文章:https://docs.timescale.com/v0.9/introduction/time-series-data
什么是时间序列数据？
我们一直在谈论什么是“时间序列数据”，以及与其他数据有何不同以及为什么？
许多应用程序或数据库实际上采用的是过于狭窄的视图，并将时间序列数据与特定形式的服务器度量值等同起来：
但事实上，在许多监控应用中，不同的度量经常被收集在一起（例如CPU、内存、网络统计、电池寿命）。因此，单独考虑每个度量并不总是有意义的。考虑这种可替代的“更广泛”的数据模型，它保持了同时收集的度量之间的相关性。
这种类型的数据属于一个更广泛的类别，无论是温度读数传感器，股票价格，机器状态，或甚至登录到一个应用程序的数量。
时间序列数据是统称系统、过程或行为随时间变化的数据。
时间序列数据的特征
如果仔细研究它的生成和摄入方式，TimescaleDB等时间序列数据库通常具有以下重要特征：
· 以时间为中心：数据记录始终有一个时间戳。
· 仅追加：数据几乎只能追加（INSERT）。
· 最近：新数据通常是关于最近的时间间隔，我们更少更新或回填旧时间间隔的缺失数据。
尽管数据的频率或规律性并不重要， 它可以每毫秒或每小时收集一次。 它也可以定期或不定期地收集（例如，当发生某些事件时，而不是在预定时间）。
但是没有数据库很久没有时间字段？ 与标准关系“业务”数据等其他数据相比，时间序列数据（以及支持它们的数据库）之间的一个主要区别是对数据的更改是插入而不是覆盖。
时间序列数据无处不在
时间序列数据无处不在，但有些环境特别是在洪流中创建。
· 监控计算机系统：虚拟机，服务器，容器指标（CPU，可用内存，网络/磁盘IOP），服务和应用程序指标（请求率，请求延迟）。
· 金融交易系统：经典证券，较新的加密货币，支付，交易事件。
· 物联网：工业机器和设备上的传感器，可穿戴设备，车辆，物理容器，托盘，智能家居的消费设备等的数据。
· 事件应用程序：用户/客户交互数据，如点击流，综合浏览量，登录，注册等。
· 商业智能：跟踪关键指标和业务的整体健康状况。
· 环境监测：温度，湿度，压力，pH值，花粉计数，空气流量，一氧化碳（CO），二氧化氮（NO2），颗粒物质（PM10）。
·（和更多）。