Dados de Time Series

Visão geral

Neste guia, você pode aprender como usar o PyMongo para armazenar e interagir com dados de séries temporais.

Os dados de série temporal são compostos pelos seguintes componentes:

• Quantidade medida

• Carimbo de data/hora para a medição

• Metadados que descrevem a medição

A tabela a seguir descreve situações de exemplo para as quais você pode armazenar dados de série temporal:

Crie uma coleção de séries temporais

Para criar uma coleção de séries temporais, passe os seguintes argumentos para o método create_collection():

• Nome da nova coleção a ser criada

• timeseries Argumento

O argumento timeseries é do tipo dict. Contém os seguintes campos:

• timeField: especifica o campo que armazena um carimbo de data/hora em cada documento de série temporal.

• metaField: especifica o campo que armazena metadados em cada documento de série temporal .

• granularity: especifica o tempo aproximado entre carimbos de data/hora consecutivos. Os valores possíveis são 'seconds', 'minutes' e 'hours'.

• bucketMaxSpanSeconds: define o tempo máximo entre os registros de data/hora no mesmo bucket.

• bucketRoundingSeconds: define o número de segundos para arredondar para baixo quando o MongoDB define o timestamp mínimo para um novo bloco. Deve ser igual a bucketMaxSpanSeconds.

Consulte Campos de comando para saber mais sobre esses campos.

database = client.get_database("weather")
time_series_options = {
    "timeField": "timestamp"
}
database.create_collection("october2024", timeseries=time_series_options)

database = client.get_database("weather")
time_series_options = {
    "timeField": "timestamp"
}
await database.create_collection("october2024", timeseries=time_series_options)

print(list(database.list_collections(filter={'name': 'october2024'})))

{
    "name": "october2024",
    "type": "timeseries",
    "options": {
        "timeseries":   {
            "timeField": "timestamp",
            "granularity": "seconds",
            "bucketMaxSpanSeconds": 3600
        }
    },
    "info": {
        "readOnly": False
    }
}

collections = await database.list_collections(filter={'name': 'october2024'})
print(await collections.to_list())

{
    "name": "october2024",
    "type": "timeseries",
    "options": {
        "timeseries":   {
            "timeField": "timestamp",
            "granularity": "seconds",
            "bucketMaxSpanSeconds": 3600
        }
    },
    "info": {
        "readOnly": False
    }
}

Armazenar dados de série temporal

Você pode inserir dados em uma coleção de séries temporais usando os métodos insert_one() ou insert_many() e especificando a medida, o carimbo de data/hora e os metadados em cada documento inserido.

Para saber mais sobre como inserir documentos, consulte Inserir documentos.

from datetime import datetime
collection = database["october2024"]
document_list = [
    { "temperature": 77, "location": "New York City", "timestamp": datetime(2024, 10, 22, 6, 0, 0) },
    { "temperature": 74, "location": "New York City", "timestamp": datetime(2024, 10, 23, 6, 0, 0) }
]
collection.insert_many(document_list)

from datetime import datetime
collection = database["october2024"]
document_list = [
    { "temperature": 77, "location": "New York City", "timestamp": datetime(2024, 10, 22, 6, 0, 0) },
    { "temperature": 74, "location": "New York City", "timestamp": datetime(2024, 10, 23, 6, 0, 0) }
]
await collection.insert_many(document_list)

Consultar dados de série temporal

Você pode usar a mesma sintaxe e convenções para consultar os dados armazenados em uma coleção de séries temporais que você usa ao executar operações de leitura ou agregação em outras collections. Para saber mais sobre essas operações, consulte Consultar e transformar seus dados com agregação.

Informações adicionais

Para saber mais sobre os conceitos deste guia, consulte as seguintes entradas de manual do MongoDB Server :

• Séries temporais

• Criar e consultar uma coleção de séries temporais

• Definir granularidade para dados de série temporal