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.

Meminta data dari Timestream untuk InfluxDB 3

Amazon TimeStream untuk InfluxDB 3 menyediakan beberapa kueri APIs dan protokol untuk mengambil data deret waktu Anda. Platform ini mendukung bahasa kueri SQL dan InfluxQL melalui protokol HTTP dan Flight (gRPC), menawarkan fleksibilitas untuk berbagai kasus penggunaan dan preferensi klien.

Ikhtisar metode kueri

InfluxDB 3 mendukung metode query berikut:

Menggunakan API kueri HTTP v3

API v3 menyediakan titik akhir khusus untuk kueri SQL dan InfluxQL dengan dukungan untuk metode GET dan POST.

Kueri SQL () /api/v3/query_sql

DAPATKAN contoh permintaan:

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'"

Contoh permintaan POST (untuk kueri kompleks):

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"
  }'

kueri InfluxQL () /api/v3/query_influxql

Untuk kueri InfluxQL lakukan hal berikut:

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"

Parameter kueri

Anda dapat menggunakan parameter kueri berikut:

Menggunakan CLI Influxdb3

Antarmuka baris perintah InfluxDB 3 (CLI) dipanggil dengan perintah. influxdb3 Ini menyediakan cara interaktif untuk menanyakan data Anda dengan dukungan untuk beberapa format output.

Berikut ini menunjukkan query dasar:

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

Berikut ini menunjukkan query dengan format output yang berbeda:

# 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"

Format output berikut didukung:

Menggunakan API kompatibilitas v1

Untuk kueri InfluxQL lama, gunakan titik akhir: /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"

Opsi otentikasi untuk v3 HTTP Query API

Format respons untuk API Kueri HTTP v3

Contoh Query SQL

Berikut ini menunjukkan query dasar:

-- 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

Berikut ini menunjukkan kueri agregasi:

-- 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

Berikut ini menunjukkan fitur SQL tingkat lanjut:

-- 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

Berikut ini menunjukkan contoh query 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

Berikut ini menunjukkan bagaimana untuk query tabel sistem untuk memahami struktur database Anda dan memantau kinerja:

-- 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

Praktik terbaik kinerja kueri

Dukungan kueri pustaka klien

Pustaka klien InfluxDB 3 menggunakan protokol Flight+GRPC untuk kinerja optimal. Kode Python berikut menunjukkan contoh ini.

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"
)

Bandingkan kemampuan kueri SQL dan InfluxQL

Tabel berikut membandingkan kemampuan query SQL dan InfluxQL:

Dengan memahami kemampuan kueri ini dan memilih metode yang sesuai untuk kasus penggunaan Anda, Anda dapat secara efisien mengambil dan menganalisis data deret waktu Anda dari Timestream untuk InfluxDB 3.

Keuntungan SQL:

Keuntungan InfluxQL:

Fitur pengoptimalan kueri

InfluxDB 3 menawarkan beberapa fitur pengoptimalan untuk meningkatkan kinerja kueri untuk kasus penggunaan tertentu. Fitur-fitur ini memanfaatkan caching dalam memori dan strategi pengindeksan khusus untuk memberikan waktu respons sub-milidetik untuk pola data yang sering diakses.

Cache Nilai Terakhir (LVC)

Last Value Cache (LVC) menyimpan nilai N terbaru untuk bidang tertentu dalam memori, memungkinkan waktu respons sub-10ms untuk kueri yang memerlukan titik data terbaru. Fitur ini tersedia dalam edisi Core dan Enterprise.

Bagaimana LVC bekerja

LVC mempertahankan tabel dalam memori dari nilai terbaru untuk setiap kombinasi unik kolom kunci (biasanya tag). Misalnya, dengan data sensor:

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)

Cache menyimpan:

Buat LVC

Gunakan perintah berikut untuk membuat 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

Kueri LVC

Gunakan perintah berikut untuk query LVC:

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

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

Praktik terbaik LVC

Cache Nilai Berbeda (DVC)

Distinct Value Cache (DVC) mempertahankan nilai unik untuk kolom tertentu dalam memori, mempercepat kueri metadata hingga kurang dari 30 ms waktu respons. Tersedia dalam edisi Core dan Enterprise.

Cara kerja DVC

DVC menyimpan semua kombinasi nilai unik untuk kolom tertentu, cocok untuk kueri yang perlu mencantumkan nilai tag atau metadata yang tersedia.

Contoh cache untuk data lokasi:

Buat DVC

Gunakan perintah berikut untuk membuat 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

Kueri DVC

Gunakan perintah berikut untuk menanyakan DVC:

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

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

Praktik terbaik DVC

Indeks file hanya tersedia di Enterprise

Hanya tersedia dalam Enterprise Edition. Indeks file memungkinkan penyesuaian bagaimana data diindeks dalam penyimpanan, secara signifikan meningkatkan kinerja kueri seri tunggal.

Default vs. pengindeksan khusus

Pengindeksan Default: InfluxDB mengindeks pada semua tag plus waktu. 

Pengindeksan Kustom: Indeks hanya pada kolom yang relevan dengan kueri Anda.

Contoh optimasi:

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)

Berikut ini menunjukkan cara membuat indeks file kustom

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

Berikut ini menunjukkan cara menghapus indeks file:

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

Pertimbangan indeks file

Mengelola informasi cache

Lihat konfigurasi cache dan statistik menggunakan tabel sistem:

-- 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

Strategi pengoptimalan kinerja

Pilih fitur pengoptimalan yang tepat berdasarkan pola kueri Anda:

Pertimbangan memori dan sumber daya

Rumus memori cache:

Praktik terbaik:

Dengan memanfaatkan fitur pengoptimalan ini secara tepat, Anda dapat mencapai peningkatan kinerja yang signifikan untuk pola kueri tertentu sambil mengelola konsumsi sumber daya secara efektif.