DB-Engines最新发布的2022年3月时序数据库排名榜单中，国产时序数据库DolphinDB继2月荣登该榜单前10后，又前进至第9名，也是目前唯一排名前10的国产时序数据库。自2019年参与DB-Engines排名以来，DolphinDB凭借广大用户的支持与产品优异的性能，排名一路飙升。
近几年，时序数据库（time-series database）一直是数据库的热点。在DB-Engines最近24个月的流行度报告中，时序数据库力压其他类别的数据库，是增长趋势最快的数据库类别。尽管与关系型数据库相比，时序数据库还很年轻，但关于海量时序数据的新的解决方案、项目和基础工具正在蓬勃发展。
时序数据无处不在
如今时序数据的应用场景十分广泛，许多类型的数据都是时间序列数据：
l 金融市场交易
l 传感器测量（水冷、高温、地震...）
l 服务器监控（CPU、内存、磁盘...）
l 资源消耗（能源、电力...）
l 人体健康（心率、血氧浓度...）
l 网络访问
通过保留数据固有的时间序列性质，我们可以记录下事物是如何随时间变化的事实，正因如此，这一反应真实的客观属性使得时序数据在特定的场景中充满了商业价值：通过分析时序数据，决策者可以了解到生产和业务中的细微变化，从而对资源优化、跟踪、预测、商业智能等方面进行优化。
当然，想要记录并分析时序数据也带来一个明显的问题: 由于时序数据产生的速度非常快，且规模庞大，如何以一种高性能的方式记录、查询和分析如此大规模的数据，成为了一个难题。时序数据库(time-series database)应运而生。
掌握过去、了解现在和预测未来
在时序数据库成为热点之前，时序数据通常使用MySQL或PostgreSQL等关系数据库进行处理。但自2010年以来，随着互联网和通信技术的发展，网络中产生的时间序列数据量有了爆炸式的增长，传统的数据库已经无法处理这种万亿级的海量数据。不仅如此，现代业务对数据价值挖掘的需求已不仅仅停留在简单计算和绘制图表的层面上，而是需要更多精细、复杂的计算分析。以对数据价值嗅觉最敏感的金融领域为例，早在20年前，华尔街就已经开始使用时序数据库对股票交易数据进行实时的计算分析。
高压缩比，高写入吞吐量，以及高速的时间序列查询，是时序数据库相比于关系数据库在处理海量时序数据方面的最基本的能力和优势。DolphinDB支持每秒百万级以上（随集群规模增大而增大）的数据写入，万亿级数据毫秒级查询以及秒级的计算响应。
真正让DolphinDB脱颖而出的，是DolphinDB强大的实时数据处理能力和历史数据分析能力。DolphinDB内置了高效的流数据系统和1000+计算函数。在同一个系统内实现了海量历史数据和实时流数据的便捷存储、查询、分析仿真和可视化。同时流批一体的产品设计，让用户可以在极短时间内将研发成果部署到生产环境，极大提高工作效率，提升企业的竞争优势。
DolphinDB的付费客户遍及中国大陆及港台地区、欧洲、美国、澳大利亚等地，客户领域包括金融、能源、智能制造、电信、化工、水务、营销分析、智慧城市等。DolphinDB让企业从海量数据中高效发掘数据尤其是实时数据的价值，以实时反控业务系统，助力企业和用户实时商业决策，真正做到掌握过去、了解现在和预测未来。
