Untuk kemampuan serupa dengan Amazon Timestream LiveAnalytics, pertimbangkan Amazon Timestream untuk InfluxDB. Ini menawarkan konsumsi data yang disederhanakan dan waktu respons kueri milidetik satu digit untuk analitik waktu nyata. Pelajari lebih lanjut di sini.
Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Pemetaan model data untuk pemuatan batch
Berikut ini membahas skema untuk pemetaan model data dan memberi dan contoh.
Skema pemetaan model data
Sintaks CreateBatchLoadTask permintaan dan BatchLoadTaskDescription objek dikembalikan oleh panggilan untuk DescribeBatchLoadTask menyertakan DataModelConfiguration objek yang menyertakan DataModel untuk pemuatan batch. DataModelMendefinisikan pemetaan dari data sumber yang disimpan dalam format CSV di lokasi S3 ke Timestream target untuk database dan tabel. LiveAnalytics
TimeColumnBidang menunjukkan lokasi data sumber untuk nilai yang akan dipetakan ke time kolom tabel tujuan di Timestream untuk. LiveAnalytics TimeUnitMenentukan unit untukTimeColumn, dan dapat menjadi salah satu dariMILLISECONDS,, SECONDSMICROSECONDS, atauNANOSECONDS. Ada juga pemetaan untuk dimensi dan ukuran. Pemetaan dimensi terdiri dari kolom sumber dan bidang target.
Untuk informasi selengkapnya, lihat DimensionMapping. Pemetaan untuk tindakan memiliki dua opsi, MixedMeasureMappings dan. MultiMeasureMappings
Untuk meringkas, a DataModel berisi pemetaan dari sumber data di lokasi S3 ke Timestream target untuk tabel berikut ini. LiveAnalytics
-
Waktu
-
Dimensi
-
Tindakan
Jika memungkinkan, kami menyarankan Anda memetakan data pengukuran ke catatan multi-ukuran di Timestream untuk. LiveAnalytics Untuk informasi tentang manfaat catatan multi-ukuran, lihatCatatan multi-ukuran.
Jika beberapa ukuran dalam data sumber disimpan dalam satu baris, Anda dapat memetakan beberapa ukuran tersebut ke catatan multi-ukuran di Timestream untuk LiveAnalytics digunakan. MultiMeasureMappings Jika ada nilai yang harus dipetakan ke catatan ukuran tunggal, Anda dapat menggunakannyaMixedMeasureMappings.
MixedMeasureMappingsdan MultiMeasureMappings keduanya termasukMultiMeasureAttributeMappings. Catatan multi-ukuran didukung terlepas dari apakah catatan ukuran tunggal diperlukan.
Jika hanya catatan target multi-ukuran yang diperlukan di Timestream for LiveAnalytics, Anda dapat menentukan pemetaan ukuran dalam struktur berikut.
CreateBatchLoadTask
MeasureNameColumn
MultiMeasureMappings
TargetMultiMeasureName
MultiMeasureAttributeMappings array
catatan
Kami merekomendasikan penggunaan MultiMeasureMappings bila memungkinkan.
Jika catatan target ukuran tunggal diperlukan di Timestream for LiveAnalytics, Anda dapat menentukan pemetaan ukuran dalam struktur berikut.
CreateBatchLoadTask
MeasureNameColumn
MixedMeasureMappings array
MixedMeasureMapping
MeasureName
MeasureValueType
SourceColumn
TargetMeasureName
MultiMeasureAttributeMappings array
Saat Anda menggunakanMultiMeasureMappings, MultiMeasureAttributeMappings array selalu diperlukan. Bila Anda menggunakan MixedMeasureMappings array, jika MeasureValueType adalah MULTI untuk diberikanMixedMeasureMapping, MultiMeasureAttributeMappings diperlukan untuk ituMixedMeasureMapping. Jika tidak, MeasureValueType tunjukkan jenis ukuran untuk catatan ukuran tunggal.
Either way, ada array yang MultiMeasureAttributeMapping tersedia. Anda menentukan pemetaan ke catatan multi-ukuran di masing-masing MultiMeasureAttributeMapping sebagai berikut:
SourceColumn-
Kolom dalam data sumber yang terletak di Amazon S3.
TargetMultiMeasureAttributeName-
Nama nama multi-ukuran target di tabel tujuan. Input ini
MeasureNameColumndiperlukan ketika tidak disediakan. JikaMeasureNameColumndisediakan, nilai dari kolom itu digunakan sebagai nama multi-ukuran. MeasureValueType-
Salah satu
DOUBLE,BIGINTBOOLEAN,VARCHAR, atauTIMESTAMP.
Pemetaan model data dengan contoh MultiMeasureMappings
Contoh ini menunjukkan pemetaan ke catatan multi-ukuran, pendekatan yang disukai, yang menyimpan setiap nilai ukuran dalam kolom khusus. Anda dapat mengunduh sampel CSV di sampel CSV. Sampel memiliki judul berikut untuk dipetakan ke kolom target dalam Timestream untuk LiveAnalytics tabel.
-
time -
measure_name -
region -
location -
hostname -
memory_utilization -
cpu_utilization
Identifikasi time dan measure_name kolom dalam file CSV. Dalam hal ini peta ini langsung ke Timestream untuk kolom LiveAnalytics tabel dengan nama yang sama.
-
timepeta ketime -
measure_namepeta kemeasure_name(atau nilai yang Anda pilih)
Saat menggunakan API, Anda menentukan time di TimeColumn bidang dan nilai satuan waktu yang didukung seperti MILLISECONDS di TimeUnit bidang. Ini sesuai dengan nama kolom Sumber dan masukan waktu stempel waktu di konsol. Anda dapat mengelompokkan atau mempartisi catatan menggunakan measure_name yang didefinisikan dengan MeasureNameColumn kunci.
Dalam sampel,region,location, dan hostname dimensi. Dimensi dipetakan dalam array DimensionMapping objek.
Untuk ukuran, nilainya TargetMultiMeasureAttributeName akan menjadi kolom di Timestream untuk LiveAnalytics tabel. Anda dapat menyimpan nama yang sama seperti dalam contoh ini. Atau Anda dapat menentukan yang baru. MeasureValueTypeadalah salah satuDOUBLE,BIGINT,BOOLEAN,VARCHAR, atauTIMESTAMP.
{ "TimeColumn": "time", "TimeUnit": "MILLISECONDS", "DimensionMappings": [ { "SourceColumn": "region", "DestinationColumn": "region" }, { "SourceColumn": "location", "DestinationColumn": "location" }, { "SourceColumn": "hostname", "DestinationColumn": "hostname" } ], "MeasureNameColumn": "measure_name", "MultiMeasureMappings": { "MultiMeasureAttributeMappings": [ { "SourceColumn": "memory_utilization", "TargetMultiMeasureAttributeName": "memory_utilization", "MeasureValueType": "DOUBLE" }, { "SourceColumn": "cpu_utilization", "TargetMultiMeasureAttributeName": "cpu_utilization", "MeasureValueType": "DOUBLE" } ] } }
Pemetaan model data dengan contoh MixedMeasureMappings
Kami menyarankan Anda hanya menggunakan pendekatan ini ketika Anda perlu memetakan ke catatan ukuran tunggal di Timestream untuk. LiveAnalytics