Depende de tus casos de uso.
Si su caso de uso principal es buscar eventos particulares (“encontrar una aguja en un pajar”), puede usar bases de datos SQL o NoSQL con un buen rendimiento de búsqueda basado en una clave de tiempo. Cualquier RDBMS y bases de datos NoSQL como HBase y Cassandra funcionan.
Si su caso de uso principal es el análisis y la computación en un rango de datos (“¿Cuál es la correlación de movimiento diario de AAPL y GOOG?”), Entonces desea usar bases de datos OLAP. Algunas bases de datos OLAP están diseñadas específicamente para datos de series temporales, mientras que otras son más genéricas. Vertica, KDB +, Redshift, BigQuery y Teradata vienen inmediatamente a mi mente.
- ¿Cuándo es preferible usar árboles de regresión en el aprendizaje automático?
- ¿Cómo funciona Delta TF-IDF?
- ¿Recomendaría un MBA de una escuela superior o un doctorado en Aprendizaje automático de una escuela superior?
- Sin considerar el costo del conjunto de validación, ¿necesito muchos datos para reducir el costo del tren en la Red neuronal profunda?
- ¿Hay proveedores de reconocimiento de voz que aún brinden soluciones de servidor en las instalaciones (no en la nube) en 2017?
Si su caso de uso principal es la supervisión (“¿Qué está pasando con mis sistemas ahora?”), Desea utilizar bases de datos y sistemas similares a las bases de datos que se destacan en esta área. InfluxDB, Elasticsearch, Splunk, OpenTSDB vienen inmediatamente a mi mente.
Si tiene curiosidad acerca de OLAP v. OLTP, lea ¿Cuál es la diferencia entre OLAP y OLTP?