开发软件，你不可能逃脱数据库。7个大厂都在用的数据库，你懂的

研究药的都能能用上！这个数据库太实用，比想象中更牛！

哈，我已经多次使用过STITCH数据库，特别是在进行中草药网络药理分析时。
非常方便。
但想要使用顺利，就得花点心思。
比如我去年在研究黄芪多糖。
我刚开始用Itembyname研究黄芪多糖，但发现它根本不直接含有这种成分。
后来我改变了主意，利用其化学结构函数，将黄芪多糖单体的主要化学结构输入SMILES公式，然后找到了相关目标。
这提醒我，要使用这个数据库，你需要了解一些化学背景，而不能只是盲目地按名称搜索。

还有一个CancerHSP的子数据库，我以前研究抗癌药方时用过。
中草药抗癌药物的化合物和靶点信息相当完整，特别是不同癌细胞系的活性数据。
但请注意，这部分数据于2 01 8 年首次收集，部分新药或新靶点可能不包括在内。
我正在研究三氧化二砷的案例，它显示的目标与最新文献中报道的略有不同。
最后，我不得不亲自检查一下。

我没怎么用过PreDC子数据库。
听说最近在维护，可能不稳定。
不过，CVDSP子数据库对我帮助很大。
当我研究丹参时，我直接将丹参酮化合物与心血管目标联系起来，这节省了我很多时间。
不过，该数据库中的化合物信息截至2 02 0年，新上市药物的某些成分可能找不到。

总的来说，STITCH是一个很好的工具，但它并不是灵丹妙药。
尤其是中草药成分复杂，主要依靠化学结构相关的目标。
对于那些成分不明确的传统方剂来说，作用不大。
如果你把现代药物研究用来拓展靶点或者探索机制，效率确实很高。
但如果你是做纯粹的文献综述或者想深入了解某个方剂的经典理论，这对你帮助不大。

无论如何，你必须很了解他，当...使用它。
不要将其视为最终答案。
您必须将其与其他数据库和经验数据一起查看。

现在有哪些广泛使用的时序数据库？

2 02 2 年，在某个城市，我参与了一个需要处理大量物联网数据的项目。
当时我们面临着使用开源时序数据库还是云服务时序数据库的选择。
我很困惑，因为有这么多具有​​不同特征的类型。

首先我们考虑了InfluxDB，它基于TSM存储引擎，写入性能高达每秒2 0万个数据点，听起来不错，但我们的数据量可能更大。
然后是TimescaleDB，它基于PostgreSQL，兼容SQL，支持自动分片和压缩。
这听起来很广泛，但我们的需求可能更加实时。

接下来我们看一下国内自主研发的TDengine。
单节点写入能力达千万级/秒，支持1 0倍无损压缩，集群功能开源。
这听起来很强大，但是我们的场景可能更适合云服务。

因此，我们转向像 Amazon Timestream 这样的云服务时间序列数据库，它集成了 IoTCore 和 QuickSight，并支持自动数据分层。
看起来非常适合云原生的物联网设备管理，但是价格可能有点贵。

然后是阿里云TSDB，兼容OpenTSDB协议，拥有自研压缩算法优化存储效率，支持百万设备接入。
一个典型的案例就是智慧城市交通流量监控，看起来非常适合我们的需求。

腾讯CTSDB、HBase基于扩展的分布式架构，支持PB级数据存储和高并发写入。
其应用包括微信游戏赛段实时统计、游戏服务器性能监控等，也颇具吸引力。

最后，我们考虑了特殊领域的时间序列数据库，例如 KDB+，它专为高频交易而设计，支持亚毫秒级响应，这对于量化金融和股票市场的实时波动率计算非常有用。

后来我意识到也许我有偏见，因为每个数据库都有自己独特的优势。
我们最终选择了阿里云TSDB，因为它在存储效率和设备访问方面表现出色，而且价格相对合理。

现在回想起来，当时的选择其实是相当困难的，但通过比较和权衡，我们还是找到了最适合自己的解决方案。