> ## Documentation Index
> Fetch the complete documentation index at: https://clickhouse.com/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# 我可以将 ClickHouse 用作时间序列数据库吗？

> 介绍如何将 ClickHouse 用作时间序列数据库的页面

*注意：如需查看更多将 ClickHouse 用于时间序列分析的示例，请参阅博客 [Working with Time series data in ClickHouse](https://clickhouse.com/blog/working-with-time-series-data-and-functions-ClickHouse)。*

ClickHouse 是适用于 [OLAP](/docs/zh/resources/support-center/knowledge-base/general-faqs/olap) 工作负载的通用数据存储方案，而专门的[时间序列数据库管理系统](https://clickhouse.com/engineering-resources/what-is-time-series-database)也有很多。尽管如此，ClickHouse 对[查询执行速度](/docs/zh/get-started/about/why-clickhouse-is-so-fast)的重视，使其在许多场景下都能胜过专用系统。关于这一点，网上已经有不少独立基准测试，因此这里不再重复。相反，我们重点介绍一下在这种用例下值得使用的 ClickHouse 功能。

首先，有一些\*\*[专用编解码器](/docs/zh/reference/statements/create/table#specialized-codecs)\*\*非常适合典型的时间序列数据，例如 `DoubleDelta`、`Gorilla` 这样的通用算法，以及 ClickHouse 特有的 `T64`。

其次，时间序列查询通常只会访问近期数据，例如最近一天或一周的数据。此时，使用同时配备高速 NVMe/SSD 和大容量 HDD 的服务器会更合理。ClickHouse 的 [生存时间 (TTL)](/docs/zh/reference/engines/table-engines/mergetree-family/mergetree#table_engine-mergetree-ttl) 功能允许你将最新的热数据保存在高速盘上，并随着数据变旧逐步迁移到较慢的磁盘上。如果有这方面需求，还可以对更老的数据执行 rollup 或直接删除。

尽管这与 ClickHouse 存储和处理原始数据的理念并不完全一致，你仍然可以使用 [materialized views](/docs/zh/reference/statements/create/view) 来满足更严格的延迟或成本要求。