無處不在的時序資料能帶來什麼？

我們在生活中每天都在使用時序資料，比如智慧家居、聯網汽車和移動裝置等。由於感測器和連線裝置的快速增長，大部分公司都產生了比之前更多的時序資料，從股票市場分析到地震預測甚至再到醫療保健，時序資料在各個行業生根發芽，因為我們產生了越來越多隨時間變化的趨勢。

時序資料爆炸的背後

兩個重要因素促成了時序資料的激增。第一個因素毫無疑問是連線裝置和物聯網的興起。隨著新裝置上線，它們會生成越來越多的時序資料。試想一下聯網汽車的通用指標，比如以公里/小時為單位的速度。如果我們將收集此指標的資訊頻率更改為每分或者每秒，那麼所產生的資料集會大幾個數量級。將這一原則應用於擁有數百萬個連線裝置和感測器的整個行業，這些資料的指數級增長變得顯而易見。時序資料增長的第二個因素是公司使用資料本身的方式。隨著公司將大量資料遷移到雲端，這些系統、流程和容器會生成時序資料。一旦上雲，公司就會橫向使用這些資料，從而建立更大的工作負載和更多資料。例如，某些大公司業務從一個地理區域開始，現在跨越了六大洲的數百個地點。類似的趨勢在不停上演，持久資料在不斷擴充套件的網路中得到重用。

需要注意的是，有不同型別的時序資料：指標和事件。指標是定期進行的測量;事件是不定期收集的測量值。為了有效地使用時序資料，我們需要能夠處理這兩種型別。僅收集指標意味著我們可能會在關鍵事件發生時錯過它們，而僅收集事件意味著我們可能會將異常誤解為重大事件。

從時序資料中受益

無論是公司此前的應用程式就包含了時序資料，或是現在想將時序資料分析加入到已經建立、預先存在的應用中，時序資料應用的行業和用例差別很大，比如：金融服務公司會使用時序資料監控交易異常;工業企業使用工廠車間的系統生成各種時序資料，用於實時警報、流程最佳化和預測;流媒體服務使用時序資料在問題影響終端使用者之前識別和預防問題;電信運營商依賴時序資料進行異常檢測、網路遙測和容量規劃等等。

伴隨時序資料來源的增加，我們分析和處理這些資料的需求也在增加，上面所舉的示例會生成的資料帶有不同的格式。事實上，同一個應用程式可能會從10個甚至更多不同的來源中提取資料，每個來源的格式都不同。這也是為什麼選擇可以從各種來源獲取時序資料的解決方案至關重要。解決方案在資料攝取方面越靈活，我們的應用程式就越能適應未來，從長遠來看可以節省時間和金錢。

時序資料平臺包括什麼

每個用例都不同，因此選擇滿足應用程式攝取需求的時序資料平臺至關重要。在平臺中尋找的屬性包括：

(1)資料的規模和速度。這是一個關鍵指標——隨著時序資料呈指數級增長，我們希望利用它的組織，得到一個能夠在現在和未來幾年內處理所有資料的平臺。

(2)時間序列資料的形狀。這比其他資料型別的變化要快得多，從長遠來看，擁有一個可以適應新增新資料欄位而無需額外開發工作的解決方案將為我們節省大量時間。諸如關聯式資料庫或文件資料庫之類的遺留技術不足以管理此類資料。

(3)遺留裝置的現代化。產生時間戳資料的裝置包括消費類裝置，如手機、汽車和電器，以及工業物聯網裝置和流程，如與製造或醫療保健相關的裝置和流程。但公司對舊裝置進行現代化改造和升級的方式也需要考慮在內。連線和整合這些裝置進一步增加了時序資料的數量。

當時序資料已經成為主流，它的未來會走向何方?回想一下，當“移動”成為技術的上升趨勢時，企業爭先恐後地提出移動戰略。隨著移動技術的普及，這種壓力逐漸消失。移動成為產品和服務的基礎，每個人從一開始就將其納入他們的戰略。最近，“雲”趨勢遵循了類似的軌跡。

預計時序資料會有類似的趨勢。手動監控物理儀表板的概念將會消失。相反，自動化流程和決策將監控資料趨勢，並根據工作流中發生的情況採取行動。這種型別的自動化已經在發生，但會變得更加普遍。

未來幾年，我們預測時序資料將牢固地嵌入我們使用的應用程式和服務中。目前，這些資料無處不在，但未得到充分利用。公司越早的將它們整合進自己的資料戰略中，就能越早獲得與那些沒有這樣做的人相比的競爭優勢。