技术
8月24日阿里云数据库技术峰会上，来自阿里数据库事业部高级专家钟宇带来HiTSDB 时序数据库方面的演讲。本文主要从时序数据开始介绍，包括时序序列数据的特点，接着介绍了时序数据业务场景，以及OpenTSDB在HBase上的优化，最后分享了HiTSDB的优化和提高。
时序数据介绍
时序数据就是在时间上分布的一系列数值,时间和数值是两个关键字，时序数据一般指指标型数据，比如股票价格、广告数据、气温变化、网站的PV/UV、个人健康数据、工业传感器数据，还有关于应用程序的性能监控，像服务器系统监控数据，比如cpu和内存占用率，此外还有车联网。
据统计，在大数据领域中时序数据会超过一半。
图为广告的监测数据，可以看到事例中跟踪了三个广告来源，每个来源跟踪了三个指标，包括展示了多少次、点击了多少次以及产生了多少收入。广澳来源是用不同的标签来区分的，比如由谁发布、广告商、针对目标用户的性别和发布在哪个国家等。 大家可以清晰的看到每个指标，在不同的时间点有不同的数值，这就构成了一系列的时间数据。左边成为数据源，中间成为metric，右边称为时间序列，时间序列在时间上具有不同的值，
如果对时间序列建模会有两种方式，一种是单值，一种是多值。单值是把每一个数据源的每一个指标的每一个值当成一行。多值模型是把同一个数据源的不同指标放在不同列中，也就是每个数据源在每个时间点只会产生一行数据。
多值模型一定能用单值模型来模拟，多值模型在处理某些数据时更方便些，但是单值建模可以模拟所有场景。
时间序列数据的处理和一般数据库处理有所不同，一般数据库基于行，每一个数据点是一行，时间序列数据是按时间线处理数据。每个时间线上的数据是非常关联的，比如某一个广告源收入在不同时间上就构成时间序列，这些时间序列中的收入可以画成一条变化曲线，针对曲线我们可以做时间序列变化处理，最常见的是插值和降精度。由于数据源采样的原因，往往会丢失一些点，我们用插值在中间插上常见的线性插值或者零值补偿;如果广告数据不一定需要最细时间粒度来看，我们就可以降精度，不同数据降精度的方式不一样。
