时间序列数据库与关系型数据库和数据湖对比

关系型数据库、时间序列数据库、数据湖与其他数据源之间最重要的区别在于处理带有时戳的工艺数据以及确保数据完整性的能力。

制造业数据库之争

关系型数据库、时间序列数据库、数据湖与其他数据源之间最重要的区别在于处理带有时戳的工艺数据以及确保数据完整性的能力。

这一点至关重要，因为数据管理技术的主要任务包括：

• 准确捕获广泛的各类数据流
• 处理超快速的过程数据
• 对齐时间戳
• 保障数据质量和完整性
• 保障网络安全
• 以连贯、情境化的方式为操作人员呈现这些数据流

时间序列数据库

数字化技术和传感器数据正在推动包括高级分析、人工智能、机器学习以及增强现实和虚拟现实模型在内的诸多应用。传统的关系型数据库难以处理基于传感器的数据。因此，时间序列数据库迅速崛起，根据 ARC Advisory Group 的研究，这一市场增长速度远超传统关系型数据库。

关系型数据库设计以行和列结构化数据，而时间序列数据库或基础设施则以时间为首要索引来排列传感器数据。

时间序列数据库专注于收集、关联和提供基于传感器的数据。总的来说，已形成两大类时间序列数据库：一类是完善的运营数据基础设施(即操作型或 数据历史记录系统)，另一类是较新的开源时间序列数据库。

要从运营设备的传感器数据中获取最大价值，必须按照其时序或时间戳来处理数据。由于时间戳可能代表传感器进行测量的时间，也可能代表测量值被记录到历史数据库中的时间(取决于数据源)，区分两者十分重要。

关系型数据库

无论是开源数据库还是成熟的历史数据库，时间序列数据技术均针对实时数据设计。相比之下，关系型数据库旨在突出显示关系，包括与测量值相关的元数据(报警限值、控制限值、客户支出、跳出率、不同数据点间的地理分布等)。尽管可以将关系型技术应用于时间序列数据，但这需要大量的数据预处理和清理工作，可能导致数据质量、治理和大规模情境化变得困难。

数据湖

与此同时，数据湖在可扩展性和每 GB 成本上得分较高，但在数据访问和易用性上表现不佳。不出所料，尽管数据湖存储数据最多，但其用户通常较少。与时间序列技术一样，市场将决定这些不同技术何时及如何被使用。

展望未来

数字化技术和传感器数据正在推动包括高级分析、人工智能、机器学习以及增强现实和虚拟现实模型在内的诸多应用。第四次工业革命(即“工业 4.0”)，以及疫情驱动的可持续发展、运营韧性等重大市场变革，共同加速了数字化转型进程，引发工业运营与制造业发生指数级变化。