예약된 쿼리

패널을 채우는 데 사용되는 쿼리에서 스캔하는 바이트 수, 대시보드 다시 로드 빈도, 이러한 대시보드를 로드하는 동시 사용자 수를 고려합니다. 가장 자주 로드되는 대시보드와 상당한 양의 데이터를 스캔하는 대시보드부터 시작해야 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 생성하는 것도 가능하지만 여러 패널에 필요한 데이터를 사전 계산하기 위해 하나의 계산을 사용하는 방법을 찾으면 비용과 예약된 쿼리 수를 크게 최적화할 수 있습니다.

파생 테이블에서 구체화된 결과를 새로 고치기 위해 예약된 쿼리의 빈도를 고려합니다. 대시보드 새로 고침 빈도, 대시보드에서 쿼리하는 기간, 사전 계산에 사용되는 시간 비닝, 대시보드의 패널을 분석해야 합니다. 예를 들어, 지난 며칠간의 시간별 집계 데이터를 표시하는 대시보드가 몇 시간에 한 번만 새로 고쳐지는 경우 예약된 쿼리를 30분 또는 1시간마다 한 번씩만 새로 고치도록 구성하는 것이 좋습니다. 반면, 분당 집계를 표시하고 1분마다 새로 고쳐지는 대시보드가 있는 경우 예약된 쿼리도 결과를 1분 또는 몇 분마다 새로 고치도록 설정해야 합니다.

예약된 쿼리를 사용하여 쿼리 비용과 쿼리 지연 시간 측면 모두에서 추가로 최적화할 수 있는 쿼리 패턴을 고려합니다. 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 경우를 예로 들 수 있습니다. 이 가이드에서는 이러한 예제 패턴 중 일부를 설명합니다.