2025 年度时序数据库 IoTDB 论文总结，10 篇干货满满！

论文成果总结

2025 年度，学术界多个时序数据研究团队围绕时序数据库 IoTDB 进行了多方面的科研创新，在数据库领域 CCF-A 类国际期刊和会议上共发表论文 10 篇，包括：ACM TODS 1 篇、SIGMOD 3 篇、VLDB 2 篇、ICDE 4 篇，涵盖引擎、存储、查询、分析等方面。
在引擎方面，通过原生 TsFile 格式和高效处理引擎，IoTDB 实现了高吞吐写入与低延迟查询。IoTDB 社区还设计了免迁移的弹性分布式存储方案，能够在保障系统容灾能力的同时，实现存储均衡。
在存储方面，通过引入基于离群值分离的位打包技术（BOS）、面向编码数据的 SIMD 向量化聚合管道以及创新的同态压缩框架（CompressIoTDB），IoTDB 社区显著提升了数据压缩比和查询性能。
在查询方面，针对 LSM 树存储结构，IoTDB 社区提出了基于随机摘要的分位数查询方法以降低 I/O 开销，并设计了迭代最大三角形采样算法（ILTS）来优化时序数据的可视化质量与效率。
在分析方面，IoTDB 社区实现了数据库内置的季节性趋势分解方法（OneRoundSTL）和时序聚类方案，并提出了具有收敛性保证的多变量时序协同插补技术，从而为复杂时序分析提供了高效、可靠的原生支持。
这一系列创新性成果，为应对物联网时代海量、高速、多样化的时序数据管理挑战提供了坚实的理论与性能支撑。

引擎

ACM TODS 2025: Apache IoTDB: A Time Series Database for Large Scale IoT Applications



来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！