1.基于大数据的时序数据高效压缩方法，其特征在于，该方法包括：获取时序数据中各个数值对应的时间戳，并对时间戳进行压缩得到时间戳压缩信息，时间戳压缩信息包括：初始时间戳、时间戳递增量以及时间戳数量；

获取时序数据中数值连续重复出现的次数值，根据时序数据的数值顺序获取去掉连续重复数值的数值序列构建数值序列S对应的坐标点序列，并获取所述坐标点序列中两两相邻的坐标点之间的直线方程，对获取的直线方程进行霍夫变换得到霍夫点数列；

根据霍夫点数列获取去掉连续重复霍夫点的霍夫点序列将时间戳压缩信息、第一压缩信息、第二压缩信息及时序数据的第一个数值与最后一个数值存储，得到压缩数据；

获取时序数据中数值连续重复出现的次数值，根据时序数据的数值顺序获取去掉连续重复数值的数值序列根据时间戳顺序获取时序数据中各个时间戳对应的数值的原始序列；

根据原始序列中数值排列的顺序过滤掉原始序列中的连续重复的数值得到数值序列获取原始序列中数值连续重复的次数值，根据次数值和数值序列将第一序列

获取第一序列

将第一序列

2.根据权利要求1所述的基于大数据的时序数据高效压缩方法，其特征在于，对时间戳进行压缩得到时间戳压缩信息的步骤包括：根据各个时间戳获取初始时间戳、时间戳数量、时间戳递增量；

根据初始时间戳、时间戳数量、时间戳递增量，将各个时间戳压缩为时间戳压缩信息。

3.根据权利要求1所述的基于大数据的时序数据高效压缩方法，其特征在于，构建数值序列S对应的坐标点序列的步骤包括：对数值序列

以每个编号作为点坐标的横坐标，每个编号对应的数值作为纵坐标，得到坐标点序列。

4.根据权利要求1所述的基于大数据的时序数据高效压缩方法，其特征在于，对获取的直线方程进行霍夫变换得到霍夫点数列的步骤包括：将直线方程转换到霍夫空间中，得到多个霍夫空间中的霍夫点坐标；

根据霍夫点坐标顺序获取霍夫点数列。

5.根据权利要求1所述的基于大数据的时序数据高效压缩方法，其特征在于，还包括：计算压缩后的时序数据的压缩率的方法：根据下式（1）计算压缩率

其中，

6.根据权利要求5所述的基于大数据的时序数据高效压缩方法，其特征在于，还包括：对时序数据进行解压的方法：时间戳还原：根据时间戳压缩信息中的初始时间、时间戳递增量及时间戳数量，即可计算得到所有的时间戳；

数值还原：

根据第二压缩信息获取霍夫点的数量，霍夫点的数量对应坐标空间中的直线；

获取相邻两条直线之间的交点，该交点的纵坐标即为时序数据的部分数值，得到交点的纵坐标序列；

根据纵坐标序列及第三压缩信息中的第一个数值、最后一个数值，得到第一解压序列；根据第四序列中的分隔符“:”，对第四序列解压得到第二序列G；

根据第二序列G与第一解压序列将时序数据的数值恢复得到数值序列S；

根据第三序列中分隔符“:”，对第三序列解压得到第一序列N；

根据第一序列N、数值序列S得到时序数据的数值，即完成解压。