Amazon Timestream for LiveAnalytics に類似した機能をご希望の場合は Amazon Timestream for InfluxDB をご検討ください。リアルタイム分析に適した、シンプルなデータインジェストと 1 桁ミリ秒のクエリ応答時間を特徴としています。詳細については、こちらを参照してください。

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

Timestream for InfluxDB 3 からのデータのクエリ

Amazon Timestream for InfluxDB 3 には、時系列データを取得するための複数のクエリ API とプロトコルが用意されています。このプラットフォームは、HTTP プロトコルと Flight (gRPC) プロトコルを通じて SQL クエリ言語と InfluxQL クエリ言語の両方をサポートし、さまざまなユースケースやクライアント設定に柔軟に対応します。

クエリメソッドの概要

InfluxDB 3 では、次のクエリメソッドをサポートしています。

v3 HTTP Query API の使用

v3 API では、GET メソッドと POST メソッドの両方をサポートする SQL クエリと InfluxQL クエリ専用のエンドポイントが提供されます。

SQL クエリ (/api/v3/query_sql)

GET リクエストの例:

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'"

POST リクエストの例 (複雑なクエリの場合):

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"
  }'

InfluxQL クエリ (/api/v3/query_influxql)

InfluxQL クエリの場合は、次を行います。

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"

クエリパラメータ

次のパラメータを使用することができます。

Influxdb3 CLI の使用

InfluxDB 3 コマンドラインインターフェイス (CLI) は influxdb3 コマンドで呼び出されます。複数の出力形式をサポートしてデータをクエリするインタラクティブな方法を提供します。

基本的なクエリを以下に示します。

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

以下は、さまざまな出力形式のクエリを示しています。

# 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"

以下の出力形式がサポートされています。

v1 Compatibility API の使用

レガシー InfluxQL クエリの場合は、/query エンドポイントを使用します。

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"

v3 HTTP Query API の認証オプション

v3 HTTP Query API のレスポンス形式

SQL クエリの例

基本的なクエリを以下に示します。

-- 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

集計クエリを次に示します。

-- 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

以下に、SQL の高度な機能を示します。

-- 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

以下に、InfluxQL クエリの例を示します。

-- 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

以下は、システムテーブルをクエリしてデータベース構造を理解し、パフォーマンスをモニタリングする方法を示しています。

-- 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

クエリパフォーマンスに関するベストプラクティス

クライアントライブラリクエリのサポート

InfluxDB 3 クライアントライブラリは、Flight+gRPC プロトコルを使用して最適なパフォーマンスを実現します。以下の Python コードは、これを実行する方法を示しています。

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"
)

SQL クエリ機能と InfluxQL クエリ機能の比較

次の表は、SQL と InfluxQL のクエリ機能を比較したものです。

これらのクエリの機能を理解し、ユースケースに適した方法を選択することで、Timestream for InfluxDB 3 から時系列データを効率的に取得して分析できます。

SQL の利点:

InfluxQL の利点:

クエリ最適化機能

InfluxDB 3 には、特定のユースケースのクエリパフォーマンスを向上させる最適化機能がいくつか用意されています。これらの機能は、インメモリキャッシュとカスタムインデックス作成戦略によって、頻繁にアクセスされるデータパターンに対してミリ秒未満の応答時間を提供します。

最終値キャッシュ (LVC)

最終値キャッシュ (LVC) は、指定されたフィールドの最新の N 値をメモリに保存するため、最新のデータポイントを必要とするクエリの応答時間が 10 ミリ秒未満になります。この機能は Core エディションと Enterprise エディションの両方で使用できます。

LVC の仕組み

LVC は、キー列 (通常はタグ) の一意の組み合わせごとに最新の値のインメモリテーブルを維持します。例えば、センサーデータでは以下のとおりです。

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)

キャッシュには以下が保存されます。

LVC を作成する

LVC を作成するには以下のコマンドを使用します。

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

LVC をクエリする

LVC をクエリするには、次のコマンドを使用します。

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

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

LVC のベストプラクティス

一意値キャッシュ (DVC)

一意値キャッシュ (DVC) は、メモリ内の指定された列に存在する一意の値を維持し、メタデータクエリを 30 ミリ秒未満の応答時間に高速化します。Core エディションと Enterprise エディションの両方で使用できます。

DVC の仕組み

DVC は、指定された列における値の一意の組み合わせをすべて保存し、使用可能なタグ値またはメタデータを一覧表示する必要があるクエリに最適です。

位置データのキャッシュの例:

DVC を作成する

DVC を作成するには以下のコマンドを使用します。

influxdb3 create distinct_cache \
  --database DATABASE_NAME \
  --token YOUR_TOKEN \
  --table wind_data \
  --columns country,county,city \
  --max-cardinality 10000 \
  --max-age 24h \
  windDistinctCache

DVC をクエリする

次のコマンドを使用して DVC をクエリします。

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

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

DVC に関するベストプラクティス

Enterprise でのみ利用可能なファイルインデックス

Enterprise エディションでのみ使用できます。ファイルインデックスを使用すると、ストレージ内のデータのインデックス作成方法をカスタマイズできるので、単一系列のクエリパフォーマンスが大幅に向上します。

デフォルトインデックス作成とカスタムインデックス作成

デフォルトインデックス作成: InfluxDB は、すべてのタグに時間を加えたインデックスを作成します。 

カスタムインデックス作成: クエリに関連する列のインデックスのみ作成します。

最適化の例:

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)

以下は、カスタムファイルインデックスを作成する方法を示しています。

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

次は、ファイルインデックスを削除する方法を示しています。

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

ファイルインデックスに関する考慮事項

キャッシュ情報の管理

システムテーブルを使用してキャッシュ設定と統計を表示します。

-- 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

パフォーマンス最適化戦略

クエリパターンに基づいて適切な最適化機能を選択します。

メモリとリソースに関する考慮事項

キャッシュメモリ式:

ベストプラクティス

これらの最適化機能を適切に活用することで、リソースの消費を効果的に管理しながら、特定のクエリパターンのパフォーマンスを大幅に改善させることができます。