我将亚秒级粒度的多个时间序列存储在MongoDB中。数据库通过一堆Python脚本进行更新，并且存储的数据用于两个主要目的：
（1）它是所有系列中最新数据的中央信息源。每秒约有多个脚本对其进行访问，以读取每个集合中的最新数据点。
（2）这是一个长期数据存储。我经常将整个数据库加载到Python中以分析数据趋势。
为了使数据库尽可能高效，我想存储数据（理想情况下，每个集合每天保存一个文档）。由于（1），存储桶越大，访问最后一个数据点所需的排序越昂贵。
我在这里可以想到两种解决方案，但是我不确定有什么替代方法，或者哪种方法最好：
a）将最新的时间戳存储在单独的数据库/集合中的单行文档中。读取时无需排序，但每次任何序列获得新的数据点时都需要额外的写入。
b）保持水桶较小（每个水桶1小时）并进行分类。
答案 0 :(得分：0)
使用a）可以将较小的文档写到单独的集合中，这在性能上优于更新较大的文档。您可以根据自己的喜好在此集合中写入所有新数据点，并在小时或一天中汇总它们。但是正如您所说，这需要附加的写操作。
对于b），您需要牢记排序字段的索引大小。索引大小是否适合内存？这对于排序的性能至关重要，因为您不想对大型集合进行内存排序。
我建议探索一种混合方法，即在“传入”集合中在有限的时间内存储单个数据点。一旦达到小时或天的存储间隔，就可以将数据点聚合到存储桶中，并将它们存储在其他集合中。当然，现在应用程序中还存在一些其他复杂性，需要能够读取存储桶和数据点集合并将它们合并。