机器学习数据是时间序列数据而InfluxData提供了提供的时间序列平台

InfluxData是 开放源代码平台 ，旨在让开发人员构建下一代监控，分析和物联网应用程序， 报告称，其对时间序列数据的实时收集和分析正在为机器学习系统带来好处，包括实时决策和系统的自我修复。机器学习解决方案仅与收集并可用于学习算法的实时数据一样好。由于缺乏实时收集和分析数据流以进行自我学习，自我修复和实时决策的能力，因此无法发挥其优势。

机器学习数据是时间序列数据，而InfluxData提供了提供的时间序列平台，可确保实时收集和分析数据。借助InfluxData，开发人员可以利用流数据输入来制定机器决策算法并实时采取行动。

例如，InfluxData合作伙伴 eSmart Systems的 智能分析平台可捕获，分析，可视化并将实时运营数据转换为可操作的见解，以实现下一代运营绩效。它将InfluxData托管在其机器学习平台上，作为时间序列数据收集和存储的核心。因此，eSmart Systems可以触发实时操作，例如发布工作订单以进行预防性维护或控制信号以关闭/关闭设备。

“时间序列数据在使用能源时至关重要，而测量能源的组件数据可帮助我们预测在运营，资产管理和预防性维护方面将要发生的情况，” eSmart Systems的首席技术官埃里克·奥斯伯格(ErikÅsberg)说。“借助InfluxData，我们可以从大量设备中收集数据，从RTU和智能电表到EV充电器和太阳能电池板，其数据分辨率都可以达到亚秒级。”

InfluxData是一个专用平台，旨在处理机器学习系统的明确需求，而通用工具无法满足这些需求。它独特地处理从物联网传感器和仪表以快速速率生成的大量流数据，然后压缩数据以免消耗存储容量。eSmart Systems使用InfluxData作为其解决方案的重要组成部分，以实时解释和分析机器学习数据，并启动实时决策和行动。

在另一个用例中， Switch的 自动化技术通过将卡放在“钱包顶部”来帮助发卡机构重新捕获并增加卡收入。借助一流的安全协议，Switch可以发现在哪里使用卡进行支付，导航到登录页面，并代表每个用户添加新的或更新的支付卡。通过将匿名的众包站点工件流式传输到InfluxDB中以进行学习，分析和支持，可以启用此独特功能。

“了解这些任务对最终用户的执行情况对于确保它们提供有效的解决方案很重要，” Switch的研发总监Gary Tomlinson说。“ InfluxDB使收集提要站点工件很容易，然后将它们流式传输到我们的机器学习系统中进行分析和支持。”

InfluxData CMO马克·赫林(Mark Herring)表示：“只有通过在仍然重要的情况下提供答案，才能实现真正的价值，并且只有将其应用于实时流数据时才能实现机器学习的真正潜力。”

业界意识到，时间序列数据库可以最好地满足这些需求，从而有效地处理这些工作负载。机器学习是InfluxData提供的时间序列平台的许多现代应用程序之一，并且行业正在转向InfluxData来满足实时决策所需的这些数据收集和存储要求。”

度量，事件和其他基于时间的数据正以指数速度生成，因为对分析当今复杂环境的需求日益增长。InfluxData平台提供了一套全面的工具和服务，以通过强大的可视化和通知功能来累积指标和事件数据，分析数据以及对数据进行操作。

根据DB-Engines 本月早些时候发布的最新结果， InfluxData的InfluxDB数据库是时间序列数据库管理系统中的压倒性提供者 。InfluxData的独特功能使客户能够快速构建：

监视，警报和通知应用程序，支持其DevOps计划

物联网应用程序每秒支持数百万个事件，围绕预测性维护以及实时警报和控制提供新的业务价值

专注于流数据和异常检测的实时分析应用程序

InfluxData通过提供发展最快的开源平台，使客户能够获得更好的业务洞察力，数据驱动的实时行动以及可扩展的业务，从而迅速建立了包括制造，金融服务，能源和电信在内的各个行业的开发人员和客户群。从应用程序到微服务，从系统到传感器的整个基础架构的统一单一视图。

包括Cisco Systems，Coupa Software，IBM，Houghton Mifflin Harcourt，Nordstrom和Tesla在内的420多个客户已选择InfluxData作为其用于度量和事件的现代数据平台。InfluxData率先在现代指标和事件平台中向时间序列转变，并使客户有可能成为数据驱动型并采取数字化转型计划。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！