TimescaleDB séries temporelles : tutoriel 2026

TimescaleDB transforme PostgreSQL en base optimisée pour séries temporelles : métriques IoT, capteurs, logs structurés, données financières. Compression auto, partitioning par time, agrégations rapides.

Voir notre guide extensions PG.

Installation

docker run -d \
  -e POSTGRES_PASSWORD=secret \
  timescale/timescaledb:latest-pg16

# Dans psql
CREATE EXTENSION timescaledb;

Hypertable

CREATE TABLE sensor_data (
  time timestamptz NOT NULL,
  sensor_id integer NOT NULL,
  temperature double precision,
  humidity double precision
);

-- Convertir en hypertable (partitioning auto par time)
SELECT create_hypertable('sensor_data', 'time');

-- Index supplémentaire
CREATE INDEX ON sensor_data (sensor_id, time DESC);

Insertions massives

INSERT INTO sensor_data (time, sensor_id, temperature, humidity)
VALUES (now(), 1, 28.5, 65.2);

-- Bulk insert : 100 000 rows/s sur VPS modeste

Agrégations rapides

-- Moyenne température par heure aujourd'hui
SELECT
  time_bucket('1 hour', time) AS hour,
  AVG(temperature) AS avg_temp
FROM sensor_data
WHERE time > now() - INTERVAL '1 day'
GROUP BY hour
ORDER BY hour;

Compression automatique

ALTER TABLE sensor_data SET (
  timescaledb.compress,
  timescaledb.compress_segmentby = 'sensor_id'
);

SELECT add_compression_policy('sensor_data', INTERVAL '7 days');

Données > 7 jours auto-compressées (généralement 10-20x ratio).

Retention policy

SELECT add_retention_policy('sensor_data', INTERVAL '1 year');

Cas d’usage Afrique

• IoT agriculture : capteurs température/humidité dans les champs
• Téléphonie/réseau : métriques par heure
• Apps fitness : données utilisateur historique
• Trading : prix d’actifs en time series

Pour aller plus loin

• Guide extensions PG
• Documentation TimescaleDB : docs.timescale.com