Metrics 时序数据是可观测场景使用频度最高的数据类型，处在整个可观测流程的第一步。近年来随着云原生、AI、边缘计算的快速发展，时序场景出现明显的"更新换代"特征，对时序引擎提出新要求：
- 观测粒度变细：从整体监控变为细节监控，观测对象可能出现 10 倍甚至百倍增长。
- 观测间隔变短：从分钟级到秒级甚至毫秒级，即使从 1 分钟变 5 秒也有 12 倍数据量增长。
- 更加动态的场景：容器化、训练任务、Serverless 使 Instance 生命周期越来越短，传统时序引擎性能急剧变差。
- 从查看到分析：查询方式从点查演变为多维度聚合分析，与 OLAP 界限逐渐模糊。
- 从人工到自动：AIOps、大模型让自动化分析成为主流，查询压力急剧增加。
基于这些趋势，下一代时序引擎应具备：读写稳定性以应对高 SLA、灵活支持各种数据 Schema 与类型、对高基数和不同精度数据的兼容性、支持大量聚合报警分析的高性能、灵活的查询模式，以及大规模数据下的低成本处理与保存能力。
