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](https://docs.aws.amazon.com//timestream/latest/developerguide/timestream-for-influxdb.html).

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Timestream untuk InfluxDB sebagai Target
<a name="timestream-influxdb-target"></a>

Amazon TimeStream for InfluxDB adalah layanan database deret waktu terkelola AWS yang menggunakan API InfluxDB sumber terbuka untuk aplikasi waktu nyata. Ini menawarkan pengaturan, pengoperasian, dan penskalaan yang mudah, memberikan kueri dengan waktu respons milidetik satu digit.

Langkah pertama untuk menentukan apakah Timestream untuk InfluxDB adalah target migrasi yang sesuai untuk kasus penggunaan Anda adalah menentukan kardinalitas Timestream Anda untuk tabel. LiveAnalytics Kami telah mengembangkan [skrip](https://github.com/awslabs/amazon-timestream-tools/blob/mainline/tools/python/liveanalytics_migration_scripts/cardinality/README.md) yang menghitung kardinalitas tabel di Timestream untuk. LiveAnalytics Perhitungan ini melayani dua tujuan:

1. Memeriksa apakah kardinalitas di bawah 10 juta, yang akan membantu menentukan apakah Timestream untuk InfluxDB dapat menangani kasus penggunaan Anda.

1. Membantu Anda memutuskan [Timestream untuk jenis Instance InfluxDB](timestream-for-influxdb.md#timestream-for-influx-dbi-classtypes) yang akan digunakan.

[Kardinalitas](https://docs.influxdata.com/influxdb/v2/reference/glossary/#series-cardinality) [di InfluxDB adalah jumlah [pengukuran](https://docs.influxdata.com/influxdb/v2/reference/syntax/line-protocol/#measurement) unik, [tag](https://docs.influxdata.com/influxdb/v2/reference/syntax/line-protocol/#tag-set), dan kombinasi [tombol bidang](https://docs.influxdata.com/influxdb/v2/reference/syntax/line-protocol/#field-set) dalam bucket InfluxDB.](https://docs.influxdata.com/influxdb/v2/admin/buckets/) Lihat [Timestream untuk dokumentasi InfluxDB tentang manajemen kardinalitas](timestream-for-influxdb.md#timestream-for-influx-getting-started-security-best-practices) untuk memahami bagaimana melebihi batas yang disarankan dapat menurunkan kinerja kueri dan meningkatkan konsumsi memori. Benchmark pola kueri yang Anda antisipasi terhadap sampel data representatif sebelum menyelesaikan pemilihan instans Anda untuk memastikan kueri Anda tetap berkinerja baik setelah migrasi. Perhatikan kueri agregasi intensif memori yang mungkin berperilaku berbeda dari di Timestream for. LiveAnalytics Saat bermigrasi dari Timestream untuk LiveAnalytics, pilih spesifikasi instans InfluxDB Anda dengan cermat berdasarkan kardinalitas kumpulan data Anda karena hal ini secara langsung memengaruhi kinerja dan persyaratan sumber daya. Kami merekomendasikan untuk mempertimbangkan tujuan lain jika kardinalitas data Anda lebih dari 10 juta.

**Ikhtisar skrip perhitungan kardinalitas**

Skrip perhitungan kardinalitas menghitung kardinalitas Timestream untuk tabel. LiveAnalytics Jika kardinalitas di bawah 10 juta, skrip merekomendasikan Timestream untuk jenis instans InfluxDB. Menggunakan pemetaan skema default, kardinalitas dihitung dengan menghitung total kombinasi unik dimensi dan nama ukuran. Memilih [tag protokol baris](https://docs.influxdata.com/influxdb/v2/reference/syntax/line-protocol/#elements-of-line-protocol) yang tepat (setara dengan dimensi di Timestream for LiveAnalytics) membantu Anda secara otomatis [mengindeks](https://docs.influxdata.com/influxdb/v2/reference/key-concepts/data-elements/#tag-value) data Anda dan memfilter data Anda secara efisien menggunakan tag. Skrip ini juga menyediakan opsi untuk mengecualikan dimensi tertentu saat menghitung kardinalitas. Jika berlaku untuk kasus Anda yaitu, jika Anda tidak menggunakan dimensi tertentu untuk memfilter data dalam kueri SQL (khususnya tidak menggunakannya sebagai predikat) maka Anda dapat mengecualikan dimensi ini dari perhitungan kardinalitas. Kemudian, Anda dapat menelannya sebagai bidang (setara dengan ukuran di Timestream for LiveAnalytics) di langkah migrasi berikutnya.

*Prasyarat dan instalasi*

Lihat bagian Prasyarat dan instalasi di README skrip [kardinalitas](https://github.com/awslabs/amazon-timestream-tools/blob/mainline/tools/python/liveanalytics_migration_scripts/cardinality/README.md).

**Penggunaan dasar**

Untuk menentukan kardinalitas tabel, example\_table, dalam database example\_database skrip dapat digunakan dengan cara berikut:

**Example**  

```
python3 cardinality.py \
    --table-name example_table \
    --database-name example_database
```

Ini menghasilkan output sebagai berikut:

```
Cardinality of "example_database"."example_table": 160
Your recommended Timestream for InfluxDB type is: db.influx.medium
```

**Rekomendasi**

Skrip secara otomatis memindai seluruh tabel untuk menghitung kardinalitas sambil menawarkan opsi filter waktu untuk eksekusi kueri yang optimal. Kami menyarankan untuk menerapkan filter waktu ketika data Anda melibatkan dimensi yang konsisten dan ketika menganalisis variasi dimensi yang berbeda di seluruh tabel menghasilkan hasil yang serupa dengan menganalisis rentang waktu tertentu. Pendekatan ini memastikan eksekusi kueri yang efisien dan berkinerja.

Untuk informasi lebih lanjut, lihat [README skrip kardinalitas.](https://github.com/awslabs/amazon-timestream-tools/blob/mainline/tools/python/liveanalytics_migration_scripts/cardinality/README.md)