按时间间隔对时间序列数据进行分组

Question

比方说，我们正在为每10秒收集一种数据类型的设备存储数据。每个设备可以位于不同的时区。快速查询以可视化数据的能力非常重要。我们可以要求系统问题，比如下面：

1. For a specific device, I want the last 7 days of data grouped by day totals for my local timezone. 
2. For a specific device, I want the last year's data grouped by month totals for my local timezone. 

存储所有数据，UTC似乎是最干净的方法，但它要求数据的本地分组时变得非常棘手。例如，每个时区的日分组具有不同的偏移量。因此，如果我们要存储日，月，年“桶”，则它们都将按照UTC进行分组，这对于询问除UTC以外的其他时区是没有用的。

如果我们将分钟和小时“桶”中的数据进行分组（忽略不到一小时的时区，例如IST +5：30），我们可以使用小时“桶”来构造答案以上问题。对于问题2，每个分组将有12个分组，每个分组最多744小时。

有分钟和小时（忽略不到一小时的时区，例如IST +5：30）“桶”的方法是否看起来像样的设计？有没有人设计过类似的建议？

Answer 1

是的，通过偏移量创建存储桶是一个合理的设计，并且这经常发生在数据仓库（例如）中。

虽然以1小时为增量意味着忽略许多真实的地方。正如您所指出的那样，印度是一个使用:30偏移量的位置。如果您想要覆盖世界上每个现代时区，则实际上需要按15分钟段数进行反算，因为有几个是:30或:45偏移量。

当然，如果您觉得可以接受有错误的容限，那么您可以使用任何可以容忍的粒度。理论上，你可能会超过一个小时 - 你只会有一个更大的误差。

如果您想要考虑另一种方法，则可以使用设备的本地时间将值存储在date-time-offset表单中。索引此类值时，大多数数据库都将转换为UTC，因此您可能还需要一个计算列来提取和索引本地时间部分。然后，您可以在当地时间按天分组，而无需一定知道如何与UTC联系。这种方法的缺点是数据固定在原来的时区。你不能轻易重组来推断不同的时区。虽然如果这些是真实世界中的实际设备，那通常不是一个问题。