppatori. Un TSDB potrebbe restituire migliaia di record, ma il recordset spesso contiene solo pochi campi. Il numero limitato di campi e le query semplificate accelerano le performance delle applicazioni in tempo reale e riducono i costi generali di gestione del server di database.
Casi d'uso per database a serie temporali
I settori in cui l'IoT è un data point comune o di grandi dimensioni con timestamp sono necessari per le previsioni e il monitoraggio sono ideali per un database di serie temporali. La produzione e altri settori in cui i sensori IoT sono cruciali per il tempo di attività lavorano con database a serie temporali per prevedere i problemi prima che interrompano i servizi. Ad esempio, un produttore utilizza i dati dei sensori IoT per prevedere quando i macchinari necessitano di manutenzione o potrebbero subito subire guasti hardware.
Le applicazioni di rete di grandi dimensioni possono essere utilizzate con database di serie temporali per prevedere le interruzioni o identificare potenziali minacce. L'infrastruttura di rete critica potrebbe supportare un grande provider di servizi Internet o un data center, e i dati con registrazione cronologica potrebbero avvisare un analista della sicurezza di un potenziale guasto quando le temperature ambiente sono troppo elevate o l'hardware invia informazioni danneggiate, indicando un potenziale downtime. Qualsiasi applicazione critica in tempo reale funziona con un database di serie temporali per garantire performance e scalabilità. Ad esempio, se l'utilizzo della CPU del server aumenta di frequente, potrebbe essere il momento di aggiornarla o sostituire una CPU per evitare downtime e arresti anomali del sistema.
Soluzioni di database Time Series più diffuse
Se non hai ancora lavorato con un database a serie temporali, puoi scegliere tra diverse opzioni. Ecco alcune soluzioni TSDB per le tue applicazioni:
- InfluxDB: Questa soluzione colonnare è per query in tempo reale ottimizzate e analytics colonnari.
- Prometheus: Questo TSDB è ideale per i dati dimensionali e gli analytics di visualizzazione. Gli sviluppatori Prometheus forniscono uno strumento di monitoraggio open source e un motore di database.
- Tempistica: Questo popolare TSDB viene utilizzato per IoT, sensori, criptovalute e analytics AI.
Conclusione
Poiché è difficile cambiare i provider di database, è consigliabile utilizzare quello giusto fin dall'inizio. Se l'applicazione richiede analytics o output in tempo reale basati su dati con data e ora, probabilmente un database di serie temporali è la soluzione giusta per te. Che utilizzi un database a serie temporali, Big Data Analytics o motori di database tradizionali, Pure Storage offre la soluzione di storage per supportare le tue applicazioni in tempo reale a volumi elevati.
