如果您听说过 Timescale，您就知道我们致力于构建更快、更强大的 PostgreSQL，以支持繁重的工作负载，包括 时间序列数据（或时间数据）。然而，在与我们的社区成员和客户的对话中，我们经常发现，即使人们经常处理时间序列数据，他们也不会将其数据类型称为时间序列数据。
如果您想知道您的数据是否是时间序列数据，可以使用以下试金石测试：您的数据是否具有某种与其相关的时间戳或时间元素，即使这可能不是其主要维度？如果答案是“是”，那么您就是在处理时间序列数据。我们试图在名为“您有时间序列数据吗？”的文章中涵盖了这个主题，但为了使事情尽可能清楚，我们列出了 PostgreSQL 和 Timescale 支持的所有数据类型。
Timescale 的工作原理与 PostgreSQL 完全相同（我们团队设计了一些很酷的优化，使其速度极快），但这两个数据库都可以处理各种数据类型，从而满足不同部门的多样化需求。在本文中，我们将列出其中许多数据类型，并且随着我们向产品组合中添加更多用例，您可以预期此列表会不断增长。
现在，您的数据是……
PostgreSQL 和 Timescale 可以处理和存储传感器数据，使其成为物联网应用的理想选择。例如，它们可以捕获 温度或湿度传感器读数 以进行分析，或者捕获 房地产使用数据以优化大型房地产足迹，以及物联网传感器收集的许多其他数据点。
CREATE TABLE smart_home_data (
timestamp TIMESTAMPTZ NOT NULL,
device_id UUID NOT NULL,
temperature DOUBLE PRECISION,
motion_detected BOOLEAN,
PRIMARY KEY(timestamp, device_id)
);交易数据、金融交易或客户交易，或者订单历史记录——无论您如何称呼这些数据，这些数据库都能很好地容纳它们。此类别涵盖从购买到 ATM 取款再到在线购物活动的所有内容，便于对用户行为进行全面分析。
CREATE TABLE financial_transactions (
transaction_id SERIAL PRIMARY KEY,
customer_id INT NOT NULL,
timestamp TIMESTAMPTZ NOT NULL,
amount DECIMAL(20,2) NOT NULL,
transaction_type VARCHAR(50) NOT NULL,
description TEXT
);
PostgreSQL 和 Timescale 可以管理来自各种应用程序的数据，包括 运营分析 和实时应用程序。这有助于提高应用程序的效率并解决问题。运营分析尤其适用于涉及业务运营分析的分析。它可以应用于各种业务领域，例如供应链管理、客户服务、人力资源、生产和物流。
CREATE TABLE operational_data (
data_id SERIAL PRIMARY KEY,
app_id INT NOT NULL,
timestamp TIMESTAMPTZ NOT NULL,
cpu_usage DECIMAL(5,2) NOT NULL,
memory_usage DECIMAL(5,2) NOT NULL,
response_time INT NOT NULL,
error_rate DEC
);对于运输或配送公司，车队数据（如车辆位置、状况和使用统计数据）可以通过这些数据库得到很好的管理。如今，送货车辆都配备了 GPS 跟踪器，可以频繁记录其位置和速度。这使配送公司能够实时跟踪路线、优化行驶时间、改进安全协议并确保准时送达。使用 PostgreSQL/Timescale，管理这些数据变得简单高效，突出了技术信息方法对物流的好处。
CREATE TABLE fleet_data (
record_id SERIAL PRIMARY KEY,
vehicle_id INT NOT NULL,
timestamp TIMESTAMPTZ NOT NULL,
location GEOGRAPHY NOT NULL,
speed DECIMAL(5,2) NOT NULL,
fuel_level DECIMAL(5,2),
engine_status BOOLEAN NOT NULL
);
指标数据（包括能源指标）也可以由 PostgreSQL 和 Timescale 处理，提供对能源使用模式和效率的重要见解。下面是一个例子：为了提高能源效率，办公楼在每一层都使用了智能传感器，以持续跟踪电力使用情况、照明水平、温度和房间占用率。该系统在一个标准工作日内可以生成数百万个数据点。
CREATE TABLE energy_metrics (
metric_id SERIAL PRIMARY KEY,
timestamp TIMESTAMPTZ NOT NULL,
facility_id INT NOT NULL,
power_usage DECIMAL(10,2) NOT NULL,
voltage DECIMAL(10,2) NOT NULL,
current DECIMAL(10,2) NOT NULL,
efficiency DECIMAL(5,2)
);这些数据库能够处理金融科技数据，包括 交易数据 和 报价数据。高频交易应用程序每秒多次跟踪个别股票或加密货币的价格波动，每天为每个代码积累数百万条记录。这种数据分析使交易者能够识别市场趋势、预测价格变化并规划其策略。此外，实时分析能够对市场变化做出即时反应，从而抓住机遇或将风险降至最低。
