时间序列数据库可以执行流分析系统（如spark streaming / flink / kinesis analytics）可以做的所有事情吗？
有人包含另一个吗？我不是在寻找哪一个更好。只需了解他们支持的不同用例。
答案 0 :(得分：1)
时间序列数据库专注于基于时间的条目的存储和检索，其方式比我们的常见关系数据库更高效。鉴于业界对高性能事件处理的兴趣，最近它们再次成为热门话题。如今，它们中的大多数依赖于NoSQL数据库上的特定索引技术，例如OpenTSDB（HBase），InfluxDB（BoltDB）等。
另一方面，像Spark Streaming这样的分布式流处理框架基于对数据流管理系统的研究，并提供更灵活的事件分析方法。它们通常用于进行其他类型的数据分析，例如流上的机器学习，草图，窗口，以及应用多个其他不是时间序列数据库的技术。
它们都起源于2000年代关于时间序列数据库和数据流管理系统的研究，因此一方面的许多特征和架构思想都应用于另一方，反之亦然。这方面的一个例子是开创性的流处理论文“数据流连续查询”（S.Babu，2001）引用时间序列数据库作为相关工作的一个例子。
答案 1 :(得分：0)
时间序列数据库：
根据批量时间限制，数据将由DATABASE消耗。
Spark Streaming： 基于微批次时间，数据将消耗。 Spark Streaming是一个微批处理流媒体系统：