InfluxData是一个开源平台，专为开发人员构建下一代监控、分析和物联网应用而设计。根据该报告，它对时间序列数据的实时收集和分析正在给机器学习系统带来好处，包括系统的实时决策和自我修复。机器学习解决方案仅与收集的实时数据一样好，并且可用于学习算法。由于缺乏实时采集和分析数据流进行自学习、自修复和实时决策的能力，无法充分发挥其优势。
机器学习数据是时间序列数据，InfluxData提供了一个时间序列平台，保证数据的实时采集和分析。借助InfluxData，开发人员可以使用流数据输入来制定机器决策算法并实时采取行动。
例如，InfluxData合作伙伴eSmart Systems的智能分析平台可以捕获、分析、可视化实时运营数据，并将其转化为可操作的见解，以实现下一代运营绩效。它在其机器学习平台上托管InfluxData，作为时间序列数据收集和存储的核心。因此，eSmart Systems可以触发实时操作，例如发布预防性维护的工作指令或控制关闭/关闭设备的信号。
eSmart Systems首席技术官Erik sberg表示：“在使用能源时，时间序列数据非常重要，测量能源的组件数据可以帮助我们预测在运营、资产管理和预防性维护中会发生什么。“借助InfluxData，我们可以从大量设备中收集数据，从RTU和智能电表到ev充电器和太阳能电池板，数据分辨率可达亚秒级。”
InfluxData是一个特殊的平台，旨在处理机器学习系统的明确要求，而这些要求是普通工具无法满足的。它独特地快速处理从物联网传感器和仪表产生的大量流数据，然后压缩数据以避免消耗存储容量。ESmart Systems将InfluxData作为其解决方案的重要组成部分，用于实时解释和分析机器学习数据，并启动实时决策和行动。
在另一个使用案例中，Switch的自动化技术通过将卡放在“钱包顶部”来帮助发卡方重新获得并增加卡收入。凭借一流的安全协议，Switch可以找出在哪里使用卡进行支付，导航到登录页面，并代表每个用户添加新的或更新的支付卡。这一独特的功能可以通过将匿名众包网站工件流式传输到InfluxDB中进行学习、分析和支持来实现。
“了解这些任务是如何为最终用户执行的，对于确保他们提供有效的解决方案非常重要，”R & amp切换总监。“InfluxDB使收集提要站点工件变得容易，然后将它们流式传输到我们的机器学习系统进行分析和支持。”
InfluxData CMO公司的Mark Herring说：“只有在答案仍然重要的时候提供答案，才能实现真正的价值，只有将答案应用于实时流数据，才能实现机器学习的真正潜力。”
业界已经意识到时间序列数据库最能满足这些需求，从而有效处理这些工作负载。机器学习是英飞凌数据提供的时间序列平台的众多现代应用之一，行业正在转向英飞凌数据，以满足这些数据收集和存储需求，从而进行实时决策。"
度量、事件和其他基于时间的数据正以指数级的速度生成，因为对分析当今复杂环境的需求正在增加。InfluxData平台提供了一套全面的工具和服务，通过强大的可视化和通知功能来积累指标和事件数据、分析数据和操作数据。
根据本月早些时候DB-Engines发布的最新结果，InfluxData的InfluxDB数据库是时间序列数据库管理系统中压倒性的提供者。流入数据的独特功能使客户能够快速构建：
监控、提醒和通知应用程序，以支持其开发计划。
物联网应用支持每秒数百万个事件，围绕预测性维护和实时警报和控制提供新的业务价值。
实时分析应用侧重于流数据和异常检测。
通过提供增长最快的开源平台，InfluxData使客户能够获得更好的业务洞察力、数据驱动的实时行动和可扩展的业务，从而在包括制造业、金融服务、能源和电信在内的各个行业迅速建立开发者和客户群。从应用程序到微服务，从系统到传感器，整个基础架构的统一单一视图。
超过420家客户，包括思科系统公司、Coupa软件公司、IBM公司、霍顿米夫林哈科特公司、诺德斯特龙公司和特斯拉公司，选择了InfluxData作为他们的现代测量和活动数据平台。InfluxData在现代指数和事件平台中率先转化为时间序列，让客户成为数据驱动，采用数字化转型计划成为可能。