У нас есть большой и растущий набор данных экспериментальных данных, взятых из примерно 30 000 предметов. Для каждого объекта есть несколько записей данных. В каждой записи имеется коллекция нескольких временных рядов физиологических данных, каждая около 90 секунд и выборка на частоте 250 Гц. Я должен отметить, что любой данный экземпляр временного ряда никогда не расширяется, только дополнительные записи добавляются в набор данных. Эти записи имеют не все одинаковые длины. В настоящее время данные для каждой записи содержатся в собственном плоском файле. Эти файлы организованы в структуре каталогов, которая разбивается иерархически по версии общего эксперимента, местоположения эксперимента, даты и терминала эксперимента (в этом иерархическом порядке).
Большая часть нашего анализа выполняется в MATLAB, и мы планируем продолжать использовать MATLAB для дальнейшего анализа. Ситуация в ее нынешнем виде была работоспособной (если это было нежелательно), когда все исследователи были совместно расположены. Мы теперь распространились по всему миру, и я изучаю лучшее решение, чтобы сделать все эти данные доступными из удаленных мест. Я хорошо разбираюсь в MySQL и SQL Server и могу легко создать способ структурировать эти данные в рамках такой парадигмы. Однако я скептически отношусь к эффективности этого подхода. Я бы оценил любые предложения, которые могли бы указать мне в правильном направлении. Должен ли я рассматривать что-то другое? База данных временных рядов (хотя мне кажется, что меня настраивают на расширение существующих временных рядов)? Что-то еще?
Анализ не нужно делать онлайн, хотя возможность сделать это будет плюсом. На данный момент нашим типичным вариантом использования будет запрос определенного подмножества записей и выведение связанных временных рядов для локального анализа. Я ценю любой совет, который у вас есть.
Обновление:
В моих исследованиях я нашел эту статью, где они хранят и анализируют очень похожие сигналы. Они выбрали MongoDB по следующим причинам:
- Скорость разработки
- Легкость добавления полей в существующие документы (функции, извлеченные из сигналов и т.д.)
- Простота использования MapReduce через сам интерфейс MongoDB
Это все привлекательные преимущества для меня. Развитие выглядит мертвым простым, и способность легко дополнять существующие документы с результатами анализа явно полезна (хотя я знаю, что это не совсем сложно сделать в тех системах, с которыми я уже знаком.
Чтобы быть ясным, я знаю, что я могу оставить данные, хранящиеся в плоских файлах, и я знаю, что могу просто организовать безопасный доступ к этим плоским файлам через MATLAB по сети. Есть множество причин, по которым я хочу хранить эти данные в базе данных. Например:
- В настоящее время существует небольшая структура для плоских файлов, отличная от иерархической структуры, указанной выше. Невозможно вытащить все данные с определенного дня, не отрывая, по крайней мере, отдельные файлы для каждого терминала в течение определенного дня.
- Невозможно запросить метаданные, связанные с конкретной записью. Я содрогнулся, чтобы подумать об обручах, которые мне нужно было бы перепрыгнуть, чтобы, например, вытащить все данные для женских предметов.
Долгое и короткое, что я хочу хранить эти данные в базе данных по множеству причин (пространство, эффективность и простота доступа, среди многих других).
Обновление 2
Кажется, я недостаточно описываю характер этих данных, поэтому я попытаюсь прояснить. Эти записи, безусловно, являются данными временного ряда, но не так, как многие люди думают о временных рядах. Я не постоянно собираю данные для добавления в существующие временные ряды. Я действительно делаю несколько записей, все с разными метаданными, но из тех же трех сигналов. Эти сигналы можно рассматривать как вектор чисел, и длина этих векторов варьируется от записи до записи. В традиционной СУБД я мог бы создать одну таблицу для записи типа A, одну для B и т.д. И рассматривать каждую строку как точку данных в временном ряду. Однако это не работает, поскольку записи различаются по длине. Скорее, я предпочел бы иметь сущность, которая представляет человека, и связать этот объект с несколькими записями, взятыми у этого человека. Вот почему я рассмотрел MongoDB, так как я могу вложить несколько массивов (различной длины) в один объект в коллекции.
Потенциальная структура MongoDB
В качестве примера, вот что я набросал как потенциальную структуру BSON MongoDB для субъекта:
{
"songs":
{
"order":
[
"R008",
"R017",
"T015"
],
"times": [
{
"start": "2012-07-02T17:38:56.000Z",
"finish": "2012-07-02T17:40:56.000Z",
"duration": 119188.445
},
{
"start": "2012-07-02T17:42:22.000Z",
"finish": "2012-07-02T17:43:41.000Z",
"duration": 79593.648
},
{
"start": "2012-07-02T17:44:37.000Z",
"finish": "2012-07-02T17:46:19.000Z",
"duration": 102450.695
}
]
},
"self_report":
{
"music_styles":
{
"none": false,
"world": true
},
"songs":
[
{
"engagement": 4,
"positivity": 4,
"activity": 3,
"power": 4,
"chills": 4,
"like": 4,
"familiarity": 4
},
{
"engagement": 4,
"positivity": 4,
"activity": 3,
"power": 4,
"chills": 4,
"like": 4,
"familiarity": 3
},
{
"engagement": 2,
"positivity": 1,
"activity": 2,
"power": 2,
"chills": 4,
"like": 1,
"familiarity": 1
}
],
"most_engaged": 1,
"most_enjoyed": 1,
"emotion_indices":
[
0.729994,
0.471576,
28.9082
]
},
"signals":
{
"test":
{
"timestamps":
[
0.010, 0.010, 0.021, ...
],
"eda":
[
149.200, 149.200, 149.200, ...
],
"pox":
[
86.957, 86.957, 86.957, ...
]
},
"songs":
[
{
"timestamps":
[
0.010, 0.010, 0.021, ...
],
"eda":
[
149.200, 149.200, 149.200, ...
],
"pox":
[
86.957, 86.957, 86.957, ...
]
},
{
"timestamps":
[
0.010, 0.010, 0.021, ...
],
"eda":
[
149.200, 149.200, 149.200, ...
],
"pox":
[
86.957, 86.957, 86.957, ...
]
},
{
"timestamps":
[
0.010, 0.010, 0.021, ...
],
"eda":
[
149.200, 149.200, 149.200, ...
],
"pox":
[
86.957, 86.957, 86.957, ...
]
}
]
},
"demographics":
{
"gender": "female",
"dob": 1980,
"nationality": "rest of the world",
"musical_background": false,
"musical_expertise": 1,
"impairments":
{
"hearing": false,
"visual": false
}
},
"timestamps":
{
"start": "2012-07-02T17:37:47.000Z",
"test": "2012-07-02T17:38:16.000Z",
"end": "2012-07-02T17:46:56.000Z"
}
}
Те signal - это временные ряды.