Para obtener capacidades similares a las de Amazon Timestream, considere Amazon Timestream LiveAnalytics 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.

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Consulta de datos de Timestream para InfluxDB 3

Amazon Timestream para InfluxDB 3 proporciona varias API y protocolos de consulta para recuperar los datos de serie temporal. La plataforma admite los lenguajes de consulta SQL e InfluxQL a través de los protocolos HTTP y Flight (gRPC), lo que ofrece flexibilidad para diferentes casos de uso y preferencias del cliente.

Descripción general de los métodos de consulta

InfluxDB 3 admite los siguientes métodos de consulta:

Uso de la API de consultas HTTP de la versión 3

La versión 3 de la API proporciona puntos finales dedicados para las consultas de SQL e InfluxQL y admite los métodos GET y POST.

Consultas de SQL (/api/v3/query_sql)

Ejemplo de solicitud GET:

curl --get "https://your-cluster-endpoint:8086/api/v3/query_sql" \
  --header "Authorization: Bearer YOUR_TOKEN" \
  --data-urlencode "db=DATABASE_NAME" \
  --data-urlencode "q=SELECT * FROM home WHERE time >= now() - INTERVAL '1 day'"

Ejemplo de solicitud POST (para consultas complejas):

curl "https://your-cluster-endpoint:8086/api/v3/query_sql" \
  --header "Authorization: Bearer YOUR_TOKEN" \
  --json '{
    "db": "DATABASE_NAME",
    "q": "SELECT * FROM home WHERE room = '\''Kitchen'\'' AND temp > 20",
    "format": "jsonl"
  }'

Consultas InfluxQL (/api/v3/query_influxql)

Para las consultas de InfluxQL, haga lo siguiente:

curl --get "https://your-cluster-endpoint:8086/api/v3/query_influxql" \
  --header "Authorization: Bearer YOUR_TOKEN" \
  --data-urlencode "db=DATABASE_NAME" \
  --data-urlencode "q=SELECT mean(temp) FROM home WHERE time >= now() - 1d GROUP BY room"

Parámetros de consulta

Puede utilizar los siguientes parámetros de consultas:

Uso de la CLI de Influxdb3

La interfaz de la línea de comandos (CLI) de InfluxDB 3 se invoca con el comando influxdb3. Proporciona una forma interactiva de consultar sus datos con soporte para múltiples formatos de salida.

A continuación, se presenta una consulta básica:

influxdb3 query \
  --host "your-cluster-endpoint:8086" \
  --token "YOUR_TOKEN" \
  --database "DATABASE_NAME" \
  "SELECT * FROM home WHERE time >= now() - INTERVAL '1 day'"

A continuación, se muestra una consulta con diferentes formatos de salida:

# JSON output
influxdb3 query \
  --database "DATABASE_NAME" \
  --format json \
  "SELECT * FROM home LIMIT 10"

# CSV output
influxdb3 query \
  --database "DATABASE_NAME" \
  --format csv \
  "SELECT * FROM home LIMIT 10"

# Parquet file output
influxdb3 query \
  --database "DATABASE_NAME" \
  --format parquet \
  --output results.parquet \
  "SELECT * FROM home"

Se admiten los siguientes formatos de salida:

Uso de la API de compatibilidad con la versión 1

Para las consultas antiguas de InfluxQL, utilice el punto de conexión /query:

curl --get "https://your-cluster-endpoint:8086/query" \
  --header "Authorization: Bearer YOUR_TOKEN" \
  --data-urlencode "db=DATABASE_NAME" \
  --data-urlencode "q=SELECT * FROM home" \
  --data-urlencode "epoch=ms"

Opciones de autenticación para la API de consulta HTTP de la versión 3

Formatos de respuesta para la API de consulta HTTP de la versión 3

Ejemplos de consultas SQL

A continuación, se presenta una consulta básica:

-- Select specific fields with time filter
SELECT temp, humidity, room 
FROM home 
WHERE time >= now() - INTERVAL '7 days'
  AND room = 'Kitchen'
ORDER BY time DESC

-- Show all tables in database
SHOW TABLES

-- Show columns in a table
SHOW COLUMNS FROM home

A continuación, se muestran las consultas de agregación:

