替代消失的时间序列：时间序列数据库建模

Question

我是时间序列数据库设计的新手。

我读过的指导原则之一是避免大量时间序列（例如InfluxDb recommendations）或短暂/消亡的时间序列。

作为练习，我正在尝试对 github 存储库的指标进行建模。我想跟踪由各种属性聚合的 cmets / commits / changed 行的总数。我最初的想法是在每个拉取请求上推送指标，并通过查询进行所有聚合。

{
   labels: {
      pr: 1234, 
      repo: aRepo, 
      author: personA
   }
   values: {
      commits: 5,
      changed_files: 2,
      comments: 0
      status: Open
   }
}

但这似乎与建议背道而驰（拉取请求被关闭并变得恒定）。另一种方法是在将聚合推送到数据库之前预先计算聚合。但是，这会导致数据粒度更小，并且会丢失数据。

对于临时时间序列的情况，这里的最佳策略是什么。

Answer 1

弄清楚什么是系列和什么是度量的经验法则是考虑数据集（系列）的基数：

1) 低基数（变量较少）值进入标签 - 这是您的分组/聚合道具

2) 高基数（高度可变）值本身就是测量值 - 这就是您要在上述组中聚合/计算的值

根据这条规则，pr id 进入值（每个 repo 都是唯一的 - 高基数），而 status 绝对是一个标签（你称它为标签）。

这样做，你的时间序列就会很好。