时序数据的特征有哪些？

数据按时间顺序产生，一定带有时间戳，海量的物联网设备或者被监控到应用程序，按固定的周期或特定条件触发，持续不断的产生新的时序数据。 数据是相对结构化的，一个设备或应用，产生的指标一般以数值类型（绝大部分）、字符类型为主，并且在运行过程中，指标的数量相对固定，只有模型变更、业务升级时才会新增/减少/变更指标。 写多读少，极少有更新操作，无需事务能力支持，在互联网应用场景里，数据写入后，往往会被多次访问，比如典型的社交、电商场景都是如此；而在物联网、APM 场景，数据产生存储后，往往在需要做数据运营分析、监控报表、问题排查时才会去读取访问。 按时间段批量访问数据，用户主要关注同一个或同一类类设备在一段时间内的访问趋势，比如某个智能空调在过去1小时的平均温度，某个集群所有实例总的访问 QPS 等，需要支持对连续的时间段数据进行常用的计算，比如求和、计数、最大值、最小值、平均值等其他数学函数计算。 近期数据的访问远高于历史数据，访问规律明显，历史数据的价值随时间不断降低，为节省成本，通常只需要保存最近一段时间如三个月、半年的数据，需要支持高效的数据 TTL 机制，能自动批量删除历史数据，最小化对正常写入的影响。 数据存储量大，冷热特征明显，因此对存储成本要求比较高，需要有针对性的存储解决方案。