EasyDAP (EDAP) 是一站式数据湖管理与分析平台，提供数据采、建、管、用全生命周期的大数据能力， 帮助企业数据资产建设和开发分析应用。EDAP 提供多种计算平台支持及可拓展的开放能力，降低企业大数据开发应用门槛、提高大数据开发效率。
干货概览 在百度大规模时序数据存储（一）| 监控场景的时序数据文章中，我们简要地介绍了百度监控场景时序数据的特点，且分析了在每天万亿级的数据规模下，时序数据的存储所面临着的诸多挑战。
同时并非将数据移动到单个存储库中，在数据原本存储的地方访问数据并动态执行数据转换和汇总。 数据规模。
早期方案一般基于数据库中间件存储元数据，这类方案存在两个比较大的问题：1）扩展性存在瓶颈——扩容只能倍扩，对成本造成很大压力；2）对跨库的分布式事务支持不好。
总结 本文主要介绍了监控场景时序数据的特点，以及我们在设计时序数据存储时面临的挑战，对于百度在应对这些挑战时的设计实践，敬请期待下期文章。
过期数据处理 数据价值会随着时间越来越低，任何一个存储系统都不可能永久无限制地保存所有历史数据，因为无论从成本投入、维护难度上都是得不偿失。
缓存图示 文件存储 如果需要开发一款抖音、B 站之类的产品，就需要存储大量图像、视频等数据，仅仅一个数据库可能并不能满足我们的需求，因为这时需要存储的是文件而非一般的数据信息，数据库本质依然只能用来查询信息数据而已
存储成本：随着多模态的引入，业务数据由几十 TB、数百 TB 快速积累到数 PB，存储成本越来越不容忽视。
设备购买、维护及软件安装成本远高于购买云数据库服务，并且难部署； 高运维成本：传统单机数据库多采用主备架构保证高可用和业务连续，该架构弹性能力差、流量高峰同步效率低、主备切换时间不可控，运维人员工作负担重
由于数据规模庞大且出于业务数据隔离和定期清理的需要，我们设计了分库分表功能；为了提升历史数据存储和查询效率，同时节省存储成本，我们又设计了多级降采样功能。
，我们设计了具备分钟级自愈能力的异地冗余架构；为了节约存储成本，我们引入并改进了 Facebook 的时序数据压缩算法。
