公告MongoDB 8.0 隆重推出,这是有史以来最快的MongoDB!了解详情 >
公告Voyage AI 与 MongoDB 携手合作,致力于在 Atlas 上提供更准确和更值得信赖的 AI 应用。了解更多 >

时间序列。
加快开发速度、获取见解、降低成本。

将文档模型的灵活性与时间序列集合相结合,以构建和运行数据密集型分析应用程序。

免费试用
联系销售团队
时间序列概述视频缩略图

实施时间序列

时间序列数据不受行业限制,广泛应用于从金融服务到智能制造等各种场景。然而,由于其庞大的存储需求,处理时间序列数据可能会面临一定挑战,这也为查询和分析以提取实时见解带来了更多困难。在本讲座中,我们将探讨时间序列数据的基本原理及其应用。

立即观看

更快构建时间序列应用程序

原生时间序列集合可自动处理复杂且具有挑战性的时间序列数据,无需开发人员进行额外的检测,从而简化和加速应用程序开发。这意味着更快的上市时间和更好的开发者体验。

由 Atlas 完全托管
将手机连接到数据和网页的插图,表示应用程序开发非常简单。
网页和数据点旁边有一个放大镜的插图,表示数据见解。

简化的分析见解

使用统一的查询 API 可以更轻松地从时间序列数据中发现见解和模式,该 API 包括丰富的窗口功能和时间操作符,适用于常见和复杂的分析查询。

了解查询 API

简化的时间序列体验

无缝管理整个时间序列数据生命周期——摄取、存储、分析、可视化和存档。无需担心性能或可扩展性,因为列式存储和压缩可优化查询速度和成本效率,即使数据随着时间的推移而增长也是如此。

各种形状和数据图表进入绿色盒子的插图,表示无缝管理数据生命周期。
各种数据图表、图像以及带有放大镜的文件环绕在 3 个绿色层级周围,表示简化了数据存储。

降低复杂性和成本

消除导致复杂数据孤岛、数据移动和运行开销的昂贵专用数据库。取而代之的是,在一个通用的多功能现代数据库中高效、安全地管理时间序列和业务数据。

MongoDB Atlas
“专用列式存储格式和高效的数据处理流程能够快速、准确地处理大量带有时间戳的数据。这简化了运营流程,并提供了实时见解,有助于优化我们的服务,提升客户体验。”
Andrés Murcia
Picap 首席技术官
阅读全文
“专用列式存储格式和高效的数据处理流程能够快速、准确地处理大量带有时间戳的数据。这简化了运营流程,并提供了实时见解,有助于优化我们的服务,提升客户体验。”
Andrés Murcia
Picap 首席技术官
阅读全文
“MongoDB 的强大功能,尤其是时间序列集合,对于处理来自车辆的海量传感器数据至关重要,其中包括地理编码和 IoT 数据。这使得我们能够高效存储和分析数据,为我们的业务提供宝贵的见解。”
Hjalmar Van Raemdonck
采埃孚集团 SCALAR 副总裁
阅读全文
“时间序列数据是我们业务的核心,因此选择一个能够高效处理时间序列数据的数据库至关重要。MongoDB Time Series Collections 不仅最大限度地提升了数据可访问性,减少了存储空间,还能够与标准集合无缝集成,为未来的可扩展性作好准备。”
Ben Harrison
Ceto 首席技术官
阅读全文
“作为一家工业 IoT 公司,管理时间序列数据至关重要。面对来自全球资产的大量传感器数据,我们需要一个更优异的数据库。MongoDB 的时间序列集合通过优化内存使用、快速查询和强大的聚合功能,显著提升了性能。”
Christoffer Lange
Digitread Connect CEO
阅读全文

功能概览

mdb_time_series

本机时间序列集合

以优化的列式格式存储时间序列数据,减少存储和 I/O 需求,从而提高性能和进行扩展。

mdb_columnar_compression

列式存储格式

借助列式存储格式和一流的压缩算法,可将数据库存储占用空间大幅减少 90% 以上。

realm_fast_queries

实时分析与快速查询

得益于专为处理时间序列聚合中海量数据而设计的区块级处理模型,查询性能得到显著提升。

enterpriseadvanced_ops_manager

完整的数据生命周期管理

支持从摄取、存储、分析、可视化到存档的整个时间序列数据生命周期。

general_features_data_analytics

增强型索引支持

对所有字段的复合索引、地理索引和集群索引提供高级支持,并针对高效查询进行优化。

general_features_complexity

缝隙填充和密实化

使用专门的缝隙填充和密实化功能处理缺失数据点。

misc_delete

细粒度数据修改

能够通过更新和删除自由修改数据,为您提供更多的灵活性和控制力。

general_features_scale_bigger

水平扩展

水平分布大型数据集,以减少延迟并遵守数据主权法规。


开始使用时间序列

使用经济高效的解决方案,轻松处理大量数据,满足最苛刻的时间序列数据要求。
查看文档
以专门的列式格式自动存储时间序列数据,该格式针对高存储效率、减少 I/O 和低延迟查询进行了优化。
阅读文档
JSON

从时间序列数据中获取见解

了解如何利用时间序列数据来打造良好的应用程序体验。
信息栏悬停在其上方的笔记本电脑的插图,表示时间序列集合。

MongoDB 时间序列集合

进一步了解新的时间序列集合,以及如何立即开始构建时间序列应用程序。

了解详情
一袋硬币放在条形图旁边。

避免附加数据库的隐藏成本

了解 MongoDB Time Series Collections 相较于附加数据库,如何简化操作、降低成本,并显著提升性能。

了解详情
图表中的蓝色数据点插图,表示对时间序列集合进行的分析。

使用时间序列集合进行货币分析

请阅读有关如何使用 MongoDB 时间序列构建货币分析平台的博客,该博客由三个部分组成。

了解详情

Atlas Stream Processing 支持时间序列

将处理后的数据下游发送至时间序列集合。

了解详情

充分利用 Atlas

利用 MongoDB 本机时间序列功能构建和运行物联网和金融分析等应用程序。
了解我们的所有产品
atlas_query_api

查询 API

使用统一、富有表现力的查询 API 对时间序列集合进行分析,轻松发现见解和模式。

了解详情
atlas_charts

Charts

根据时间序列集合创建图表,并将可视化嵌入您的应用程序中,以打造丰富的用户体验。

了解详情
atlas_online_archive

在线归档

自动将数据库中的旧数据分层存储到云对象存储中,不会失去对这些数据的访问权限,亦无需处理 ETL 管道。

了解详情

在 MongoDB 上构建时间序列应用程序

原生支持整个时间序列数据生命周期,从摄取、存储、查询、实时分析、可视化到在线存档。
免费试用
MongoDB 本机时间序列
  • 时间序列集合
  • 列式压缩
  • 时间序列查询和分析
  • 自动管理数据生命周期
  • 支持更新和删除操作
  • 分片支持