-- Aggregate by tags
SELECT 
  room,
  AVG(temp) as avg_temp,
  MAX(humidity) as max_humidity
FROM home
WHERE time >= now() - INTERVAL '24 hours'
GROUP BY room

-- Time-based aggregation using DATE_BIN
SELECT
  DATE_BIN(INTERVAL '1 hour', time) as time,
  AVG(temp) as avg_temp,
  COUNT(*) as reading_count
FROM home
GROUP BY 1
ORDER BY time DESC

A continuación, se muestran las características avanzadas de SQL:

-- Parameterized queries (via API)
SELECT * FROM home 
WHERE room = $room 
  AND temp > $min_temp
  AND time >= $start_time

-- Gap filling with interpolation
SELECT
  date_bin_gapfill(INTERVAL '5 minutes', time) as time,
  room,
  interpolate(avg(temp)) as temp
FROM home
WHERE time >= '2025-01-01T00:00:00Z' 
  AND time <= '2025-01-01T12:00:00Z'
GROUP BY 1, room

-- Type casting
SELECT 
  temp::INTEGER as temp_int,
  CAST(humidity AS VARCHAR) as humidity_str
FROM home

A continuación, se muestran ejemplos de consultas de InfluxQL:

-- Basic query with time filter
SELECT * FROM home WHERE time >= now() - 1d

-- Aggregation with GROUP BY time
SELECT MEAN(temp), MAX(humidity) 
FROM home 
WHERE time >= now() - 7d 
GROUP BY time(1h), room

-- Using selector functions
SELECT FIRST(temp), LAST(temp) 
FROM home 
WHERE time >= now() - 1h 
GROUP BY room

A continuación, se muestra cómo consultar las tablas del sistema para comprender la estructura de la base de datos y supervisar el rendimiento:

-- View all tables with schema information
SELECT * FROM information_schema.tables

-- View column details for a specific table
SELECT * FROM information_schema.columns 
WHERE table_name = 'home'

-- Monitor recent queries
SELECT * FROM system.queries 
ORDER BY issue_time DESC 
LIMIT 10

-- Check cache configurations
SELECT * FROM system.last_caches
SELECT * FROM system.distinct_caches

Prácticas recomendadas de rendimiento de consultas

Soporte para consultas en la biblioteca del cliente

Las bibliotecas cliente de InfluxDB 3 utilizan el protocolo Flight+gRPC para un rendimiento óptimo. El siguiente código de Python muestra un ejemplo de esto.

from influxdb3 import InfluxDBClient3

client = InfluxDBClient3(
    host="your-cluster-endpoint:8086",
    token="YOUR_TOKEN",
    database="DATABASE_NAME"
)

# SQL query
sql_result = client.query("SELECT * FROM home WHERE room = 'Kitchen'")

# InfluxQL query  
influxql_result = client.query(
    "SELECT MEAN(temp) FROM home WHERE time >= now() - 1h GROUP BY room",
    language="influxql"
)

Compare las capacidades de consulta de SQL e InfluxQL

En la siguiente tabla, se comparan las capacidades de consulta de SQL e InfluxQL:

Al comprender estas capacidades de consulta y elegir el método adecuado para su caso de uso, podrá recuperar y analizar de manera eficiente sus datos de serie temporal de Timestream para InfluxDB 3.

Ventajas de SQL:

Ventajas de InfluxQL:

Características de optimización de las consultas

InfluxDB 3 ofrece varias funciones de optimización para mejorar el rendimiento de las consultas en casos de uso específicos. Estas funciones aprovechan el almacenamiento en caché en memoria y las estrategias de indexación personalizadas para ofrecer tiempos de respuesta inferiores a un milisegundo para los patrones de datos a los que se accede con frecuencia.

Caché de último valor (LVC)

La caché de último valor (LVC) almacena los valores N más recientes de campos específicos en la memoria, lo que permite tiempos de respuesta inferiores a 10 ms para las consultas que necesitan los puntos de datos más recientes. Esta característica está disponible en las ediciones Core y Enterprise.

