.png){kind=icon}
返回
NPAC: numeric pattern aware compression algorithm for floating-point time-series data
.png){kind=icon}
PRE
AI
DOI：10.1007/s11280-025-01382-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着物联网（IoT）的快速发展，大量设备产生了海量时间序列数据。高效的压缩技术对于降低存储成本和提升查询性能至关重要。在各种数据类型中，浮点时间序列数据因其高精度和动态范围而面临显著的压缩挑战。然而，时间序列数据的数值模式在不同应用和传感器类型中差异巨大，因此针对单一模式设计的压缩算法往往缺乏灵活性，难以满足多样化需求。为克服这一局限，我们提出了NPAC，一种面向数值模式的时间序列数据压缩算法。NPAC在时间窗口层面采用分类模型识别数据中的底层数值模式，并引入双层决策架构以平衡压缩比和时间开销。在第一层，基于分类模型选择若干具有潜在高压缩比的候选方案；在第二层，通过成本函数评估压缩与解压时间，选择效率最高的方案作为最优方案。我们使用18个真实数据集将NPAC与传统压缩算法进行比较评估。结果表明，NPAC在多数场景下表现优于其他算法，平均压缩比提升61.63%。
Keyword:
Time series database
Lossless compression
Floating-point compression
Machine learning
Data numerical patterns
期刊
W
IF:
0
论文数:
68
被引数:
0
机构
引用论文
分享收藏
Fcbench: Cross-domain benchmarking of lossless compression for floating-point dataFcbench：针对浮点数据的无损压缩跨域基准测试.png)
IF0
PREAI
分享收藏Seer: An end-to-end toolkit for benchmarking time series database systems in monitoring applicationsSeer: 用于监控应用中时间序列数据库系统基准测试的端到端工具包
IF0
PREAI
分享收藏
查看更多内容