我有大量的多元时间序列要分析（TB 级数据），我需要快速、可扩展的算法来完成两个主要任务：

• 在时间序列中找到相似的模式。例如，假设我在参考时间序列中识别出某种模式。我有一组不同的时间序列，我想知道在哪些时间序列中我可以找到相似的模式（比如说，相似的形状），以及时间序列的哪一部分。过去，我使用 Dynamic Time Warping 作为时间序列之间相似性的度量（更准确地说，作为度量），我非常喜欢它，因为它是一种非常直观的方法。但是，DTW 并不是我所说的“可扩展”算法（但我可能错了，在这种情况下请纠正我）。相反，有人告诉我应该切换到 SAX。

• 多变量时间序列的异常检测。例如，我从一台处于“正常运行”状态的机器获取多个传感器测量值。然后我为同一台机器获取更多数据。我需要确定机器的行为何时与我认为的“正常操作”有很大不同。

看看 Mueen 和 Keogh 关于Matrix Profile的教程，我认为它可能对我的目标有所帮助（或者至少时间序列主题可能会有所帮助）。但是，我不熟悉这种用于时间序列分析的算法（我一般不是时间序列专家）。因此，在开始一项耗时的文献研究之前，我想知道：

• 我对吗？这些工具对我的目标有用吗，还是有更好的方法？
• 你能给我关于这些工具的直觉吗？当然，我不希望您向我展示详细的实现，而是可以帮助我更快地消化相关文献的东西。