在实时场景，该用时序数据库、实时数据库还是实时数仓？你分得清吗？

为满足实时响应而生的实时数据库

◆ 实时数据库典型场景

交通控制系统：

需求：交通控制系统需要实时监控交通数据，如车辆位置、速度和路况信息，并根据实时数据进行智能调度和优化。

性能指标：数据读取延迟、数据更新延迟、查询并发能力、分布式事务性能。

时序数据库（Time Series Database）是一种专门用于处理时间序列数据的数据库。时间序列数据是按照时间顺序进行存储和管理的数据，通常包括时间戳和相应的数据值。时序数据库具有高效的数据插入和查询性能，以及良好的数据压缩能力。它们通常用于存储和分析时间序列数据，如金融市场数据、物联网传感器数据或系统性能指标等。

例如下图是某支股票一天的实时走势图，纵坐标是股价，横坐标是时间，这条线就是一条时间序列。可视化之后我们得以直观地观测股票价格。

某支股票一天的实时走势图

时序数据库一般是无 Schema 的。类似于关系型数据库中的 table 被成为 度量数据集（measurement）。一个数据集包含如下概念：

4.指标列（field），代表数据的测量值，随时间平滑波动。

从概念上讲，你可以将 measurement 视为一个SQL表，其中主索引始终是时间。tags和fields是表中的有效列。tags一般采用倒排索引。

◆ 时序数据库典型应用场景

物联网传感器数据分析：

需求：物联网设备产生大量的传感器数据，需要进行实时存储、查询和分析，以监控设备状态、检测异常和优化设备性能。

性能指标：数据插入速度、数据压缩率、时间序列查询速度、时间窗口聚合性能。

在物联网传感器数据分析场景中，需要关注时序数据库的数据插入速度、数据压缩率、时间序列查询速度和时间窗口聚合性能。这些指标能帮助确保数据能够快速地存储和检索，并且占用较少的存储空间。

工业时序数据本身存在的特点。它不仅有传统大数据的特征，如数据量大（海量性）、数据上报频繁（高频性），对实时性、准确性的要求也越来越高。

某风能发电企业有超过 2 万个风能发电机，一个风机有 120 - 510 个传感器，采集频率高达 50 Hz，也就是每个传感器可达到 1 秒 50 个数据点的采集峰值，总量每秒采集 5 亿个点的数据，吞吐量极大，且因为有用数据做监控和报表等需求，实时性要求高。理想的数据库应做到写入及聚合查询低延迟，例如查询某段时间内的风速。此外，这些数据还具有价值密度低的特点，因此也应强调高压缩率，降低企业存储成本。 

金融市场数据分析：

需求：金融市场产生大量的实时交易数据，需要进行实时存储、查询和分析，以进行市场监控、交易策略优化和风险管理。

性能指标：数据插入速度、数据压缩率、时间序列查询速度、滚动聚合性能。