База зьвестак часавых шэрагаў
Ба́за зьве́стак ча́савых шэ́рагаў (па-ангельску: Time series database) — праграмная сыстэма, якая аптымізавана для захоўваньня й абслугоўваньня часавых шэрагаў(en) празь зьвязаныя пары часу й паказьніку[1].
У некаторых галінах часавыя шэрагі могуць называцца профілямі (анг. profiles), крывымі (анг. curves), сьлядамі (анг. traces) альбо тэндэнцыямі (анг. trends)[2].
Некалькі раньніх распрацовак базаў зьвестак часавых шэрагаў зьвязаны з прамысловымі дастасаваньнямі, й маглі эфэктыўна захоўваць вымераныя значэньні сэнсарнага абсталяваньня (таксама званыя Operational historian(en)), але цяпер такія сыстэмы выкарыстоўваюцца для значна больш шырокага спэктру задачаў.
У многіх выпадках сховішчы часавых шэрагаў выкарыстоўваюць альгарытмы сьцісканьня для больш эфэктыўнага захоўваньня зьвестак[3][4]. Нягледзячы на тое, што інфармацыю часавых шэрагаў можна захоўваць у розных тыпах базаў зьвестак, канструкцыя гэтых сыстэмаў з момантам часу ў якасьці ключа індэксу выразна адрозьніваецца ад рэляцыйных базаў зьвестак[5].
Пералік базаў зьвестак часавых шэрагаў
рэдагавацьНаступныя сыстэмы баз зьвестак маюць функцыянальнасьць, аптымізаваную для апрацоўкі часавых шэрагаў.
| Назоў | Ліцэнзія | Мова |
|---|---|---|
| Apache IoTDB | Apache License 2.0 | Java |
| Apache Kudu | Apache License 2.0 | C++ |
| Apache Pinot | Apache License 2.0 | Java |
| CrateDB | Apache License 2.0 | Java |
| eXtremeDB | Камэрцыйная | SQL, Python, C / C++, Java, and C# |
| InfluxDB | MIT. Chronograf AGPLv3, клястэр — камэрцыйная | Go (вэрсія 2), Rust (вэрсія 3) |
| Informix TimeSeries | Камэрцыйная | C / C++ |
| Kx kdb+ | Камэрцыйная | Q |
| MongoDB | Server Side Public License | C++, JavaScript, Python |
| Prometheus | Apache License 2.0 | Go |
| RedisTimeSeries | RSALv2/SSPLv1 | C |
| Riak-TS | Apache License 2.0 | Erlang |
| RRDtool | GPLv2 | C |
| TimescaleDB | Apache License 2.0 | C |
| VictoriaMetrics | Apache License 2.0 | Go |
| Whisper (Graphite) | Apache License 2.0 | Python |
Крыніцы
рэдагаваць- ^ Abdullah Mueen, Eamonn Keogh, Qiang Zhu, Sydney Cash, Brandon Westover. Exact Discovery of Time Series Motifs (анг.). — Riverside: University of California, 2009. — Т. 2009. — С. 473–484. — ISBN 978-0-89871-682-5. — DOI:10.1137/1.9781611972795.41 Архіўная копія.
- ^ Esther Villar-Rodriguez, Javier Del Ser, Izaskun Oregi, Miren Nekane Bilbao, Sergio Gil-Lopez. Detection of non-technical losses in smart meter data based on load curve profiling and time series analysis (анг.) // Energy. — 2017. — Т. 137. — С. 118–128. — DOI:10.1016/j.energy.2017.07.008
- ^ Tuomas Pelkonen, Scott Franklin, Justin Teller, Paul Cavallaro, Qi Huang, Justin Meza, Kaushik Veeraraghavan. Gorilla (анг.) // Proceedings of the VLDB Endowment. — 2015. — В. 12. — Т. 8. — С. 1816–1827. — DOI:10.14778/2824032.2824078
- ^ Joshua Lockerman Time-series compression algorithms, explained (анг.) // Timescale Blog. — 22 красавіка 2020.
- ^ Matt Asay Why time series databases are exploding in popularity (анг.) // TechRepublic. — 26 чэрвеня 2019. Архіўная копія.