Para obtener capacidades similares a las de Amazon Timestream para LiveAnalytics, considere Amazon Timestream para InfluxDB. Ofrece una ingesta de datos simplificada y tiempos de respuesta a las consultas en milisegundos de un solo dígito para realizar análisis en tiempo real. Obtenga más información aquí.
Conceptos de Amazon Timestream para LiveAnalytics
Los datos de serie temporal son una secuencia de puntos de datos registrados durante un intervalo de tiempo. Este tipo de datos se utilizan para medir eventos que cambian a lo largo del tiempo. Algunos ejemplos son los siguientes:
-
Precios de los valores a lo largo del tiempo
-
Medidas de temperatura a lo largo del tiempo
-
Uso de la CPU de una instancia de EC2 a lo largo del tiempo
En el caso de los datos de serie temporal, cada punto de datos consta de una marca de tiempo, uno o más atributos y el evento que cambia con el tiempo. Estos datos pueden utilizarse para obtener información sobre el rendimiento y el estado de una aplicación, detectar anomalías e identificar oportunidades de optimización. Por ejemplo, los ingenieros de DevOps podrían querer ver los datos que miden los cambios en las métricas de rendimiento de la infraestructura. Es posible que los fabricantes quieran realizar un seguimiento de los datos de los sensores de IoT que miden los cambios en los equipos de una instalación. Es posible que los especialistas en marketing en línea quieran analizar los datos del flujo de clics que captan la forma en que un usuario navega por un sitio web a lo largo del tiempo. Como los datos de serie temporal se generan a partir de varios orígenes en cantidades extremadamente altas, es necesario recopilarlos prácticamente en tiempo real de manera rentable y, por lo tanto, requieren un almacenamiento eficiente que ayude a organizar y analizar los datos.
A continuación, encontrará los conceptos clave de Timestream para LiveAnalytics.
-
Serie temporal: secuencia de uno o más puntos de datos (o registros) registrados durante un intervalo de tiempo. Algunos ejemplos son el precio de un valor a lo largo del tiempo, el uso de la CPU o la memoria de una instancia de EC2 a lo largo del tiempo y la lectura de temperatura/presión de un sensor de IoT a lo largo del tiempo.
-
Registro: un solo punto de datos de una serie temporal.
-
Dimensión: atributo que describe los metadatos de una serie temporal. Una dimensión consta de un nombre de dimensión y un valor de dimensión. Considere los siguientes ejemplos:
-
Al considerar una bolsa de valores como una dimensión, el nombre de la dimensión es «bolsa de valores» y el valor de la dimensión es «NYSE».
-
Al considerar una región AWS como una dimensión, el nombre de la dimensión es «región» y el valor de la dimensión es «us-east-1».
-
En el caso de un sensor de IoT, el nombre de la dimensión es «ID del dispositivo» y el valor de la dimensión es «12345».
-
-
Medida: el valor real que mide el registro. Algunos ejemplos son el precio de valores, el uso de la CPU o la memoria y la lectura de temperatura o humedad. Las medidas se componen de los nombres y valores de las medidas. Considere los siguientes ejemplos:
-
En el caso del precio del valor, el nombre de la medida es «precio del valor» y el valor de la medida es el precio real del valor en un momento dado.
-
Para el uso de la CPU, el nombre de la medida es «uso de la CPU» y el valor de la medida es el uso real de la CPU.
Las medidas pueden modelarse en Timestream para LiveAnalytics como registros de varias medidas o de una sola medida. Para obtener más información, consulte Registros de medidas múltiples frente a registros de medida única.
-
-
Marca de tiempo: indica cuándo se recopiló una medida para un registro determinado. Timestream para LiveAnalytics admite marcas de tiempo con una granularidad de nanosegundos.
-
Tabla: un contenedor para un conjunto de series temporales relacionadas.
-
Base de datos: un contenedor de nivel superior para las tablas.
Un resumen de los conceptos de Amazon Timestream para LiveAnalytics
Una base de datos contiene 0 o más tablas. Cada tabla contiene 0 o más series temporales. Cada serie temporal consta de una secuencia de registros durante un intervalo de tiempo determinado con una granularidad específica. Cada serie temporal se puede describir mediante el uso de sus metadatos o dimensiones, sus datos o medidas y sus marcas de tiempo.
