時間序列數據庫為何會突然成為寵兒？——非結構化、分佈式的時間序列數據庫（TSDB）以數字化的形式，能裝下整體真實的物理世界，於是數字孿生、CPS、決策分析得以實現。
推薦一款開源時間序列數據庫：OpenTSDB——基於Hbase的分佈式的，可伸縮的時間序列數據庫，而Hbase本質是列存儲。
OpenTSDB介紹
OpenTSDB是什麼？主要用途是什麼？
官方文檔這樣描述：OpenTSDB is a distributed, scalable Time Series Database (TSDB) written on top of HBase；
翻譯過來就是，基於Hbase的分佈式的，可伸縮的時間序列數據庫。
主要用途，就是做監控系統；譬如收集大規模集群（包括網絡設備、操作系統、應用程序）的監控數據並進行存儲，查詢。
介紹continue
存儲到OpenTSDB的數據，是以metric為單位的，metric就是1個監控項，譬如服務器的話，會有CPU使用率、內存使用率這些metric；
OpenTSDB使用HBase作為存儲，由於有良好的設計，因此對metric的數據存儲支持到秒級別；
OpenTSDB支持數據永久存儲，即保存的數據不會主動刪除；並且原始數據會一直保存（有些監控系統會將較久之前的數據聚合之後保存）
OpenTSDB存儲相關的概念
介紹這些概念的時候，我們先看一個實際的場景。
譬如假設我們採集1個服務器（hostname=qatest）的CPU使用率，發現該服務器在21:00的時候，CPU使用率達到99%
下面結合例子看看OpenTSDB存儲的一些核心概念
1）Metric：即平時我們所說的監控項。譬如上面的CPU使用率
2）Tags：就是一些標籤，在OpenTSDB裡面，Tags由tagk和tagv組成，即tagk=takv。標籤是用來描述Metric的，譬如上面為了標記是服務器A的CpuUsage，tags可為hostname=qatest
3）Value：一個Value表示一個metric的實際數值，譬如上面的99%
4）Timestamp：即時間戳，用來描述Value是什麼時候的；譬如上面的21:00
5）Data Point：即某個Metric在某個時間點的數值。
Data Point包括以下部分：Metric、Tags、Value、Timestamp
上面描述的服務器在21:00時候的cpu使用率，就是1個DataPoint
保存到OpenTSDB的，就是無數個DataPoint。
OpenTSDB的總體架構
openTSDB架構
Servers：就是服務器了，上面的C就是指Collector，可以理解為OpenTSDB的agent，通過Collector收集數據，推送數據；
TSD：TSD是對外通信的無狀態的服務器，Collector可以通過TSD簡單的RPC協議推送監控數據；另外TSD還提供了一個web UI頁面供數據查詢；另外也可以通過腳本查詢監控數據，對監控數據做報警
HBase：TSD收到監控數據後，是通過AsyncHbase這個庫來將數據寫入到HBase；AsyncHbase是完全異步、非阻塞、線程安全的Hbase客戶端，使用更少的線程、鎖以及內存，可以提供更高的吞吐量，特別對於大量的寫操作。
眾所周知，物聯網時代所創造的數據將不會是互聯網時代數據所能比擬的，物聯網時代一輛汽車甚至一個冰箱都有一個獨立的ip地址，都能依照自己係數的改變生成數據。物聯網的發展離不開大數據，依靠大數據可以提供足夠有利的資源；同時，大數據也推動了物聯網的發展。新時代的發展提出更高的要求，這是一種智慧化的新形態，其外在表現就是物聯網，而其內涵就表現為大數據。簡單來說，物聯網的應用，其內在本質就利用了大數據。大數據是物聯網的血液，大數據代表了物聯網的信息層(數據海洋)，是智慧和意識產生的基礎。
物聯網是互聯網的應用拓展，與其說物聯網是網絡，不如說物聯網是業務和應用。因此，應用創新是物聯網發展的核心，以用戶體驗為核心的創新是物聯網發展的靈魂。
以下圖為例，物聯網大致分為以下幾個層級：感知層，網絡層，應用層。
感知層相當於人的感官和神經末梢，用來感知和採集應用環境中的各種數據。包括溫度、溼度、速度、位置、震動、壓力、流量、氣體等各種各樣的傳感器。在萬物互聯的場景下，每天都會有大量的傳感器終端在進行數據回傳。
物聯網的大數據與一般的大數據有以下不同的的特點：
1.物聯網中的數據量更大
物聯網的最主要特徵之一是節點的海量性，除了人和服務器之外，物品、設備等都是物聯網的組成節點，其數量規模遠大於互聯網；同時，物聯網節點的數據生成頻率遠高於互聯網，如傳感節點多數處於全時工作狀態，數據流源源不斷。
2.物聯網中的數據速率更高
一方面，物聯網中數據海量性必然要求骨幹網匯聚更多的數據，數據的傳輸速率要求更高；另一方面，由於物聯網與真實物理世界直接關聯，很多情況下需要實時訪問、控制相應的節點和設備，因此需要高數據傳輸速率來支持相應的實時性。
3.物聯網中的數據更加多樣化
物聯網涉及的應用範圍廣泛，不同領域、不同行業，需要面對不同類型、不同格式的應用數據，因此物聯網中數據多樣性更為突出。
4物聯網對數據真實性的要求更高
物聯網是真實物理世界與虛擬信息世界的結合，其對數據的處理以及基於此進行的決策將直接影響物理世界，物聯網中數據的真實性顯得尤為重要。
而大數據是物聯網大數據中必須的關鍵技術，二者的結合能夠為物聯網系統和應用的發展帶來更好的技術基礎。為了更好地將大數據技術應用於物聯網應用中，通過大數據挖掘分析為物聯網和移動互聯網提供有用的分析，獲取價值。
大數據的存儲模型經歷了多個發展階段。其中，關係型數據庫在計算機數據管理的發展史上是一個重要的里程碑。數據結構化、最低冗餘度、較高的程序與數據獨立性、易於擴充、易於編制應用程序等優點，使其一直長期被廣泛應用於數據的存儲、處理及分析，但隨著網絡技術和軟件技術的飛速發展，人們發現關係型數據庫系統雖然技術很成熟，但其侷限性也是顯而易見：它能很好地處理所謂的“表格型數據”，卻對越來越多複雜類型的數據無能為力。然而，在物聯網時代，傳統的關係型數據庫對於物聯網大數據已然有諸多不適。由於物聯設備時刻不間斷的回傳數據，人們對於數據的及時性需求越來也旺盛，物聯網時代的數據及時性價值 對大數據存儲及處理數據的及時性提出了更高的要求。
針對對物聯網時間序列數據的存儲時間序列數據——是在不同時間點上收集的數據，反映事物隨時間變化而變化的過程。某個鍋爐過去24小時內每分鐘的溫度就是典型的時間序列數據，它的特點是每一個時間戳對應一個數值（這個數值就是溫度）。在不同的應用場景中，這個數值可以是電流、電壓、轉速、濃度、分貝、頻率，無論是哪種度量，每一個數值都對應一個具體的採集時間戳。
物聯網大數據對存儲設施的要求區別於傳統的關係型數據庫，新的數據存儲設施需要針對物聯網時間序列數據的存儲、查詢和展現進行了專門的優化，從而獲得極高的數據壓縮能力、極優的查詢性能，特別契合需要處理海量時間序列數據的物聯網應用場景，在工業製造、環境、能源、水務、物流等領域有著巨大的需求。
閱讀更多 成都朗沃教育 的文章
