Starten Sie schnell mit einem flexiblen Schema, das für hohe Speichereffizienz optimiert ist.
Skalieren Sie Abfragen mit automatischen geclusterten Indexen auf Zeit und sekundären Indexen auf jedem Metadatenfeld.
Entdecken Sie Muster mit Fensterfunktionen und berechne gleitende Durchschnitte und Summen über flexible Zeitfenster.
Unterstützen Sie den gesamten Lebenszyklus von Time-Series-Daten, von der Aufnahme, Speicherung, Analyse und Visualisierung bis hin zur Datenarchivierung.
Verringern Sie die Latenz und halten Sie die Vorschriften zur Datenhoheit ein, indem Sie die Datensätze partitionieren und die Knoten bei den Datenherstellern platzieren.
Reduzieren Sie den Speicherbedarf Ihrer Datenbank um bis zu 70 % mit den besten Komprimierungsalgorithmen der Branche.
Fehlende Datenpunkte? Lückenfüllung und Verdichtung erleichtern den Umgang mit fehlenden Daten.
Löschen Sie Daten bei Bedarf, um die modernen Datenschutzbestimmungen einzuhalten.
Von der Geo-Indizierung bis zur schnelleren Leseleistung – sehen Sie, wie MongoDB 6.0 Time Series Collections auf das nächste Niveau bringt.
Lesen Sie den dreiteiligen Blog über den Aufbau einer Währungsanalyseplattform mit MongoDB Time Series
Unser Kafka Connector unterstützt jetzt Time Series
Verschieben Sie veraltete Daten automatisch aus der Datenbank in einen Cloud-Objektspeicher, ohne Zugriff auf sie zu verlieren oder sich mit ETL-Pipelines herumschlagen zu müssen.
Verwalten Sie Ihren gesamten Datenlebenszyklus nahtlos und wirtschaftlich.
Erstellen Sie Graphen aus einer beliebigen Time Series Collection von Atlas und betten Sie Visualisierungen in Ihre Anwendungen ein, um dem Benutzer ein reichhaltiges Erlebnis zu bieten.