# 物联网时序数据分析场景介绍
在物联网场景中，海量设备采集的数据需要进行低延迟的高效接入、存储和分析，数据具有高度的时间属性相关特点，传统数据库基于二维表的数据模型，无法满足物联网场景下高效的时序数据存储和分析需求。时序数据库则是专门针对物联网时序数据场景设计的存算引擎，数据按设备管理架构和时间属性进行组织存储和访问，具备低延迟、高并发、高性价比的特点，并提供丰富的时间序列语义，可以更好地满足物联网场景下时序数据分析的需求。
物联网时序数据分析架构如[图1]所示。
图1物联网时序数据分析   
![](https://support.huaweicloud.com/bestpractice-mrs/zh-cn_image_0000002379977820.png "点击放大")
- 数据源：物联网时序数据，包括离线的CSV文件数据、实时采集器采集的数据、或支持MQTT协议的物联网终端设备。
- 大数据平台：物联网时序数据分析的核心平台，包括实时数据管道、实时数据处理引擎、时序数据库等模块。
  - 实时消息管道：用于接收前端采集器推送的实时时序数据，作为实时时序数据接入的统一管道，对应MRS Kafka组件。
  
  - 实时流处理引擎：从Kafka实时读取时序数据，并进行一些逻辑运算，将实时时序数据写入时序数据库中。
  
  - 数据湖：其他IT系统上的数据，时序数据库可以通过跨源分析能力与数据湖中的全量数据进行关联，与IT数据进行进一步的复杂分析。
  
  - HetuEngine：跨源分析引擎，可以连接多个大数据组件进行数据查询，并可以将多个大数据组件中的数据在HetuEngine中进行统一分析。
  
  - IoTDB时序数据库：时序数据分析的核心组件，提供海量时序数据的存储和计算能力。
  
  - 离线加载：IoTDB提供的数据导入工具，可以将本地csv文件批量导入到IoTDB中。
  
  - 数据访问：提供JDBC/Restful的访问接口供应用程序访问，也可以直接提供IoTDB的生态插件与Grafana对接。
   
- 业务应用：查询并使用时序数据库中的数据的业务应用。