對(duì)于數(shù)據(jù)分析師來(lái)說(shuō)，花費(fèi)大量時(shí)間處理數(shù)據(jù)并不罕見(jiàn)。因?yàn)殛P(guān)系型數(shù)據(jù)庫(kù)可以提供復(fù)雜的分析能力，一種方法便是將時(shí)間序列數(shù)據(jù)存入關(guān)系型數(shù)據(jù)庫(kù)進(jìn)行分析。直接將實(shí)時(shí)數(shù)據(jù)寫(xiě)入關(guān)系數(shù)據(jù)庫(kù)存在重大的寫(xiě)入性能瓶頸，因此往往先將時(shí)序數(shù)據(jù)寫(xiě)入時(shí)序數(shù)據(jù)庫(kù)(Time Series Database, TSDB)，然后從時(shí)序數(shù)據(jù)庫(kù)批量導(dǎo)出數(shù)據(jù)，格式化并轉(zhuǎn)換數(shù)據(jù)后，將其加載到關(guān)系數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)中進(jìn)行分析。這種解決方案完全可以工作，但復(fù)雜且成本高昂。

另外一種方法就是使用支持 SQL 查詢語(yǔ)言的時(shí)序數(shù)據(jù)庫(kù)。SQL 是一種用于選擇、過(guò)濾和將數(shù)據(jù)連接在一起進(jìn)行數(shù)據(jù)分析的強(qiáng)大工具。TDengine 是支持 SQL 的時(shí)序數(shù)據(jù)庫(kù)，對(duì)于數(shù)據(jù)分析師而言，使用 TDengine 就像在使用一個(gè)關(guān)系型數(shù)據(jù)庫(kù)。而且通過(guò)超級(jí)表、存儲(chǔ)和計(jì)算分離、數(shù)據(jù)按時(shí)間分區(qū)、預(yù)計(jì)算等多種手段，TDengine 提供了強(qiáng)大而又簡(jiǎn)單易用的分析能力。具體而言，TDengine 的分析能力具有以下顯著特點(diǎn)：

1. 多個(gè)數(shù)據(jù)采集點(diǎn)之間的高效聚合：TDengine 針對(duì)時(shí)序數(shù)據(jù)的特點(diǎn)，提出創(chuàng)新的超級(jí)表概念，將時(shí)序數(shù)據(jù)與標(biāo)簽數(shù)據(jù)分離存儲(chǔ)。無(wú)需 JOIN，只需要指定超級(jí)表的標(biāo)簽過(guò)濾條件，就可將同類(lèi)型的數(shù)據(jù)采集點(diǎn)進(jìn)行高效的聚合操作，這使得組織和查找數(shù)據(jù)更加簡(jiǎn)單。此外，TDengine 允許向每個(gè)數(shù)據(jù)采集點(diǎn)添加多達(dá) 128 個(gè)標(biāo)簽，也支持在以后刪除和更新這些標(biāo)簽。TDengine 提供了一種將數(shù)據(jù)切割成多維立方體以進(jìn)行多維分析的強(qiáng)大方法。
2. 計(jì)算存儲(chǔ)分離：從 3.0 起，TDengine 支持存算分離，系統(tǒng)可以根據(jù)需要，啟動(dòng)一個(gè)或多個(gè)計(jì)算節(jié)點(diǎn)，增加計(jì)算資源，加快復(fù)雜查詢的速度，減小 Latency。對(duì)于云平臺(tái)，計(jì)算節(jié)點(diǎn)可以是一個(gè)容器，可以快速地啟動(dòng)或停止，計(jì)算存儲(chǔ)分離將充分利用云平臺(tái)的彈性計(jì)算資源。
3. 歷史與實(shí)時(shí)數(shù)據(jù)的分析完全統(tǒng)一：TDengine 按時(shí)間段對(duì)數(shù)據(jù)自動(dòng)進(jìn)行分區(qū)，即使是 10 年的數(shù)據(jù)，也無(wú)需分庫(kù)分表，不存在檔案數(shù)據(jù)一說(shuō)。為降低存儲(chǔ)成本，按照數(shù)據(jù)的新老程度，實(shí)行多級(jí)存儲(chǔ)，但對(duì)用戶而言是完全透明的。無(wú)論是查詢最新數(shù)據(jù)還是 10 年前的數(shù)據(jù)，只是查詢的起止時(shí)間不同。
4. 時(shí)序數(shù)據(jù)分析的特有功能：TDengine 在標(biāo)準(zhǔn) SQL 的基礎(chǔ)上，針對(duì)時(shí)序數(shù)據(jù)的處理進(jìn)行擴(kuò)展，提供累計(jì)求和、時(shí)間加權(quán)平均、移動(dòng)平均、變化率、時(shí)間窗口，session 窗口、state 窗口、插值等眾多時(shí)序數(shù)據(jù)分析功能。通過(guò)時(shí)間窗口和插值，可以將不同數(shù)據(jù)采集點(diǎn)的數(shù)據(jù)按固定時(shí)間間隔將數(shù)據(jù)的時(shí)間戳對(duì)齊，便于后續(xù)的進(jìn)一步分析?？梢詤⒖?SQL手冊(cè)了解更多信息。
5. 實(shí)時(shí)數(shù)據(jù)分析：TDengine 既提供了時(shí)間驅(qū)動(dòng)的流式計(jì)算(連續(xù)查詢)，也提供了事件驅(qū)動(dòng)的流式計(jì)算。不僅可以對(duì)單個(gè)數(shù)據(jù)采集點(diǎn)生成的數(shù)據(jù)流進(jìn)行流式計(jì)算，也可以對(duì)多個(gè)采集點(diǎn)的數(shù)據(jù)流聚合后進(jìn)行流式計(jì)算。對(duì)自定義函數(shù)的支持更是讓流計(jì)算能方便地提供對(duì)數(shù)據(jù)的前置處理、轉(zhuǎn)換或任何其他復(fù)雜計(jì)算。關(guān)于流式計(jì)算，請(qǐng)看用戶文檔流式計(jì)算。
6. 支持Python：不僅提供 Python 連接器，還支持 Pandas 及 data frame，讓喜愛(ài) Python 的數(shù)據(jù)分析師可以很方便地利用各種 Python 庫(kù)做時(shí)序數(shù)據(jù)分析。
7. 其他便捷的數(shù)據(jù)訪問(wèn)、分析手段：利用 TDengine 提供的命令行程序，可以在終端執(zhí)行各種即席查詢、或者導(dǎo)入導(dǎo)出數(shù)據(jù)。提供 R 與 Matlab 以及多種編程語(yǔ)言的連接器，支持與 Grafana、Google Data Studio 的無(wú)縫集成。

在一般的場(chǎng)景下，TDengine 可以作為時(shí)序數(shù)據(jù)倉(cāng)庫(kù)(Time-Series Data Warehouse) 使用，不再需要將時(shí)序數(shù)據(jù)導(dǎo)入到專(zhuān)門(mén)的數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)湖進(jìn)行處理分析，數(shù)據(jù)平臺(tái)的成本將大幅降低。

更多亮點(diǎn) >>

• 高性能時(shí)序數(shù)據(jù)庫(kù)
• 極簡(jiǎn)的時(shí)序數(shù)據(jù)平臺(tái)
• 云原生時(shí)序數(shù)據(jù)庫(kù)
• 開(kāi)源的時(shí)序數(shù)據(jù)庫(kù)
• 簡(jiǎn)單易用的時(shí)序數(shù)據(jù)庫(kù)
• 支持 SQL 并對(duì)時(shí)序數(shù)據(jù)處理進(jìn)行擴(kuò)展