Für ähnliche Funktionen wie Amazon Timestream für sollten Sie Amazon Timestream for LiveAnalytics InfluxDB in Betracht ziehen. Es bietet eine vereinfachte Datenaufnahme und Antwortzeiten im einstelligen Millisekundenbereich für Analysen in Echtzeit. Erfahren Sie hier mehr.
Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Amazon Timestream für LiveAnalytics Verfügbarkeitsänderungen
Da Zeitreihenanwendungen besondere Anforderungen und Merkmale haben, bieten wir einen umfassenden Rahmen, der Sie bei der Bewertung verschiedener Alternativen unterstützt, bevor wir uns mit spezifischen Implementierungsdetails befassen. Diese allgemeinen Leitlinien dienen als Grundlage für Ihren Entscheidungsprozess. Detailliertere Schritte und praktische Implementierungen werden in den nachfolgenden Abschnitten behandelt.
Bewertung alternativer Dienste
- Anwendungsfall passt in Amazon Timestream für InfluxDB
-
Wir empfehlen Timestream for InfluxDB, wenn Ihr Timestream für LiveAnalytics Tabelle weniger als 10 Millionen Kardinalität (Serienschlüssel
) hat, also die eindeutigen Kombinationen von Amazon Timestream für Konzepte LiveAnalytics oder wenn Sie die Kardinalität Ihrer Tabelle auf unter 10 Millionen reduzieren können. Mit Timestream for InfluxDB haben Sie Zugriff auf die Funktionen der Open-Source-Version von InfluxDB. Wenn Sie diesen Pfad wählen, stehen Ihnen vorhandene Zeitreihenfunktionen zur Verfügung, z. B. Zeitreihenanalysefunktionen von Flux , Aufgaben (entsprichtGeplante Abfragen) und andere ähnliche Funktionen, die von Timestream for angeboten werden. LiveAnalytics Timestream for InfluxDB bietet auch InfluxQL (eine SQL-ähnliche Abfragesprache) für die Interaktion mit InfluxDB zur Abfrage und Analyse Ihrer Zeitreihendaten. - Verwenden Sie lieber SQL als InfluxQL
-
Wir empfehlen die Implementierung von Amazon Aurora oder RDS PostgreSQL. Diese Datenbanken bieten volle SQL-Funktionalität und bieten gleichzeitig effektive Funktionen zur Verwaltung von Zeitreihendaten. Zeitreihenanalysen können entweder mithilfe der integrierten Datenbankfunktionen implementiert werden, sofern verfügbar, oder auf Anwendungsebene verwaltet werden.
- Erfordert eine umfangreiche Datenaufnahme (mehr als 1 Million Datensätze pro Sekunde)
-
Wir empfehlen die Verwendung von Amazon DynamoDB oder anderen AWS NoSQL-Datenbanken
. Diese Datenbanken können je nach Ihren spezifischen Anwendungsanforderungen ausgewählt werden. Zeitreihenanalysen können entweder mithilfe der integrierten Datenbankfunktionen, sofern verfügbar, implementiert oder auf Anwendungsebene verwaltet werden.
Bevor Sie mit der Datenmigration zum ausgewählten alternativen AWS Service beginnen, müssen Sie unbedingt mehrere Schlüsselfaktoren abwägen, die Ihre Migrationsstrategie und deren letztendlichen Erfolg maßgeblich beeinflussen werden. Diese Bewertungen helfen Ihnen dabei, Ihren Ansatz zu gestalten, potenzielle Herausforderungen zu identifizieren und einen reibungsloseren Übergang während des Migrationsprozesses sicherzustellen.
Überlegungen zur Datenauswahl und Aufbewahrung
Beurteilen Sie den Umfang Ihrer Datenmigration, indem Sie genaue Aufbewahrungsanforderungen definieren. Überlegen Sie, ob Sie den gesamten historischen Datensatz, nur aktuelle Daten (z. B. die letzten 30, 60 oder 90 Tage) oder bestimmte Zeitreihendatensegmente migrieren müssen. Diese Entscheidung sollte sich an drei Schlüsselfaktoren orientieren: den Anforderungen zur Einhaltung gesetzlicher Vorschriften, den analytischen Anforderungen Ihres Unternehmens und praktischen Überlegungen zur Komplexität und den Kosten der Migration.
Analyse der Kompatibilität von Abfragemustern
Die Abfragekompatibilität zwischen Ihrem Quell- (Timestream für LiveAnalytics) und dem Zieldienst erfordert eine gründliche Prüfung, da Zeitreihendatenbanken Abfragesprachen und Funktionen unterschiedlich handhaben. Führen Sie umfassende Tests durch, um Syntaxunterschiede, funktionale Lücken und Leistungsunterschiede zwischen den Systemen zu identifizieren. Testen Sie alle geschäftskritischen Abfragen oder wenn möglich alle Abfragen, auf die sich Ihre Anwendungen verlassen, um sicherzustellen, dass sie nach der Migration korrekt funktionieren und leistungsfähig sind.
Planung der Datentransformation
Achten Sie vor der Migration genau auf die Schemazuordnung, um eine korrekte Datenausrichtung und strukturelle Konsistenz zwischen Quell- und Zielsystemen sowie genaue Datentypkonvertierungen sicherzustellen, die speziell auf Zeitreihendaten zugeschnitten sind. Diese Komponenten arbeiten zusammen, um die Datenqualität sicherzustellen, die Leistung zu optimieren und die Funktionalität über verschiedene Systemarchitekturen hinweg aufrechtzuerhalten. Berücksichtigen Sie außerdem alle speziellen Indizierungsmuster und systemspezifischen Optimierungen, um einen effizienten Datenzugriff und -abruf zu gewährleisten.
Verwaltung von Kontinuität und Ausfallzeiten
Da Datenmigration naturgemäß zu Betriebsunterbrechungen führt, ist die Entwicklung einer umfassenden Umstellungsstrategie entscheidend für den Erfolg. Einige bewährte Methoden, die im Migrationsplan zur Minimierung von Ausfallzeiten berücksichtigt werden sollten, sind:
-
Implementieren Sie nach Möglichkeit temporäre Parallelverarbeitungssysteme, um die Geschäftskontinuität aufrechtzuerhalten.
-
Planen Sie Migrationen in Zeiten mit wenig Verkehr, z. B. am Wochenende oder über Nacht.
-
Richten Sie bewährte Rollback-Verfahren ein, um bei unerwarteten Problemen eine schnelle Wiederherstellung zu gewährleisten.
