凌云时刻
随着IoT技术的快速发展，物联网设备产生的数据呈爆炸式增长，数据的总量（Volume）、数据类型越来越多（Variety）、访问速度要求越来越快（Velocity）、对数据价值（Value）的挖掘越来越重视。物联网产生的数据通常都具备时间序列特征，时序数据库是当前针对物联网IoT、工业互联网IIoT、应用性能监控APM场景等垂直领域定制的数据库解决方案，本文主要分析物联网场景海量时序数据存储与处理的关键技术挑战及解决方案。
时序数据存储挑战
1典型时序应用场景
随着5G/IoT技术的发展，数据呈爆炸式增长，其中物联网(IoT)与应用性能监控(APM)等是时序数据最典型的应用领域，覆盖物联网、车联网、智能家居、工业互联网、应用性能监控等常见的应用场景，海量的设备持续产生运行时指标数据，对数据的读写、存储管理都提出了很大的挑战。
2时序数据的特征
在典型的物联网、APM时序数据场景里，数据的产生、访问都有比较明显的规律，有很多共同的特征，相比当前互联网典型的应用特征有比较大的区别。
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