Per funzionalità simili a Amazon Timestream for, prendi in considerazione Amazon Timestream LiveAnalytics per InfluxDB. Offre un'acquisizione semplificata dei dati e tempi di risposta alle query di una sola cifra di millisecondi per analisi in tempo reale. Scopri di più qui.

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Interrogazione dei dati da Timestream per InfluxDB 3

Amazon Timestream per InfluxDB 3 fornisce più APIs query e protocolli per recuperare i dati delle serie temporali. La piattaforma supporta i linguaggi di query SQL e InfluxQL tramite i protocolli HTTP e Flight (gRPC), offrendo flessibilità per diversi casi d'uso e preferenze dei client.

Panoramica dei metodi di interrogazione

InfluxDB 3 supporta i seguenti metodi di interrogazione:

Utilizzo dell'API di query HTTP v3

L'API v3 fornisce endpoint dedicati per le query SQL e InfluxQL con supporto per i metodi GET e POST.

/api/v3/query_sqlInterrogazioni SQL ()

Esempio di richiesta 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'"

Esempio di richiesta POST (per query complesse):

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"
  }'

Query InfluxQL () /api/v3/query_influxql

Per le query InfluxQL, procedi come segue:

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"

Parametri di query

È possibile utilizzare i seguenti parametri di interrogazione:

Utilizzo della CLI Influxdb3

L'interfaccia a riga di comando (CLI) di InfluxDB 3 viene richiamata con il comando. influxdb3 Fornisce un modo interattivo per interrogare i dati con il supporto per più formati di output.

Di seguito viene mostrata una query di base:

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

Di seguito viene mostrata un'interrogazione con diversi formati di output:

# 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"

Sono supportati i seguenti formati di output:

Utilizzo dell'API di compatibilità v1

Per le query InfluxQL precedenti, usa l'endpoint: /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"

Opzioni di autenticazione per l'API HTTP Query v3

Formati di risposta per l'API HTTP Query v3

Esempi di query SQL

Di seguito viene illustrata una query di 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

Di seguito vengono illustrate le interrogazioni di aggregazione:

-- 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

Di seguito vengono illustrate le funzionalità SQL avanzate:

-- 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

Di seguito sono riportati esempi di 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

Di seguito viene illustrato come interrogare le tabelle di sistema per comprendere la struttura del database e monitorare le prestazioni:

-- 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

Procedure ottimali per le prestazioni delle query

Supporto per le interrogazioni nella libreria client

Le librerie client InfluxDB 3 utilizzano il protocollo Flight+gRPC per prestazioni ottimali. Il seguente codice Python ne mostra un esempio.

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"
)

Confronta le funzionalità di interrogazione SQL e InfluxQL

La tabella seguente confronta le funzionalità di query SQL e InfluxQL:

Comprendendo queste funzionalità di interrogazione e scegliendo il metodo appropriato per il vostro caso d'uso, potete recuperare e analizzare in modo efficiente i dati delle serie temporali da Timestream for InfluxDB 3.

Vantaggi SQL:

Vantaggi di InfluxQL:

Funzionalità di ottimizzazione delle query

InfluxDB 3 offre diverse funzionalità di ottimizzazione per migliorare le prestazioni delle query per casi d'uso specifici. Queste funzionalità sfruttano la memorizzazione nella cache in memoria e le strategie di indicizzazione personalizzate per fornire tempi di risposta inferiori al millisecondo per i modelli di dati a cui si accede di frequente.

Last Value Cache (LVC)

La Last Value Cache (LVC) memorizza i valori N più recenti per campi specifici in memoria, consentendo tempi di risposta inferiori a 10 ms per le query che richiedono i punti dati più recenti. Questa funzionalità è disponibile nelle edizioni Core ed Enterprise.

Come funziona LVC

LVC mantiene una tabella in memoria dei valori più recenti per ogni combinazione unica di colonne chiave (in genere tag). Ad esempio, con i dati dei sensori:

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 cache memorizza:

Crea un LVC

Utilizzate il seguente comando per creare 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

Interroga l'LVC

Utilizzate il seguente comando per interrogare 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'

Le migliori pratiche LVC

Distinct Value Cache (DVC)

La Distinct Value Cache (DVC) mantiene valori univoci per colonne di memoria specifiche, accelerando i tempi di risposta delle query sui metadati a meno di 30 ms. Disponibile nelle edizioni Core ed Enterprise.

Come funziona DVC

Il DVC memorizza tutte le combinazioni uniche di valori per colonne specifiche, perfette per le query che devono elencare i valori dei tag o i metadati disponibili.

Esempio di cache per i dati sulla posizione:

Crea un DVD

Utilizzate il seguente comando per creare 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

Interroga il DVC

Utilizzate il seguente comando per interrogare 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')

Le migliori pratiche DVC

Gli indici di file sono disponibili solo in Enterprise

Disponibile solo in Enterprise Edition. Gli indici di file consentono di personalizzare il modo in cui i dati vengono indicizzati nello storage, migliorando in modo significativo le prestazioni delle query a serie singola.

Indicizzazione predefinita e personalizzata

Indicizzazione predefinita: indici InfluxDB su tutti i tag più il tempo. 

Indicizzazione personalizzata: indicizza solo le colonne pertinenti alle tue domande.

Esempio di ottimizzazione:

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)

Di seguito viene illustrato come creare un indice di file personalizzato

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

Di seguito viene illustrato come eliminare un indice di file:

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

Considerazioni sull'indice dei file

Gestione delle informazioni sulla cache

Visualizza le configurazioni e le statistiche della cache utilizzando le tabelle di 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

Strategia di ottimizzazione delle prestazioni

Scegli le funzionalità di ottimizzazione giuste in base ai tuoi modelli di query:

Considerazioni sulla memoria e sulle risorse

Formula della memoria cache:

Migliori pratiche:

Sfruttando in modo appropriato queste funzionalità di ottimizzazione, è possibile ottenere significativi miglioramenti delle prestazioni per modelli di query specifici, gestendo al contempo il consumo di risorse in modo efficace.