Kapitel 5. Temporale Daten speichern
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Oftmals liegt der Wert von Zeitreihendaten eher in der Retrospektive als im Live-Streaming. Aus diesem Grund ist die Speicherung von Zeitreihendaten für die meisten Zeitreihenanalysen notwendig.
Eine gute Lösung für die Speicherung ist eine, die einen einfachen Zugriff auf die Daten und deren Zuverlässigkeit ermöglicht, ohne dass große Investitionen in Rechenressourcen erforderlich sind. In diesem Kapitel gehen wir darauf ein, welche Aspekte eines Datensatzes du bei der Planung einer Speicherung von Zeitreihendaten berücksichtigen solltest. Außerdem werden wir die Vorteile von SQL-Datenbanken, NoSQL-Datenbanken und einer Reihe von Flat-File-Formaten diskutieren.
Die Entwicklung einer allgemeinen Lösung für die Speicherung von Zeitreihen ist eine Herausforderung, weil es so viele verschiedene Arten von Zeitreihendaten gibt, die jeweils unterschiedliche Speicher-, Lese-/Schreib- und Analysemuster haben. Einige Daten werden wiederholt gespeichert und untersucht, während andere Daten nur für einen kurzen Zeitraum nützlich sind und danach gelöscht werden können.
Hier sind ein paar Anwendungsfälle für die Speicherung von Zeitreihen, die unterschiedliche Lese-, Schreib- und Abfragemuster haben:
-
Du erhebst Leistungskennzahlen für ein Produktionssystem. Du musst diese Leistungskennzahlen über Jahre hinweg speichern, ...
Get Praktische Zeitreihenanalyse now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
