TritanDB:物联网时序数据快速分析系统
数据库
2018-01-25 v1
摘要
数据的高效管理是实现物联网(IoT)潜力的关键前提。鉴于结构化时序 IoT 数据体量巨大,两个问题在于:解决异构设备间数据集成困难,以及提升资源受限设备与云端上跨数据库的摄入与查询性能。本文中,我们考察公共 IoT 数据的结构,发现其中大多数呈现独特的扁平、宽表与数值特征,并混合了等间隔与不等间隔的时间序列。我们调研了面向遥测数据的时间序列数据库进展,并结合微基准测试以确定最佳压缩技术与存储数据结构,从而为针对 IoT 数据优化的新型方案设计提供依据。一种即便在资源受限设备上开销也低的查询翻译方法,使我们能够在优化存储之上利用资源描述框架(RDF)等丰富数据模型实现互操作与数据集成。我们的方案 TritanDB 在 IoT 场景下相较许多最先进数据库,在设备与云端硬件上均展现出数量级的性能提升。最后,我们描述了 TritanDB 如何支持对 IoT 时间序列数据的各类分析,如预测。
引用
@article{arxiv.1801.07947,
title = {TritanDB: Time-series Rapid Internet of Things Analytics},
author = {Eugene Siow and Thanassis Tiropanis and Xin Wang and Wendy Hall},
journal= {arXiv preprint arXiv:1801.07947},
year = {2018}
}