51 lines
1.6 KiB
Plaintext
51 lines
1.6 KiB
Plaintext
\subsection{Notizen}
|
|
|
|
sind dabei immer dann sinnvoll wenn Time Series Data gespeichert werden soll.\footnote{\cite[vgl.][]{DataScienceTeam2020}}
|
|
|
|
|
|
Diese Daten zeichnen sich besonders dadurch aus
|
|
das die Zeit eine wichtiger Faktor für diese Daten ist.
|
|
|
|
- Eine Reihe von Daten
|
|
- Timestamp als wichtiger Wert
|
|
- Meistens werden nur neue Daten hinzugefügt.
|
|
- Im vergleich zu einer MySQL Datenbank gibt es nur Inserts und keine Updates
|
|
- Es wird die Veränderung über die Zeit Aufgezeichnet.- Time SEries Data kann in einer SQL Datenbank gespeichert werden. Diese Datenbanken skalieren aber nur schlecht.
|
|
|
|
|
|
Die Meisten TSDB haben zusätzliche fUNKTIONEN Um mit den Daten zu arbeiten.
|
|
- alte Daten löschen
|
|
- durchgehende Abfragen
|
|
|
|
Daten:
|
|
- Server Monitoring
|
|
- Sensordaten
|
|
- Wissenschaftliche Daten
|
|
- Industrielle Daten / Events
|
|
- Log Data
|
|
|
|
- MySQL -> Beim Login wird LastLogin geupdatete
|
|
- TSDB -> Beim Login wird ein neuer Datenpunkt erstellt.
|
|
-> Mehr Informationen werden beibehalten. Wie oft eingeloggt. Wann eingeloggt u.s.w.
|
|
|
|
- Autos Sammeln 4,000 GB pro Tag
|
|
|
|
|
|
Use Cases
|
|
- Software Monitoring
|
|
- Hardware Überwachung
|
|
- IOT
|
|
- Wetterdaten
|
|
- Raumtemperatur
|
|
- Positionsaufzeichnung von Autos,Containern,Paletten
|
|
- Eventaufzeichnungen wie Benutzerinteraktion
|
|
- Business intelligence Überwachen von Kennzahlen
|
|
- alles weitere wo Zeitrelevante Daten anfallen.
|
|
|
|
|
|
|
|
|
|
|
|
Eine große Menge von Daten ist sehr stark an die Zeit gebunden in der sie erzeugt werden. So sind z.B. Sensordaten
|
|
sehr eng mit der Aufzeichungszeit verbunden. Weil sich die Werte sofort wieder verändern können.
|