使用案例

时间序列使用案例

监控（数据中心）

现代数据中心有很多移动部分，例如需要全天候监控的基础设施（服务器和网络）和软件系统（应用程序和服务）。

Redis 时间序列允许您通过分析和报告以下指标来预先规划新资源、优化现有资源的利用率、重建导致中断的情况以及识别应用程序性能问题：

天气分析（环境）

Redis 时间序列可用于追踪多年内的环境测量值，例如每日日照小时数和每小时降雨深度。例如，您可以按季节测量平均降雨深度、平均日温度和每天的最大晴天时间。观察多年来最高日温度的增加。预测一年中特定周特定位置的预期温度和降雨深度。

可以收集多个时间序列，每个时间序列针对不同的位置。通过使用二级索引，可以汇总给定地理区域（例如，欧洲的最低和最高日温度）或具有特定属性的位置（例如，山区的平均降雨深度）的测量值。

示例指标包括：

大气（环境）分析

大气中 CO2 的浓度比以往任何时候都更加重要。使用 TimeSeries 跟踪每个季节的平均、最高和最低 CO2 水平，以及过去几十年的平均年度 CO2 水平。示例指标包括：

飞行数据记录（传感器数据和 IoT）

飞机上有很多传感器。此传感器数据存储在黑匣子中，并与外部系统共享。TimeSeries 可以帮助您随时间重建事件序列，优化运营和维护间隔，提高安全性，并向设备制造商提供有关零件质量的反馈。示例指标包括：

船舶日志（传感器数据和 IoT）

通过（数字）航海日志跟踪船舶航行是很常见的。使用 TimeSeries 通过以下指标计算最佳路由：

互联汽车（传感器数据和 IoT）

现代汽车通过标准接口公开了多个指标。使用 TimeSeries 将平均油耗与轮胎压力相关联，计算出汽车在车队中保留多长时间，确定最佳维护间隔，并按道路类型（应税道路与非应税道路）计算节税。示例指标包括：

智能计量（传感器数据和 IoT）

现代房屋和设施收集有关能源消耗/生产的详细信息。使用 Redis Time Series 根据每月消耗量聚合计费。通过根据需求波动重新调整能源输送来优化网络。提供有关如何改进能耗行为的建议。示例指标包括：

服务质量（电信）

手机的使用量正在增加，产生了与手机数量的增加相关的自然增长。但是，也可能存在与特定事件相关的峰值（例如，有关世界锦标赛的更多消息）。

电信提供商需要确保他们提供必要的基础设施来提供适当的服务质量。这包括在短期峰值时使用迷你塔。使用 TimeSeries 将流量峰值与特定事件相关联，在多个塔式或微型塔式上对流量进行负载均衡，并预测性地规划基础设施。指标包括每个塔的流量。

股票交易（金融）

如今，股票交易已高度自动化。算法，而不仅仅是人类，都在进行交易，从股票交易的出价和要价到每秒的极端交易量（每秒数百万次作）。计算机驱动的交易需要毫秒级的响应时间。需要在很短的时间内保留大量数据点（例如，一分钟内每秒的价格波动）。此外，需要保留长期历史记录，以便对趋势做出陈述或用于监管目的。

使用 Redis Time Series 来识别交易行为与其他事件（例如，社交网络帖子）之间的相关性。发现发展中市场。检测异常以发现内幕交易。示例指标包括：