Aucun résultat trouvé

Votre recherche n’a donné aucun résultat.

Nous vous suggérons d’essayer ce qui suit pour trouver ce que vous recherchez :

  • Vérifiez l’orthographe de votre recherche par mot clé.
  • Utilisez des synonymes pour le mot clé que vous avez tapé, par exemple, essayez “application” au lieu de “logiciel”.
  • Essayez l’une des recherches populaires ci-dessous.
  • Lancer une nouvelle recherche.
Questions tendances

Qu’est-ce qu’une Time Series Database ?

Lorsque les applications reposent sur des données qui mesurent l'évolution des choses au fil du temps, on parle de données chronologiques, qui s’appuient sur des Time Series Databases.

Les voitures autonomes, les maisons intelligentes, les algorithmes de trading autonomes… tous sont des signes d’un monde en constant développement qui a besoin de capturer et analyser de plus en plus de données et toujours plus rapidement. Ces données suivent l’évolution d’événements en s’appuyant sur des bases de données chronologiques, ou Time Series Databases.

Les bases de données de séries chronologiques, ou TSBD ne sont pas nouvelles mais elles se sont étendues à de nombreux secteurs en raison de la transformation digitale du monde actuel (serverless, micro-serveurs, conteneurs, IoT, ...) et notre manière de nous y adapter (infrastructure de données, création, surveillance et gestion des systèmes). Les applications actuelles ont besoin d’une base de données de séries chronologiques performante, évolutive et spécialement conçue à cet effet.

Une base de données de séries chronologiques (Time Series Database) est optimisée pour traiter les mesures et les événements qui sont suivis, surveillés, échantillonnés et agrégés dans le temps. Il peut s'agir de mesures de serveurs, de surveillance des performances des applications (Application Performance Monitoring), de données de réseau, de capteurs, d'événements, de clics, de transactions sur un marché et de nombreux autres types de données analytiques.

Les propriétés qui rendent les données de séries chronologiques différentes des autres charges de travail sont la gestion du cycle de vie des données, la synthèse et les analyses à grande échelle de nombreux enregistrements.

Les données chronologiques ont de la valeur car elles permettent de mesurer le changement : analyser comment quelque chose a changé dans le passé, surveiller comment quelque chose évolue dans le présent et prédire comment il peut se transformer dans le futur.

Quelles sont les applications d’une base de données de séries chronologiques ?

On peut illustrer le fonctionnement de la Time Series Database par l’exemple suivant. Des capteurs collectent des données dans trois environnements : une ville, une ferme et une usine. Chacune de ces sources envoie périodiquement de nouveaux relevés, créant ainsi une série de mesures recueillies au fil du temps. Il existe de nombreux autres types de données de séries chronologiques, telles que les données de surveillance DevOps, le flux d'événements d'applications mobiles/web, les données de machines industrielles, les mesures scientifiques, etc.

Les données de séries chronologiques s’exploitent selon l’usage qui en est fait :

  • les voitures qui se déplacent seules collectent en permanence des données sur l'évolution de leur environnement local autour d'elles,
  • les algorithmes de trading autonomes collectent en permanence des données sur l'évolution des marchés,
  • les maisons intelligentes surveillent ce qui se passe à l'intérieur pour réguler la température, identifier les intrus et répondre à nos appels,
  • le secteur du retail surveille la façon dont ses actifs se déplacent avec une telle précision et une telle efficacité que les livraisons arrivent le jour même, etc.

Quels sont les avantages d’une Time Series Database ?

La TSDB est la catégorie de bases de données qui connaît la plus forte croissance actuellement car elle présente deux grands atouts :

L’extensibilité : les données de séries chronologiques s'accumulent très rapidement. Par exemple, une seule voiture connectée collectera 4 000 Go de données par jour. Les bases de données ne sont pas conçues pour supporter cette échelle. En revanche, les bases de données chronologiques (qui peuvent s’appuyer sur des bases de données relationnelles ou NoSQL) gèrent l’évolutivité en introduisant des rendements qui génèrent une amélioration des performances, notamment par des taux d'acquisition plus élevés, des requêtes plus rapides à l'échelle et une meilleure compression des données.

La simplicité d'utilisation : les TSDB comprennent aussi généralement des fonctions et des opérations communes à l'analyse des données de séries chronologiques, telles que les politiques de conservation des données, les requêtes continues, les agrégations de temps flexibles, etc. Ces fonctions offrent une meilleure expérience à l'utilisateur et simplifient le travail des entreprises.

Depuis une dizaine d'années, nous vivons à l'ère du Big Data et aujourd’hui, nous ne nous contentons plus d'observer l'état du monde, mais nous voulons mesurer comment notre environnement évolue au fil du temps, jusqu'à des intervalles de moins d'une seconde. En stockant de plus en plus de données sous forme de séries chronologiques, nous pourrions être en mesure de mieux le comprendre.

Vous souhaitez en savoir plus sur la base de données autonome?