Para recursos semelhantes aos do Amazon Timestream para, considere o Amazon Timestream LiveAnalytics para InfluxDB. Ele oferece ingestão de dados simplificada e tempos de resposta de consulta de um dígito em milissegundos para análises em tempo real. Saiba mais aqui.

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Consultar dados do Timestream para InfluxDB 3

O Amazon Timestream para InfluxDB 3 fornece várias APIs e protocolos de consulta para recuperar seus dados de séries temporais. A plataforma oferece suporte às linguagens de consulta SQL e InfluxQL por meio dos protocolos HTTP e Flight (gRPC), oferecendo flexibilidade para diferentes casos de uso e preferências do cliente.

Visão geral dos métodos de consulta

O InfluxDB 3 é compatível com os seguintes métodos de consulta:

Usando a API de consulta HTTP v3

A API v3 fornece endpoints dedicados para consultas SQL e InfluxQL com suporte para os métodos GET e POST.

Consultas SQL (/api/v3/query_sql)

Exemplo de solicitação 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'"

Exemplo de solicitação POST (para consultas complexas):

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"
  }'

Consultas do InfluxQL (/api/v3/query_influxql)

Para consultas do InfluxQL, faça o seguinte:

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"

Parâmetros de consulta

Você também pode usar os seguintes parâmetros:

Usando a CLI do Influxdb3

A interface de linha de comando (CLI) do InfluxDB 3 é invocada com o comando influxdb3. Fornece uma maneira interativa de consultar seus dados com suporte para vários formatos de saída.

A seguir, é apresentada uma consulta básica:

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

Veja a seguir uma consulta com formatos de saída diferentes:

# 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"

Os seguintes formatos de tag são compatíveis:

Usando a API de compatibilidade v1

Para consultas legadas do InfluxQL, use o 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"

Opções de autenticação para a API de consulta HTTP v3

Formatos de resposta para a API de consulta HTTP v3

Exemplos de consulta SQL

A seguir, é apresentada uma consulta básica:

-- 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

A seguir, são apresentadas as consultas de agregação:

-- 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

A seguir, são apresentados os atributos de SQL avançados:

-- 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

A seguir, são apresentados os exemplos de consulta 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

Veja a seguir como consultar tabelas do sistema para entender a estrutura do banco de dados e monitorar o desempenho:

-- 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

Práticas recomendadas de desempenho

Suporte a consultas de bibliotecas de clientes

As bibliotecas de cliente do InfluxDB 3 usam o protocolo Flight+gRPC para um desempenho ideal. O código do Python mostra um exemplo disso.

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"
)

Compare os recursos de consulta SQL e InfluxQL

A tabela a seguir compara os recursos de consulta SQL e InfluxQL:

Ao compreender esses recursos de consulta e escolher o método apropriado para seu caso de uso, você pode recuperar e analisar com eficiência seus dados de série temporal do Timestream for InfluxDB 3.

Vantagens do SQL:

Vantagens do InfluxQL:

Atributos de otimização de consulta

O InfluxDB 3 oferece vários atributos de otimização para melhorar o desempenho da consulta para casos de uso específicos. Esses atributos aproveitam o cache em memória e as estratégias de indexação personalizadas para fornecer tempos de resposta inferiores a um milissegundo para padrões de dados acessados com frequência.

Last Value Cache (LVC, Cache de Último Valor)

O Last Value Cache (LVC) armazena os valores N mais recentes para campos especificados na memória, permitindo tempos de resposta abaixo de 10 ms para consultas que precisam dos pontos de dados mais recentes. Esse atributo está disponível nas edições Core e Enterprise.

Como o LVC funciona

O LVC mantém uma tabela na memória dos valores mais recentes para cada combinação exclusiva de colunas-chave (normalmente tags). Por exemplo, com dados do sensor:

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)

O cache armazena:

Criar um LVC

Insira o seguinte comando para criar um 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

Consulte o LVC

Use o comando a seguir para consultar um LVC:

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

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

Práticas recomendadas de LVC

Distinct Value Cache (DVC, Cache de Valores Distintos)

O Distinct Value Cache (DVC) mantém valores exclusivos para colunas especificadas na memória, acelerando as consultas de metadados para tempos de resposta abaixo de 30 ms. Disponível nas edições Core e Enterprise.

Como o DVC funciona

O DVC armazena todas as combinações exclusivas de valores para colunas especificadas, perfeitas para consultas que precisam listar valores de tags ou metadados disponíveis.

Exemplo de cache para dados de localização:

Criar um DVC

Use o comando a seguir para criar um 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

Consulte o DVC

Use o comando a seguir para consultar um DVC:

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

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

Práticas recomendadas de DVC

Índices de arquivos disponíveis somente no Enterprise

Disponível somente na edição Enterprise. Os índices de arquivos permitem a personalização de como os dados são indexados no armazenamento, melhorando significativamente o desempenho das consultas de série única.

Indexação padrão versus personalizada

Indexação padrão: índices do InfluxDB em todas as tags mais o tempo. 

Indexação personalizada: indexe somente as colunas relevantes para suas consultas.

Exemplo de otimização:

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)

Veja a seguir como criar um índice de arquivos personalizado

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

O exemplo a seguir mostra como excluir um índice de arquivo:

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

Considerações sobre o índice de arquivos

Gerenciar informações de cache

Visualize as configurações e estatísticas do cache usando tabelas do 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

Estratégia de otimização do desempenho

Escolha os atributos de otimização certos com base em seus padrões de consulta:

Considerações sobre memória e recursos

Fórmula de memória cache:

Práticas recomendadas:

Ao aproveitar esses atributos de otimização adequadamente, você pode obter melhorias significativas de desempenho para padrões de consulta específicos e, ao mesmo tempo, gerenciar o consumo de atributos de forma eficaz.