这个小文章里尽量避免使用数据挖掘的概念， 争取用简单的语言解释出来， 如果以后有时间， 再仔细介绍几种开源时序数据库的结构和关键技术。
时序数据简单的说， 就是随着时间流而不断产生的数据， 比如一台服务器的cpu负载， 或者一个应用的log文件等。 对于这种时序数据， 有一些常用的操作， 比如统计每分钟的平均值， 中位数等。所谓时序数据库， 就是针对这类场景做了优化的一类数据存储查询系统。在OLAP中， 此类时序数据的统计有着重要的应用。
我们用例子来说明时序数据以及对这些数据的处理。比如我们就以 cpu 使用率这个数据为例。假设我们一个集群有近百台服务器， 对于每台服务器， 我们每秒采集一次数据， 数据是服务器cpu 当前的 us sy id wa st 。那么， 我们采集到的数据除了这几个值之外一定还有数据的一些其它属性， 比如采集时间， 服务器编号， 服务器物理配置，服务器上主要的应用。 这些属性一般叫做维度（dimension）。此类数据实时产生， 我们最常用的查询可能类似这样：
最近1小时内， 每5分钟cpu使用率的平均值。-----在一个时间范围内， 按照时间段归类， 计算均值(也可能是中位数， 最大最小值， topN等)
最近6小时内， 每5分钟每种服务器类型cpu使用率的平均值。 最近1小时内， 每1分钟每台服务器的cpu使用率的平均值。
最近1小时内， 每1分钟所有跑web service 应用的服务器的cpu使用率的平均值。
综上， 我们看到这类数据处理基本是要对一个时间范围的数据， 根据时间段， 维度进行归类，做一些聚合运算。
时序数据库要解决的问题就是如何能在海量数据中， 快速响应用户的此类查询。
补充一种时序数据常用的操作， count distinct（基数统计）， 比如从web 服务器的log里统计独立访问ip数量， 这种需求时序数据库也必须要解决。
时序数据库面临的主要困难是， 数据量大， 数据的维度多， 统计查询复杂， 需要快速响应查询。
时序数据有一个比较大的特点， 就是数据的价值随着时间流逝而逐步降低。
时序数据库解决这些问题的主要的技术手段有：分布式处理， 按照时间分片存储，按照维度条件做哈希， 通过位图索引优化查询， 尽量保证最新数据在内存中， 使用统计算法。后面我们以druid （http://druid.io/）为例来具体介绍这些技术的实现。 顺便提一下， druid 的文档写的不好， 甚至还有错误，如果想要测试druid， 要文档和 google group 结合起来。
