企业捕获信息的速度继续超过其分析和使用信息的能力。数据类型，传感器，操作设备和收集数据的应用程序的激增，助长了现状。对于要求现代化其数据集成策略的数字企业而言，这极大地放大了数据集成挑战。它们还需要通过元数据驱动的方法启用的工具，以在超连接的基础结构中集成数据，而不管其结构或来源如何。

“微服务”以及“无服务器”是很难定义的术语，因为它们描述的模式和体系结构与特定技术一样多。然而，调查数据表明，这些主题之间有很强的相关性，快速数据”显示，微服务采纳和使用流媒体技术之间的另一个强有力的联系。请注意，快速数据是一个术语，旨在指示速度而非大小（即大数据）是参考框架。虽然只有34％的受访者在生产中使用微服务，但在生产中使用高级快速数据用例的受访者中这一数字上升到50％。高级用例包括实时个性化，机器学习和IoT管道，并且不包括提取，转换和加载（ETL）和传统统计分析之类的活动。

现在我们了解了时间序列数据是什么以及为什么要将其存储在时间序列数据库中，因此我们面临了一个新的挑战。与任何应用程序一样，我们希望确保我们的数据库查询是智能的和高性能的，因此让我们谈谈如何避免一些常见的陷阱。

为物联网解决方案选择合适的数据库平台是一项艰巨的任务。首先，物联网解决方案可以分布在各个地理区域。与基于集中式云的解决方案相反，更多解决方案正在采用边缘雾计算和云计算的组合。因此，您的数据库平台必须为您提供灵活性，以便在边缘处理数据并在边缘服务器和云之间进行同步，根据您的物联网用例，数据库中所需的功能可能包括实时数据流，数据过滤和聚合，接近零延迟的读取操作，即时分析，高可用性，地理分布，架构灵活性等。上。本文引导您完成为物联网解决方案选择正确的数据库平台的四个步骤：

会话存储（大多数基于Web的应用程序的常见组件），并讨论如何将分析内置到这些会话存储中，以便它们可以实时进行智能决策，我们探讨了与会话存储和微服务有关的概念，数据结构可以将智能作为会话存储的一部分非常有效地实现，以及一些需要这种类型的智能的常见模式。这些措施包括仅向用户显示新内容（过滤出板岩内容），提出相关/个性化的建议或建议，以及向大量用户推送相关通知。

基于Hadoop和NoSQL的新现代应用程序的激增给IT团队带来了有关安全性，合规性和工作流的新运营挑战，从而为更广泛地采用Hadoop和NoSQL带来了障碍，的数据量以及跨复杂的多云基础架构管理数据的复杂性只会进一步加剧该问题。幸运的是，基于机器学习的数据管理工具的发展正在帮助组织应对这些挑战。