数据库中存储与时间序列数据相关的术语是什么？

时间序列数据库概述

在金融、气象、交通、生物、能源等领域，海量的传感器数据、日志文件和行业市场行情都会以“时间+数值”形式产生。传统关系型数据库在存储查询和分析这些时间序列数据时往往捉襟见肘，导致写入性能瓶颈、查询延迟高还有维护成本膨胀。

痛点一这方面，传统数据库无法高效写入与查询

当每天产生数十亿条记录时单表插入会成为瓶颈；而按时间范围扫描又需要全表扫描或复杂索引，查询速度难以满足实时需求。

痛点二这方面。缺少专门的数据模型与压缩算法

关系型表结构固定，无法灵活表达多维度指标；没有针对相邻时间点高度相似性的压缩技术，导致存储空间急剧增长。

痛点三这方面。术语混乱导致实现难度加大

"metric" 与 "measurement" 早期被视为不同概念，但在实践中常被当作同义词使用；再加上 "field value" 与 "tag key/value" 的区分，使得新人容易误解。

时间序列数据是按照时间顺序排列的一组记录，每条记录包含一个时间戳和对应的数值。说到典型例子包括，

• 气象数据：温度、湿度、风速随时刻变化。
• 金融行情：股票价格、交易量随秒级或毫秒级更新。
• 网络日志：I/O请求次数、错误率随分钟级统计。
• 设备监控：SIP信号强度、电流消耗等实时测量。