存储高频活动数据的最佳数据库选择：SQL 与 NoSQL [已关闭]

问：

我们正在开发一个应用程序，用于跟踪各种用户活动（如步行、跑步等），包括他们的路线（位置点）、速度和心率（连接到心带时）。每 2-3 秒接收一次数据，为了减少位置数据，我们使用 Douglas-Peucker 算法。

我们的主要挑战是决定最适合我们需求的数据库类型，同时考虑长期性能和可扩展性。我们对 SQL 和 NoSQL 选项都持开放态度。

当前实施： 我们探索了使用

Azure CosmosDB（NoSQL 数据库）Azure CosmosDB （a NoSQL database）

并设计了一个数据模型，其中活动的所有数据存储在“活动”容器内的单个文档中，使用 activityId 作为分区键。文档结构如下所示：

{
  "activityId": "123",
  "loc_points": [
    {"lat": 12, "lng": 13, "alt": 100, "time": "2023-11-16"}
  ],
  "speeds": [
    {"speed": 10, "time": "2023-11-16"}
  ], 
  "heartRates" : [
    { "heartRate" : 120, "time" : "2023-11-16"}
   ]
}

替代方法： 我正在考虑的另一个模型是使用三个单独的容器：activityPoints、activityHeartRates 和 activitySpeeds。每个容器将存储由 activityId 链接的相应数据。例如：

{
  "activityId": "123",
  "loc_points": [...]
}

问题：

鉴于我们应用程序中数据收集的高频性， 在 CosmosDB 中，哪种数据模型更高效、更可缩放：每个活动使用单个文档，还是针对不同数据类型的单独容器？

CosmosDB 中是否有用于有效处理此类时序数据的最佳做法或模式？

在我们的方案中，索引或其他数据库优化是否会显著影响检索时间？

对类似用例的任何见解或经验将不胜感激。

C# Web API 用于后端和 Azure Cosmos SDK 与 Cosmos 交互。