https://docs.timescale.com/timescaledb/latest/tutorials/nyc-taxi-cab/
处理传感器数据已经在各个领域积累了很多经验，面对智能航运相关的运行数据爆发，一些基础的技术准备工作是必须的。
基于传统数据库形成的采集、存储、显示的技术线路，一来并不能产生多少数据价值，长期作为监测报警系统的一部分；而来这个技术线路对巨量的传感器数据并不友好，采集存储端资源压力大，数据挖掘端也无法获得合适的工具和性能。
之前一直观察着influxdb，今天再引入一个TimescaleDB，虽然两者都是开源的时序数据库，但是在基础功能上，influxdb的集群功能是另外授权的， TimescaleDB基于底层的Postgre实现高可用和集群，填补了这个商用必须的功能空白。也正是由于Postgre的存在，TimescaleDB从某种角度上来说更灵活了一些。
开始的链接给出了基于TimescaleDB的一些应用案例，诸如Time-series forecasting之类最基础也是大家最关心的数据挖掘都有完整的演示。
Forecast the remaining lifespan of an IoT device
Forecast the number of taxi or ride share drivers necessary for a big holiday evening
看起来就很有趣，值得一试。