Amazon Timestream for LiveAnalytics와 유사한 기능을 원하는 경우 Amazon Timestream for InfluxDB를 고려해 보세요. 간소화된 데이터 수집과 실시간 분석을 위한 10밀리초 미만의 쿼리 응답 시간을 제공합니다. 여기에서 자세히 알아보세요.

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

Timestream for InfluxDB 3에서 데이터 쿼리

Amazon Timestream for InfluxDB 3는 시계열 데이터를 검색하기 위한 여러 쿼리 API와 프로토콜을 제공합니다. 이 플랫폼은 HTTP 및 Flight(gRPC) 프로토콜을 통해 SQL 및 InfluxQL 쿼리 언어를 모두 지원하여 다양한 사용 사례와 클라이언트 기본 설정에 맞는 유연성을 제공합니다.

쿼리 메서드 개요

InfluxDB 3는 다음 쿼리 메서드를 지원합니다.

v3 HTTP 쿼리 API 사용

v3 API는 GET 및 POST 메서드를 모두 지원하는 SQL 및 InfluxQL 쿼리 전용 엔드포인트를 제공합니다.

SQL 쿼리(/api/v3/query_sql)

GET 요청 예제:

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 요청 예제(복잡한 쿼리의 경우):

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 쿼리(/api/v3/query_influxql)

InfluxQL 쿼리의 경우 다음을 수행합니다.

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"

쿼리 파라미터

다음 쿼리 파라미터를 사용할 수 있습니다.

Influxdb3 CLI 사용

InfluxDB 3 명령줄 인터페이스(CLI)는 influxdb3 명령을 사용하여 간접적으로 호출됩니다. 다양한 출력 형식을 지원하며 데이터를 쿼리할 수 있는 대화형 방식을 제공합니다.

다음은 기본 쿼리를 보여줍니다.

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

다음은 다양한 출력 형식의 쿼리를 보여줍니다.

# 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"

다음 출력 형식이 지원됩니다.

v1 호환성 API 사용

레거시 InfluxQL 쿼리의 경우 /query 엔드포인트를 사용합니다.

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 쿼리 API에 대한 인증 옵션

v3 HTTP 쿼리 API의 응답 형식

SQL 쿼리 예제

다음은 기본 쿼리를 보여줍니다.

-- 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

다음은 집계 쿼리를 보여줍니다.

-- 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

다음은 고급 SQL 기능을 보여줍니다.

-- 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

다음은 InfluxQL 쿼리 예를 보여줍니다.

-- 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

다음은 시스템 테이블을 쿼리하여 데이터베이스 구조를 이해하고 성능을 모니터링하는 방법을 보여줍니다.

-- 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

쿼리 성능 모범 사례

클라이언트 라이브러리 쿼리 지원

InfluxDB 3 클라이언트 라이브러리는 최적의 성능을 위해 Flight+gRPC 프로토콜을 사용합니다. 다음 Python 코드는 이의 예를 보여줍니다.

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 및 InfluxQL 쿼리 기능 비교

다음 표에서는 SQL 쿼리 기능과 InfluxQL 쿼리 기능을 비교합니다.

이러한 쿼리 기능을 이해하고 사용 사례에 적합한 방법을 선택하면 Timestream for InfluxDB 3에서 시계열 데이터를 효율적으로 검색하고 분석할 수 있습니다.

SQL의 장점:

InfluxQL의 장점:

쿼리 최적화 기능

InfluxDB 3는 특정 사용 사례에 대한 쿼리 성능을 개선하기 위한 몇 가지 최적화 기능을 제공합니다. 이러한 기능은 인 메모리 캐싱 및 사용자 지정 인덱싱 전략을 활용하여 자주 액세스하는 데이터 패턴에 대해 밀리초 미만의 응답 시간을 제공합니다.

마지막 값 캐시(LVC)

마지막 값 캐시(LVC)는 지정된 필드에 대한 최신 N 값을 메모리에 저장하여 최신 데이터 포인트가 필요한 쿼리에 대해 10ms 미만의 응답 시간을 활성화합니다. 이 기능은 Core edition과 Enterprise edition 모두에서 사용할 수 있습니다.

LVC 작동 방식

LVC는 각 고유한 키 열 조합(일반적으로 태그)에 대한 최신 값의 인 메모리 테이블을 유지합니다. 센서 데이터를 예로 들어 보겠습니다.

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)

캐시는 다음을 저장합니다.

LVC 생성

다음 명령을 사용하여 LVC를 생성합니다.

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 쿼리

다음 명령을 사용하여 LVC를 쿼리합니다.

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

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

LVC 모범 사례

고유 값 캐시(DVC)

고유 값 캐시(DVC)는 메모리의 지정된 열에 대해 고유 값을 유지하여 메타데이터 쿼리를 30ms 미만의 응답 시간으로 가속화합니다. Core edition과 Enterprise edition 모두에서 사용할 수 있습니다.

DVC 작동 방식

DVC는 지정된 열에 대한 모든 고유 값 조합을 저장하므로 사용 가능한 태그 값 또는 메타데이터를 나열해야 하는 쿼리에 적합합니다.

위치 데이터에 대한 캐시 예제:

DVC 생성

다음 명령을 사용하여 DVC를 생성합니다.

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 쿼리

다음 명령을 사용하여 DVC를 쿼리합니다.

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

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

DVC 모범 사례

Enterprise에서만 사용할 수 있는 파일 인덱스

Enterprise Edition에서만 사용 가능. 파일 인덱스를 사용하면 스토리지에서 데이터를 인덱싱하는 방법을 사용자 지정할 수 있으므로 단일 계열 쿼리 성능이 크게 향상됩니다.

기본 인덱싱과 사용자 지정 인덱싱 비교

기본 인덱싱: InfluxDB는 모든 태그와 시간에 대해 인덱싱합니다. 

사용자 지정 인덱싱: 쿼리와 관련된 열에 대해서만 인덱싱합니다.

최적화 예제:

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)

다음은 사용자 지정 파일 인덱스를 생성하는 방법을 보여줍니다.

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

다음은 파일 인덱스를 삭제하는 방법을 보여줍니다.

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

파일 인덱스 고려 사항

캐시 정보 관리

시스템 테이블을 사용하여 캐시 구성과 통계를 봅니다.

-- 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

성능 최적화 전략

쿼리 패턴에 따라 적절한 최적화 기능을 선택합니다.

메모리 및 리소스 고려 사항

캐시 메모리 공식:

모범 사례:

이러한 최적화 기능을 적절하게 활용하면 리소스 소비를 효과적으로 관리하면서 특정 쿼리 패턴에 대해 상당한 성능 개선을 달성할 수 있습니다.