Pour des fonctionnalités similaires à celles d'Amazon Timestream pour, pensez à Amazon Timestream LiveAnalytics pour InfluxDB. Il permet une ingestion simplifiée des données et des temps de réponse aux requêtes à un chiffre en millisecondes pour des analyses en temps réel. Pour en savoir plus, cliquez ici.

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Interrogation de données depuis Timestream pour InfluxDB 3

Amazon Timestream pour InfluxDB 3 fournit plusieurs APIs requêtes et protocoles pour récupérer les données de vos séries chronologiques. La plate-forme prend en charge les langages de requête SQL et InfluxQL via les protocoles HTTP et Flight (gRPC), offrant ainsi une flexibilité adaptée aux différents cas d'utilisation et aux préférences des clients.

Vue d'ensemble des méthodes de requête

InfluxDB 3 prend en charge les méthodes de requête suivantes :

Utilisation de l'API de requête HTTP v3

L'API v3 fournit des points de terminaison dédiés pour les requêtes SQL et InfluxQL avec prise en charge des méthodes GET et POST.

Requêtes SQL (/api/v3/query_sql)

Exemple de requête 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'"

Exemple de requête POST (pour les requêtes complexes) :

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"
  }'

Requêtes InfluxQL () /api/v3/query_influxql

Pour les requêtes InfluxQL, procédez comme suit :

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"

Paramètres Query (Requête)

Vous pouvez utiliser les paramètres de requête suivants :

Utilisation de la CLI Influxdb3

L'interface de ligne de commande (CLI) InfluxDB 3 est invoquée avec la commande. influxdb3 Il fournit un moyen interactif d'interroger vos données en prenant en charge plusieurs formats de sortie.

Voici une requête de base :

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

Ce qui suit montre une requête avec différents formats de sortie :

# 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"

Les formats de sortie suivants sont pris en charge :

Utilisation de l'API de compatibilité v1

Pour les requêtes InfluxQL héritées, utilisez le /query point de terminaison :

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"

Options d'authentification pour l'API de requête HTTP v3

Formats de réponse pour l'API de requête HTTP v3

Exemples de requêtes SQL

Voici une requête de base :

-- 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

Les requêtes d'agrégation sont présentées ci-dessous :

-- 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

Les fonctionnalités SQL avancées sont présentées ci-dessous :

-- 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

Voici des exemples de requêtes 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

Voici comment interroger les tables système pour comprendre la structure de votre base de données et contrôler les performances :

-- 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

Bonnes pratiques en matière de performances des requêtes

Support des requêtes dans la bibliothèque cliente

Les bibliothèques clientes InfluxDB 3 utilisent le protocole Flight+gRPC pour des performances optimales. Le code Python suivant en montre un exemple.

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"
)

Comparez les fonctionnalités de requête SQL et InfluxQL

Le tableau suivant compare les fonctionnalités de requête SQL et InfluxQL :

En comprenant ces fonctionnalités de requête et en choisissant la méthode appropriée à votre cas d'utilisation, vous pouvez récupérer et analyser efficacement vos données de séries chronologiques à partir de Timestream pour InfluxDB 3.

Avantages du SQL :

Avantages d'InfluxQL :

Fonctionnalités d'optimisation des requêtes

InfluxDB 3 propose plusieurs fonctionnalités d'optimisation pour améliorer les performances des requêtes pour des cas d'utilisation spécifiques. Ces fonctionnalités tirent parti de la mise en cache en mémoire et de stratégies d'indexation personnalisées pour fournir des temps de réponse inférieurs à la milliseconde pour les modèles de données fréquemment consultés.

Cache de dernière valeur (LVC)

Le Last Value Cache (LVC) stocke les N valeurs les plus récentes pour les champs spécifiés en mémoire, ce qui permet des temps de réponse inférieurs à 10 ms pour les requêtes nécessitant les derniers points de données. Cette fonctionnalité est disponible dans les éditions Core et Enterprise.

Comment fonctionne LVC

Le LVC conserve une table en mémoire des valeurs les plus récentes pour chaque combinaison unique de colonnes clés (généralement des balises). Par exemple, avec les données des capteurs :

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)

Le cache stocke :

Création d'un LVC

Utilisez la commande suivante pour créer un LVC :

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

Interrogez le LVC

Utilisez la commande suivante pour interroger un LVC :

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

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

Bonnes pratiques en matière de PVC

Cache à valeurs distinctes (DVC)

Le Distinct Value Cache (DVC) conserve des valeurs uniques pour des colonnes spécifiques en mémoire, accélérant ainsi les requêtes de métadonnées à des temps de réponse inférieurs à 30 ms. Disponible dans les éditions Core et Enterprise.

Comment fonctionne le DVC

Le DVC stocke toutes les combinaisons uniques de valeurs pour des colonnes spécifiées, ce qui est parfait pour les requêtes qui doivent répertorier les valeurs de balises ou les métadonnées disponibles.

Exemple de cache pour les données de localisation :

Création d'un DVC

Utilisez la commande suivante pour créer 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

Interrogez le DVC

Utilisez la commande suivante pour interroger 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')

Meilleures pratiques en matière de DVC

Les index de fichiers ne sont disponibles que dans Enterprise

Disponible uniquement dans l'édition Enterprise. Les index de fichiers permettent de personnaliser la manière dont les données sont indexées dans le stockage, ce qui améliore considérablement les performances des requêtes portant sur une seule série.

Indexation par défaut ou personnalisée

Indexation par défaut : InfluxDB indexe toutes les balises plus le temps. 

Indexation personnalisée : indexez uniquement sur les colonnes pertinentes pour vos requêtes.

Exemple d'optimisation :

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)

Ce qui suit montre comment créer un index de fichiers personnalisé

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

Voici comment supprimer un index de fichiers :

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

Considérations relatives aux index de fichiers

Gestion des informations du cache

Affichez les configurations du cache et les statistiques à l'aide des tables système :

-- 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

Stratégie d'optimisation des performances

Choisissez les bonnes fonctionnalités d'optimisation en fonction de vos modèles de requêtes :

Considérations relatives à la mémoire et aux ressources

Formule de mémoire cache :

Bonnes pratiques :

En tirant parti de ces fonctionnalités d'optimisation de manière appropriée, vous pouvez améliorer considérablement les performances pour des modèles de requêtes spécifiques tout en gérant efficacement la consommation de ressources.