Cómo funciona LVC

El LVC mantiene una tabla en memoria con los valores más recientes para cada combinación única de columnas clave (generalmente etiquetas). Por ejemplo, con los datos de los sensores:

Table: home
├── Tags: room, wall
└── Fields: temp, humidity, co

LVC Configuration:
- Key columns: room, wall
- Value columns: temp, humidity, co
- Count: 4 (last 4 values)

La memoria caché almacena:

Cree un LCV

Utilice el siguiente comando para crear un LCV:

influxdb3 create last_cache \
  --database DATABASE_NAME \
  --token YOUR_TOKEN \
  --table home \
  --key-columns room,wall \
  --value-columns temp,hum,co \
  --count 5 \
  --ttl 30mins \
  homeLastCache

Consulte el LVC

Utilice el siguiente comando para consultar un LCV:

-- Query the last cached values
SELECT * FROM last_cache('home', 'homeLastCache')

-- Filter specific series
SELECT * FROM last_cache('home', 'homeLastCache') 
WHERE room = 'Kitchen'

Prácticas recomendadas de LVC

Caché de valores distintos (DVC)

La caché de valores distintos (DVC) mantiene valores únicos para columnas específicas de la memoria, lo que acelera las consultas de metadatos hasta tiempos de respuesta inferiores a 30 ms. Disponible en las ediciones Core y Enterprise.

Cómo funciona DVC

El DVC almacena todas las combinaciones únicas de valores para columnas específicas, lo que es perfecto para las consultas que necesitan enumerar los valores de etiquetas o los metadatos disponibles.

Ejemplo de caché para datos de ubicación:

Creación de un DVC

Utilice el siguiente comando para crear un DVC:

influxdb3 create distinct_cache \
  --database DATABASE_NAME \
  --token YOUR_TOKEN \
  --table wind_data \
  --columns country,county,city \
  --max-cardinality 10000 \
  --max-age 24h \
  windDistinctCache

Consulte el DVC

Utilice el siguiente comando para consultar un DVC:

-- Get all distinct values
SELECT * FROM distinct_cache('wind_data', 'windDistinctCache')

-- Get distinct countries
SELECT DISTINCT country 
FROM distinct_cache('wind_data', 'windDistinctCache')

Prácticas recomendadas de DVC

Los índices de archivos solo están disponibles en Enterprise

Disponible solo en la edición Enterprise. Los índices de archivos permiten personalizar la forma en que se indexan los datos en el almacenamiento, lo que mejora de forma considerable el rendimiento de las consultas de una sola serie.

Indexación predeterminada frente a indexación personalizada

Indexación predeterminada: InfluxDB indexa todas las etiquetas más el tiempo. 

Indexación personalizada: indexe solo las columnas relevantes para sus consultas.

Ejemplo de optimización:

Schema columns: country, state_province, county, city, postal_code
Query patterns: Always filter by country, state_province, city
Custom index: time, country, state_province, city (skip county, postal_code)

El siguiente ejemplo muestra cómo crear un índice de archivos personalizado

influxdb3 create file_index \
  --database DATABASE_NAME \
  --token YOUR_TOKEN \
  --table wind_data \
  country,state_province,city

En el siguiente ejemplo, se muestra cómo se elimina un índice de archivos:

influxdb3 delete file_index \
  --database DATABASE_NAME \
  --token YOUR_TOKEN \
  --table wind_data

Consideraciones sobre el índice de archivos

Administración de información de la caché

Vea las configuraciones y las estadísticas de la caché mediante tablas del sistema:

-- View Last Value Caches
SELECT * FROM system.last_caches

-- View Distinct Value Caches  
SELECT * FROM system.distinct_caches

-- Check cache memory usage
SELECT 
  cache_name,
  table_name,
  key_columns,
  value_count,
  memory_size_bytes
FROM system.last_caches

Estrategia de optimización de rendimiento

Elija las funciones de optimización adecuadas en función de sus patrones de consulta:

Consideraciones sobre la memoria y los recursos

Fórmula de memoria caché:

Prácticas recomendadas de:

Al aprovechar estas funciones de optimización de manera adecuada, puede lograr mejoras significativas en el rendimiento para patrones de consulta específicos y, al mismo tiempo, administrar el consumo de recursos de manera eficaz.