时间序列数据库为何会突然成为宠儿？——非结构化、分布式的时间序列数据库（TSDB）以数字化的形式，能装下整体真实的物理世界，于是数字孪生、CPS、决策分析得以实现。
推荐一款开源时间序列数据库：OpenTSDB——基于Hbase的分布式的，可伸缩的时间序列数据库，而Hbase本质是列存储。
OpenTSDB介绍
OpenTSDB是什么？主要用途是什么？
官方文档这样描述：OpenTSDB is a distributed, scalable Time Series Database (TSDB) written on top of HBase；
翻译过来就是，基于Hbase的分布式的，可伸缩的时间序列数据库。
主要用途，就是做监控系统；譬如收集大规模集群（包括网络设备、操作系统、应用程序）的监控数据并进行存储，查询。
介绍continue
存储到OpenTSDB的数据，是以metric为单位的，metric就是1个监控项，譬如服务器的话，会有CPU使用率、内存使用率这些metric；
OpenTSDB使用HBase作为存储，由于有良好的设计，因此对metric的数据存储支持到秒级别；
OpenTSDB支持数据***存储，即保存的数据不会主动删除；并且原始数据会一直保存（有些监控系统会将较久之前的数据聚合之后保存）
OpenTSDB存储相关的概念
介绍这些概念的时候，我们先看一个实际的场景。
譬如假设我们采集1个服务器（hostname=qatest）的CPU使用率，发现该服务器在21:00的时候，CPU使用率达到99%
下面结合例子看看OpenTSDB存储的一些核心概念
1）Metric：即平时我们所说的监控项。譬如上面的CPU使用率
2）Tags：就是一些标签，在OpenTSDB里面，Tags由tagk和tagv组成，即tagk=takv。标签是用来描述Metric的，譬如上面为了标记是服务器A的CpuUsage，tags可为hostname=qatest
3）Value：一个Value表示一个metric的实际数值，譬如上面的99%
4）Timestamp：即时间戳，用来描述Value是什么时候的；譬如上面的21:00
5）Data Point：即某个Metric在某个时间点的数值。
Data Point包括以下部分：Metric、Tags、Value、Timestamp
上面描述的服务器在21:00时候的cpu使用率，就是1个DataPoint
保存到OpenTSDB的，就是无数个DataPoint。
OpenTSDB的总体架构
openTSDB架构
Servers：就是服务器了，上面的C就是指Collector，可以理解为OpenTSDB的agent，通过Collector收集数据，推送数据；
TSD：TSD是对外通信的无状态的服务器，Collector可以通过TSD简单的RPC协议推送监控数据；另外TSD还提供了一个web UI页面供数据查询；另外也可以通过脚本查询监控数据，对监控数据做报警
HBase：TSD收到监控数据后，是通过AsyncHbase这个库来将数据写入到HBase；AsyncHbase是完全异步、非阻塞、线程安全的Hbase客户端，使用更少的线程、锁以及内存，可以提供更高的吞吐量，特别对于大量的写操作。
众所周知，物联网时代所创造的数据将不会是互联网时代数据所能比拟的，物联网时代一辆汽车甚至一个冰箱都有一个独立的ip地址，都能依照自己系数的改变生成数据。物联网的发展离不开大数据，依靠大数据可以提供足够有利的资源；同时，大数据也推动了物联网的发展。新时代的发展提出更高的要求，这是一种智慧化的新形态，其外在表现就是物联网，而其内涵就表现为大数据。简单来说，物联网的应用，其内在本质就利用了大数据。大数据是物联网的血液，大数据代表了物联网的信息层(数据海洋)，是智慧和意识产生的基础。
物联网是互联网的应用拓展，与其说物联网是网络，不如说物联网是业务和应用。因此，应用创新是物联网发展的核心，以用户体验为核心的创新是物联网发展的灵魂。
以下图为例，物联网大致分为以下几个层级：感知层，网络层，应用层。
感知层相当于人的感官和神经末梢，用来感知和采集应用环境中的各种数据。包括温度、湿度、速度、位置、震动、压力、流量、气体等各种各样的传感器。在万物互联的场景下，每天都会有大量的传感器终端在进行数据回传。
物联网的大数据与一般的大数据有以下不同的的特点：
1.物联网中的数据量更大
物联网的最主要特征之一是节点的海量性，除了人和服务器之外，物品、设备等都是物联网的组成节点，其数量规模远大于互联网；同时，物联网节点的数据生成频率远高于互联网，如传感节点多数处于全时工作状态，数据流源源不断。
2.物联网中的数据速率更高
一方面，物联网中数据海量性必然要求骨干网汇聚更多的数据，数据的传输速率要求更高；另一方面，由于物联网与真实物理世界直接关联，很多情况下需要实时访问、控制相应的节点和设备，因此需要高数据传输速率来支持相应的实时性。
3.物联网中的数据更加多样化
物联网涉及的应用范围广泛，不同领域、不同行业，需要面对不同类型、不同格式的应用数据，因此物联网中数据多样性更为突出。
4物联网对数据真实性的要求更高
物联网是真实物理世界与虚拟信息世界的结合，其对数据的处理以及基于此进行的决策将直接影响物理世界，物联网中数据的真实性显得尤为重要。
而大数据是物联网大数据中必须的关键技术，二者的结合能够为物联网系统和应用的发展带来更好的技术基础。为了更好地将大数据技术应用于物联网应用中，通过大数据挖掘分析为物联网和移动互联网提供有用的分析，获取价值。
大数据的存储模型经历了多个发展阶段。其中，关系型数据库在计算机数据管理的发展史上是一个重要的里程碑。数据结构化、***冗余度、较高的程序与数据独立性、易于扩充、易于编制应用程序等优点，使其一直长期被广泛应用于数据的存储、处理及分析，但随着网络技术和软件技术的飞速发展，人们发现关系型数据库系统虽然技术很成熟，但其局限性也是显而易见：它能很好地处理所谓的“表格型数据”，却对越来越多复杂类型的数据无能为力。然而，在物联网时代，传统的关系型数据库对于物联网大数据已然有诸多不适。由于物联设备时刻不间断的回传数据，人们对于数据的及时性需求越来也旺盛，物联网时代的数据及时性价值 对大数据存储及处理数据的及时性提出了更高的要求。
针对对物联网时间序列数据的存储时间序列数据——是在不同时间点上收集的数据，反映事物随时间变化而变化的过程。某个锅炉过去24小时内每分钟的温度就是典型的时间序列数据，它的特点是每一个时间戳对应一个数值（这个数值就是温度）。在不同的应用场景中，这个数值可以是电流、电压、转速、浓度、分贝、频率，无论是哪种度量，每一个数值都对应一个具体的采集时间戳。
物联网大数据对存储设施的要求区别于传统的关系型数据库，新的数据存储设施需要针对物联网时间序列数据的存储、查询和展现进行了专门的优化，从而获得极高的数据压缩能力、极优的查询性能，特别契合需要处理海量时间序列数据的物联网应用场景，在工业制造、环境、能源、水务、物流等领域有着巨大的需求。
