Samenvatting van Twee Documenten (PDF)

Samenvatting van de twee documenten: Document 1: Flux Query Language  Wat is Flux? o Flux is een querytaal ontwikkeld door InfluxData. o Het is speciaal ontworpen voor time-series data en flexibeler dan SQL. o Gebruikt voor data-analyse, filtering, en visu...

Samenvatting van de twee documenten: Document 1: Flux Query Language  Wat is Flux? o Flux is een querytaal ontwikkeld door InfluxData. o Het is speciaal ontworpen voor time-series data en flexibeler dan SQL. o Gebruikt voor data-analyse, filtering, en visualisatie, bijvoorbeeld in Grafana.  Belangrijke kenmerken: o Ondersteunt data uit meerdere bronnen. o Flexibele filters en aggregaties, zoals gemiddelde, som, enz. o Voordelen in IoT-projecten: inzicht in trends, data-analyse over lange perioden.  Voorbeelden van gebruik: o aggregateWindow(): Gegevens groeperen per tijdsinterval. o di erence(): Verschillen berekenen tussen opeenvolgende datapunten. o map(): Waarden transformeren (bijvoorbeeld vermenigvuldigen). Document 2: Databanken  Wat is een databank? o Een georganiseerde verzameling gegevens die eenvoudig te beheren en doorzoeken is. o Kan data opslaan, wijzigen en verbanden leggen.  Soorten databanken: o Relationele databases: Structuur in tabellen met rijen en kolommen; gebruikt SQL. o Time-series databases: Geoptimaliseerd voor tijdsgebaseerde data (zoals sensorgegevens).  Gebruiksscenario’s: o Relationele databases: Klantgegevens, financiële transacties. o Time-series databases: IoT-data, logs, real-time monitoring.  Time-series in IoT: o IoT genereert enorme hoeveelheden tijdsgebaseerde data. o Retentiebeleid: Bepaalt hoe lang data wordt bewaard, met mogelijkheden voor downsampling. Conclusie:  Flux biedt krachtige mogelijkheden voor het verwerken van time-series data, vooral in IoT-toepassingen.  Relationele en time-series databases hebben elk hun eigen sterktes, afhankelijk van het gebruiksdoel.