Part01
导语
1.1
场景切入
世界正在朝着信息化飞速前进，科学技术的蓬勃发展，预示着我们的世界正以指数级变化，我们捕获和解析的数据比以往更多，速度比以往更快。
试想一下这些场景：身边的智能家居、路上的无人汽车、山上的巨型风机、股市的自动交易算法、工厂中的自动化生产线，它们都有哪些共同点？
如果仔细观察你会发现，这些应用场景的系统都需要一种特殊的数据：
?智能家居系统持续监控房屋内的变化，调整温度，识别侵入者，对于使用者总是有求必应；
?无人驾驶汽车持续收集所处环境中的变化数据，指挥汽车安全行驶；
?风场无人化值守，持续收集设备运行状况、气象数据、电气数据，做出综合诊断；
?自动交易系统持续收集市场的变化数据，支持交易算法运算；
?生产系统持续收集各个机器人的变化数据，指挥生产线高速运转。
这些应用程序均依赖一种衡量事物随时间的变化的数据形式，这里的时间不只是一个度量标准，而是一个坐标的主坐标轴。同时，其输出信息、分析结果也要求及时，越及时则价值越大，随着时间延迟其价值会衰减。
1.2
发现本质
这些数据，本质上是大量的传感器，通过不断的观察、感知物理世界，用采集到的离散数据，构建还原出一个数字世界，在这个数字世界我们可以自由地做任何实验，并在恰当的时间窗口内获得满意的结果，再作用于物理世界。物理世界的一大规律就是：万事万物随着时间推移而状态不断发生变化。
1.3
归纳概念
传感器对物理世界的观察所产生的数据，就是时间序列数据，简称时序数据。然后还要参考其是否具备及时性，进一步分为实时数据和历史数据，前者具备及时性，有高价值，能实时反馈于物理世界；后者不具备及时性，但仍然有价值，海量历史数据的分析挖掘可以发现更多有价值信息。
1.4
发展趋势
随着技术水平的提高，我们有了更强大的吞吐能力、计算能力、存储能力、分析能力，时序数据渐渐在我们的世界中发挥更大的作用。
截止到当前（年1月），在过去的24个月中，专门处理时间序列数据的数据库已经成为增长最快的类别：
数据来源：DB-Engines，年1月.
