現今有許多巨量資料屬於時間序列資料。無論您審視的是物聯網資料、金融服務資料還是 IT 基礎架構的資料，有時均會定期產生資料。Vertica 具備全方位的內建分析功能，包括時間序列、地理空間、模式比對等。這些功能可以協助您完成許多工作，以便針對這種特定類型的資料執行分析。
時間序列
隨著時間推移，時間序列分析會評估一組特定變數值，並將這些值分組至視窗中以進行分析和聚總。Vertica 統一分析平台是可擴充且快速的時間序列分析解決方案。平台的最佳化結構與分析功能，加上 Vertica 的直欄式特性，讓您可將時間序列資料排序、壓縮與分割，以提供最佳效能。
此外，Vertica 還提供多項可讓管理與分析時間序列變得更加輕鬆的重要功能。 例如，Vertica 提供的填補缺口功能，可作為插補方案來填補遺失的資料點。此方法可用於在一組已知資料點的範圍內建構新的資料點。平台會插補資料中的非時間序列欄 (例如，隨著時間片段運算的分析函式結果)，並將遺失的資料點新增至輸出。
以事件為基礎的視窗
以事件為基礎的視窗功能是 Vertica 標準 SQL 分析的一部分。這些功能可簡化時間序列資料中的事件偵測程序。以事件為基礎的視窗可讓您將時間序列資料分為多個視窗，以標記資料中的重要事件。這與金融資料尤其相關，因為其分析通常著重於觸發其他活動的特定事件。舉例來說，假設股票報價有特定輸入資料流，股票分析師可能會想在價差 (賣出價與買進價之間的差異) 超過 $0.05 時，將輸入報價放入新的群組中。如果將各個此類群組視為事件視窗，則視窗端點會以特定事件類型的發生作為定義依據。
| 分析類型 | Vertica 支援的項目 | ||
|---|---|---|---|
| 地理空間 | ✔ | ||
| 時間序列 | ✔ | ||
|
以事件為基礎的視窗
|
✔ | ||
| 事件序列合併 | ✔ | ||
| 模式比對 | ✔ | ||
|
機器學習 (預測)
|
✔ | ||
|
機器學習 (分類)
|
✔ | ||
事件序列合併
Vertica 支援一般的資料倉儲查詢合併。平台也提供插補述詞，允許特定類型的合併功能。事件序列合併是 Vertica SQL 的延伸功能，可讓您在兩個事件序列的測量間隔不完全一致時加以分析，例如時間戳記不相符時。這些合併功能可讓您以自然且有效率的方式，直接查詢不一致的事件資料，而不需要將序列標準化至相同的測量間隔。
模式比對
Vertica 透過事件系列模式比對延伸功能，原生支援路徑與模式分析。SQL MATCH 延伸功能可讓您在搜尋事件模式時，篩選大量的歷史資料。您可以將模式指定為規則運算式，然後在一系列輸入事件中搜尋該模式。MATCH 提供分析資料分割與排序的子條款，而且模式比對會發生在一組連續的資料列上。
機器學習
除了時間序列分析之外，企業也開始將預測性分析套用至各種用途，包含改善機器運作時間到降低客戶流失率。有了 Vertica，分析師現在可利用 SQL，以較大型的資料集為基礎，原生建立及部署機器學習模型，而無須降低取樣，藉此加速決策過程。
物聯網挑戰需要全新的資料管理與分析方法
巨量資料的時間序列分析：Vertica 如何協助您大規模從大型時間序列資料集取得洞見
