使用场景

提示

来自deepseek解释

监控（数据中心）

现代数据中心有许多动态组件，例如基础设施（服务器和网络）以及软件系统（应用程序和服务），这些都需要全天候监控。

Redis Time Series 允许您通过分析和报告以下指标，来提前规划新资源、优化现有资源的利用率、重现导致宕机的情况，以及识别应用程序性能问题：

天气分析（环境）

Redis Time Series 可用于跟踪环境测量数据，例如多年的每日日照时数和每小时降雨深度。按季节，您可以测量平均降雨深度、平均日温度以及每日最大日照时数等。观察多年来的最高日温度变化趋势。预测某一年特定周内特定地点的预期温度和降雨深度。

可以收集多个时间序列，每个针对不同地点。通过利用二级索引，可以按给定地理区域（例如，欧洲的最低和最高日温度）或具有特定属性的地点（例如，山区的平均降雨深度）对测量数据进行聚合。

示例指标包括：

大气分析（环境）

大气中的 CO₂ 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、最大和最小 CO₂ 浓度，以及过去几十年的年平均 CO₂ 水平。示例指标包括：

飞行数据记录（传感器数据和 IoT）

飞机配备了众多传感器。这些传感器数据存储在黑匣子中，同时也与外部系统共享。TimeSeries 可以帮助您重构随时间推移的事件序列，优化运营和维护间隔，提高安全性，并向设备制造商提供关于零件质量的反馈。示例指标包括：

**船舶航海日志（传感器数据和 IoT））

通过（数字）航海日志跟踪船舶航行非常普遍。使用 TimeSeries 通过以下指标计算最优航线：

联网汽车（传感器数据和 IoT）

现代汽车通过标准接口暴露多种指标。使用 TimeSeries 将平均油耗与轮胎压力相关联，计算车辆在车队中的保留时间，确定最佳维护间隔，并根据道路类型（应税与非应税道路）计算税收节省。示例指标包括：

智能计量（传感器数据和 IoT）

现代住宅和设施收集有关能源消耗/生产的数据。使用 Redis Time Series 基于每月消费进行计费汇总。通过根据需求波动重新分配能源输送来优化网络。提供如何改善能源消耗行为的建议。示例指标包括：

服务质量（电信）

手机使用量不断增加，这种自然增长与手机数量的增加相关。然而，也可能存在与特定事件相关的峰值（例如，世界锦标赛期间消息量增加）。

电信提供商需要确保提供必要的基础设施以交付合适的服务质量。这包括使用迷你塔来处理短期峰值。使用 TimeSeries 将流量峰值与特定事件相关联，在多个塔或迷你塔之间进行流量负载均衡，并预测性地规划基础设施。指标包括每个塔的流量量。

股票交易（金融）

如今股票交易高度自动化。不仅仅是人类，算法也在进行交易，从股票的买卖报价到每秒的极端交易量（每秒数百万次操作）。计算机驱动的交易需要毫秒级的响应时间。有必要在极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，还需要保留长期历史记录以用于趋势分析或监管目的。

使用 Redis Time Series 识别交易行为与其他事件（例如，社交媒体帖子）之间的相关性。发现新兴市场。检测异常以发现内幕交易。示例指标包括：

使用场景 ​