| <!-- |
| |
| Licensed to the Apache Software Foundation (ASF) under one |
| or more contributor license agreements. See the NOTICE file |
| distributed with this work for additional information |
| regarding copyright ownership. The ASF licenses this file |
| to you under the Apache License, Version 2.0 (the |
| "License"); you may not use this file except in compliance |
| with the License. You may obtain a copy of the License at |
| |
| http://www.apache.org/licenses/LICENSE-2.0 |
| |
| Unless required by applicable law or agreed to in writing, |
| software distributed under the License is distributed on an |
| "AS IS" BASIS, WITHOUT WARRANTIES OR CONDITIONS OF ANY |
| KIND, either express or implied. See the License for the |
| specific language governing permissions and limitations |
| under the License. |
| |
| --> |
| # 走进时间序列数据 |
| |
| ## 什么是时间序列数据？ |
| |
| 在当今的物联网时代，物联网、工业等各种场景正在经历数字化转型。人们通过在设备上安装传感器来采集其各种状态数据。例如，电机采集电压和电流；风扇采集叶片转速、角速度和发电量；车辆采集经纬度、速度和油耗；桥梁采集振动频率、挠度、位移等。传感器的数据采集已经深入到各个行业。 |
| |
|  |
| |
| 通常，我们将每一个采集点称为测量点（也称为物理量、时间序列、时间线、信号量、指标、测量值等）。每个测量点会随着时间持续采集新的数据信息，形成一条时间序列。从表格的角度来看，每个时间序列是一张由“时间”和“数值”两列组成的表；从图形的角度来看，每条时间序列是一张随时间变化的趋势图，也可以形象地称作设备的“心电图”。 |
| |
|  |
| |
| 传感器产生的海量时间序列数据，是各行业数字化转型的基础，因此我们对时间序列数据的建模主要聚焦于设备和传感器。 |
| |
| ## 时间序列数据的关键概念 |
| |
| 时间序列数据中涉及的主要概念可以自底向上分为：数据点、测量点和设备。 |
| |
|  |
| |
| ### 数据点 |
| |
| - 定义：由一个时间戳和一个数值组成，其中时间戳为 long 类型，值可以是 BOOLEAN、FLOAT、INT32 等多种类型。 |
| - 示例：在上图中，表格形式中的一行时间序列，或图形形式中的一个时间序列上的点，都是一个数据点。 |
| |
|  |
| |
| ### 测量点 |
| |
| - 定义：由多个按照时间戳递增排列的数据点构成的时间序列。通常一个测量点表示一个采集点，并能定期采集其所处环境中的物理量。 |
| - 也称为：物理量、时间序列、时间线、信号量、指标、测量值等。 |
| - 示例： |
| - 电力场景：电流、电压 |
| - 能源场景：风速、转速 |
| - 车联网场景：油耗、车速、经度、纬度 |
| - 工厂场景：温度、湿度 |
| |
| ### 设备 |
| |
| - 定义：对应实际场景中的一个物理设备，通常是多个测量点的集合，并通过一个或多个标签进行标识 |
| - 示例： |
| - 车联网场景：通过车辆识别码（VIN）标识的车辆 |
| - 工厂场景：机械臂，通过物联网平台生成的唯一 ID 进行标识 |
| - 能源场景：风电机组，通过区域、站点、线路、型号、实例等维度进行标识 |
| itoring scenario: CPU, identified by machine room, rack, Hostname, device type, etc |
