qq_41134622的博客

许多物联网系统是数据密集型的，用于监控关键系统的故障检测和诊断。大量数据源源不断地从监控系统中的大量传感器中出来。因此，我们需要考虑如何存储和管理这些数据。现有的时间序列数据库（TSDB）可用于监控数据存储，但它们没有很好的模型来描述存储在数据库中的数据流。在本文中，我们为监控数据流（时间序列数据）的规范开发了一个语义模型，即哪个传感器生成了数据流，传感器正在监控哪个实体的哪个度量，实体与实体的关系是什么？系统中的其他实体，数据流使用哪个度量单位等。我们还开发了一个工具套件，SE-TSDB，可以在现有 TS

摘要为了监控关键基础设施，以高频率采样的高质量传感器被越来越多地安装。然而，由于产生的数据量很大，只存储简单的聚合。这将删除异常值并隐藏可能表明问题的波动。作为一种解决方案，我们提出了一种基于模型的方法，我们称之为多模型组压缩(MMGC)。MMGC在用户定义的错误范围(可能为零)内使用一组可扩展的模型自适应地压缩一组具有维度的相关时间序列。为了将时间序列划分成组，我们提出了一组原语，以有效地描述不同大小数据集的相关性。我们还提出了高效的查询处理算法，用于在模型而不是数据点上执行多维聚合查询。最后，我们提供

CAP原则又称CAP定理，指的是在一个分布式系统中， Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性），三者不可得兼。一致性（C）：在分布式系统中的所有数据备份，在同一时刻是否同样的值。（等同于所有节点访问同一份最新的数据副本）可用性（A）：保证每个请求不管成功或者失败都有响应。分区容忍性（P）：系统中任意信息的丢失或失败不会影响系统的继续运作。[1]CAP原则的精髓就是要么AP，要么CP，要么AC，但是不存在C..

基于模型的相关维时间序列的可扩展管理

时间序列数据的Cassandra数据压缩策略研究

Time Series Databases本文为自己学习该篇论文所记的笔记，主要是一些术语的记录及解释