태그: #time-series
GPU·LLM·MLOps·쿠버네티스, 그리고 마음가짐에 관한 글 · 7 편
InfluxDB 3 Core의 72시간 제한은 사실 432개 파일 제한이다 — Parquet 재작성이 남긴 청구서
InfluxDB 3는 엔진 전체를 Rust로 다시 쓰고 저장 계층을 Apache Arrow와 Parquet 위에 올렸습니다. 흔히 "Core는 72시간까지만 조회된다"고 알려져 있지만 소스를 읽어 보면 그런 코드는 없습니다. 실제로 존재하는 것은 쿼리 하나가 스캔할 수 있는 Parquet 파일 개수 제한 432개이고, 72시간은 기본 gen1 블록 10분을 곱해서 나온 파생값이자 최선의 경우
2026-07-16 · 34 분 읽기 #database#influxdb#time-series#parquet#storage-engine시계열 데이터베이스 2026 — TimescaleDB / InfluxDB 3 / QuestDB / ClickHouse / VictoriaMetrics 심층 비교
2026년 시계열 DB 지도를 그린다 — TimescaleDB(Postgres 확장 1위), InfluxDB 3(Apache DataFusion + Arrow로 다시 태어남), QuestDB(SQL + 빠른 ingest), ClickHouse(컬럼 스토어의 압도적 분석 성능), VictoriaMetrics(Prometheus 호환 + 가벼움), Prometheus + Grafana Mimir
2026-05-15 · 29 분 읽기 #time-series#database#tsdb#timescaledb#influxdb시계열 데이터베이스 완전 가이드 2025: TimescaleDB, InfluxDB, Prometheus, ClickHouse 비교
시계열 DB의 모든 것! TimescaleDB(PostgreSQL 확장), InfluxDB, Prometheus, ClickHouse, VictoriaMetrics 비교, 압축(Gorilla), 다운샘플링, 보존 정책, 카디널리티 폭증, IoT/모니터링/금융 사용 사례.
2026-04-15 · 19 분 읽기 #time-series#database#timescaledb#influxdb#prometheus딥러닝 시계열 분석 완전 가이드: LSTM, Transformer, PatchTST, TimesFM
딥러닝으로 시계열 데이터를 완전히 마스터하는 가이드. 시계열 전처리, ARIMA, LSTM, Temporal Fusion Transformer, PatchTST, Mamba, TimesFM 같은 최신 파운데이션 모델까지 실전 예제로 배웁니다.
2026-03-17 · 30 분 읽기 #time-series#lstm#transformer#forecasting#deep-learningTimescaleDB 시계열 데이터베이스 운영 가이드 — 하이퍼테이블, 연속 집계, 데이터 보존
TimescaleDB의 하이퍼테이블 설계, 연속 집계, 압축, 데이터 보존 정책을 실전 SQL 예제와 함께 정리하고, InfluxDB·ClickHouse와 비교합니다.
2026-03-09 · 25 분 읽기 #database#timescaledb#time-series#postgresql#2026-03TimescaleDB 시계열 데이터베이스 운영 가이드: Hypertable 설계부터 연속 집계와 압축 최적화까지
TimescaleDB의 Hypertable 아키텍처와 청크 관리, 연속 집계(Continuous Aggregates) 설정, 네이티브 압축으로 90% 스토리지 절감, 데이터 보존 정책, 그리고 프로덕션 쿼리 최적화와 트러블슈팅까지 다루는 종합 운영 가이드.
2026-03-07 · 33 분 읽기 #database#timescaledb#postgresql#time-series#hypertable시계열 변동성 예측 실전 가이드: GARCH 모델 패밀리와 Python 구현
ARCH/GARCH부터 EGARCH·GJR-GARCH·DCC-GARCH까지 변동성 모델의 수학적 원리, Python arch 패키지 기반 구현, 모델 선택·진단·백테스팅, 리스크 관리 실전 적용을 다룬다.
2026-03-06 · 39 분 읽기 #finance#garch#volatility#time-series#python