CREATE TABLE tick_data (
tick_id SERIAL PRIMARY KEY,
timestamp TIMESTAMPTZ NOT NULL,
symbol VARCHAR(10) NOT NULL,
price DECIMAL(10,2) NOT NULL,
volume INT NOT NULL
);PostgreSQL 和 Timescale 可以管理事件数据，捕捉用户与系统或应用程序的每一次交互，并且提供用于增强用户体验的重要见解，以及其他优势。
想象一下，一个在线购物平台，每天有数百万的流量。 每个用户交互——从点击和搜索到将产品添加到购物车，都用时间戳进行了仔细记录。 分析这些事件可以提供有关用户行为的宝贵见解，从而能够优化他们的体验，定制营销策略，检测异常以及改进平台的功能。 这种数据驱动的方法可以显着提高参与度和销售额。
另一个很好的例子是在线游戏，有时数百万玩家在同一个环境中互动。 这些互动会产生数十亿个数据点，可以通过分析这些数据点来改善游戏动态和游戏内销售。
CREATE TABLE event_data (
event_id SERIAL PRIMARY KEY,
user_id INT NOT NULL,
timestamp TIMESTAMPTZ NOT NULL,
event_type VARCHAR(50) NOT NULL,
details JSONB
);在地理空间分析领域，这些数据库可以处理矢量数据。 矢量数据是一种地理空间数据，将对象表示为点、线或多边形。 它可以包含有关建筑物、道路和水体等物理特征的信息，以及有关行政边界和选区等抽象特征的信息。 矢量数据通常用于地理信息系统 (GIS) 中，用于空间分析、制图和可视化。
气象数据是指在特定位置和时间收集和记录的有关大气条件的信息。 这些数据可以包括温度、湿度、风速和风向、压力、降水量和其他气象变量。
想象一下，一个研究机构致力于解码地球长达一个世纪的气候历史。 他们积累了全球每小时的气象数据，跟踪温度、湿度、降雨量和风速。 对过去天气趋势的深入研究使他们能够识别模式，将气候事件联系起来，预测未来的异常情况，并为气候变化对话贡献重要的见解。
CREATE TABLE weather_data (
record_id SERIAL PRIMARY KEY,
location_id INT NOT NULL,
timestamp TIMESTAMPTZ NOT NULL,
temperature DECIMAL(5,2),
humidity DECIMAL(5,2),
wind_speed DECIMAL(5,2),
wind_direction DECIMAL(5,2),
pressure DECIMAL(7,2),
precipitation DECIMAL(5,2)
);
这些数据库可以有效管理保险数据，包括保单详细信息、索赔历史和客户记录，以便准确地评估风险和处理索赔。
想象一下，一家领先的保险公司每天处理数千起不同的索赔。 每个索赔电话都会被彻底记录下来，包括通话时间、持续时间、索赔性质和来电者情绪模式等详细信息。 这些数据使他们能够发现索赔趋势，评估其索赔处理效率，完善客户服务策略，识别潜在的欺诈行为，并最终增强运营，以提供更有效、更高效的保单持有人服务。
CREATE TABLE insurance_data (
record_id SERIAL PRIMARY KEY,
policy_number VARCHAR(50) NOT NULL,
customer_id INT NOT NULL,
issue_date TIMESTAMPTZ NOT NULL,
expiry_date TIMESTAMPTZ,
coverage_type VARCHAR(50) NOT NULL,
coverage_amount DECIMAL(20,2) NOT NULL,
premium DECIMAL(10,2) NOT NULL,
claim_status VARCHAR(50)
);
对于电信公司而言，这些数据库可以高效地处理通话记录，从而帮助进行计费、欺诈检测和网络优化。
CREATE TABLE call_records (
call_id SERIAL PRIMARY KEY,
caller_id INT NOT NULL,
receiver_id INT NOT NULL,
start_time TIMESTAMPTZ NOT NULL,
end_time TIMESTAMPTZ NOT NULL,
call_duration INT NOT NULL,
call_type VARCHAR(20) NOT NULL,
location GEOGRAPHY
);
所以，也许您认为您没有时间序列数据，而这篇文章改变了您的想法。 也许您知道您有一个时间序列问题，但您以不同的方式称呼它（以上任何一种）。
无论哪种方式，请记住 PostgreSQL 和 Timescale 支持所有这些类型的数据，这使得它们成为各个行业的通用选择。 虽然它们为许多数据管理需求提供了灵活可靠的解决方案，但Timescale 具有优势，允许您将数据与历史数据一起存储和查询。 只需看看我们的一些时间序列分析示例。
如果您需要扩展 PostgreSQL，我们还有其他方法可以帮助您。 😼 您的查询是否变得越来越慢？ 您的数据库性能是否在下降？ 了解如何通过超表自动进行 Postgres 分区来解决此问题。