我在一个收集/存储大量时间序列数据的组织中工作（ time = value，time = value ... ）。今天，我们使用历史数据库来收集和处理这些数据。使用历史数据库的主要优点是压缩数据并在数据存储方面更有效。然而，对于大数据，NoSQL等技术，压缩数据（因为存储$$）的努力似乎正在消退，趋势是存储“大量”数据。
答案 0 :(得分：0)
仅仅收集或存储的重要性或分析的速度或简易性是否必不可少？
对于大多数合理的数据大小，标准SQL就足够了。
在此之上，特别是对于分析，您最好需要一个内存和列导向数据库。在最高端，这意味着所有主要银行（价格昂贵）使用kx.com的kdb。但是你要专门询问开源，我会考虑内存中的monetdb或mysql，具体取决于你的数据大小和访问要求。
Cassandra是nosql群中更合适的选择之一，人们已经尝试过使用它： http://www.datastax.com/dev/blog/advanced-time-series-with-cassandra http://synfin.net/sock_stream/technology/advanced-time-series-metric-data-with-cassandra
我发现我花了很多时间在最小的数据级别上进行攻击，以便开始工作并创建大量冗长的代码。然后，它将我的数据传播到多个服务器上，并尝试使用多台计算机来弥补低效的存储。当我评估时，它的时间支持和操作时间的功能很差，我做的不仅仅是轻松拉出范围。出于这些原因，我从cassandra搬了过来。