Tablestore Timestream：为海量时序数据存储设计的全新数据模型
引言
随着近几年物联网的发展，时序数据迎来了一个不小的爆发。为了存储这些时序数据，各大企业纷纷推出自己的时序数据库。Tablestore作为阿里云自研的NoSQL多模型数据库，能够提供海量结构化数据存储以及快速的查询和分析服务，其在存储模型、数据规模以及写入和查询能力上，都能很好的满足时序数据的场景，另外已经支持很多时序类业务，例如监控类的云监控，事件类的阿里健康药品追踪以及快递包裹轨迹等。
【监控】InfluxDB与 Prometheus的监控分析
InfluxDB 与 Prometheus 两个时序数据库可以说是在一个十字路口，背向而行的两个数据库。怎么这么说呢？InfluxDB 是 push 的方式获取监控指标数据， Prometheus 是 pull 的方式获取监控指标数据， promethues 的生态也很完善，比如我们可以使用 cortex 来实现 多租户的管理， influxDB ，还不清楚。这里需要简单的去看一下 influxDB 和 prometheus 两个数据库，做一个比较。
面向应用的反范式化建模
主要内容：
一、基础：数据分布
二、Cassandra的数据模型
三、范式与反范式设计
四、典型场景分析
业务连续性管理最佳实践
本文根据付来文老师在 GOPS 全球运维大会 2021 · 深圳站的演讲速记整理而成。 作者：付来文，花名“郁松”。
本文介绍更偏业务连续性管理领域的事情，将从两大块进行介绍：
• 一是业务连续性管理的逻辑，不止是业务连续性，而是业务连续性管理，是最佳实践，包括背景及定义；
• 二是阐述一下我理解的业务连续性管理，也是我们在实践中沉淀下来的体系，包括实践经验和实践案例。
MRS IoTDB时序数据库的架构设计与实现（上）
MRS IoTDB是近年来最新推出的时序数据库产品，其领先的设计理念在时序数据库领域展现出越来越强大的竞争力，得到了越来越多的用户认可。为了大家更好地了解MRS IoTDB，本文将会系统地为大家介绍MRS IoTDB的来龙去脉和功能特性，重点为大家介绍MRS IoTDB时序数据库的架构设计与实现，这次先为大家介绍MRS IoTDB的整体架构设计，后续系列文章会为大家逐步展开细节介绍。
