예약된 쿼리

패널을 채우는 데 사용되는 쿼리에서 스캔한 바이트, 대시보드 재로드 빈도 및 이러한 대시보드를 로드할 동시 사용자 수를 고려합니다. 가장 자주 로드되는 대시보드부터 시작하여 상당한 양의 데이터를 스캔해야 합니다. 집계 대시보드 예제의 처음 두 대시보드와 드릴다운 예제의 집계 대시보드는 이러한 대시보드의 좋은 예입니다.

반복적으로 사용되는 계산을 고려합니다. 모든 패널과 패널에서 사용되는 모든 변수 값에 대해 예약된 쿼리를 생성할 수 있지만, 하나의 계산을 사용하여 여러 패널에 필요한 데이터를 사전 계산할 방법을 찾아 비용과 예약된 쿼리 수를 크게 최적화할 수 있습니다.

파생 테이블에서 구체화된 결과를 새로 고치려면 예약된 쿼리의 빈도를 고려합니다. 대시보드가 새로 고쳐지는 빈도와 대시보드에서 쿼리되는 기간, 사전 계산에 사용된 시간 비닝 및 대시보드의 패널을 분석하는 것이 좋습니다. 예를 들어 지난 며칠 동안의 시간당 집계를 표시하는 대시보드가 몇 시간에 한 번만 새로 고쳐지는 경우 30분 또는 한 시간에 한 번만 새로 고치도록 예약된 쿼리를 구성할 수 있습니다. 반면, 분당 집계를 표시하고 1분마다 새로 고치는 대시보드가 있는 경우 예약된 쿼리가 1분 또는 몇 분마다 결과를 새로 고치도록 해야 합니다.

예약된 쿼리를 사용하여 추가로 최적화할 수 있는 쿼리 패턴(쿼리 비용 및 쿼리 지연 시간 관점에서 모두)을 고려합니다. 예를 들어 대시보드에서 변수로 자주 사용되는 고유한 차원 값을 계산하거나 센서에서 내보낸 마지막 데이터 포인트 또는 특정 날짜 이후에 센서에서 내보낸 첫 번째 데이터 포인트 등을 반환하는 경우입니다. 이러한 예제 패턴 중 일부는이 가이드에서 설명합니다.