要获得与亚马逊 Timestream 类似的功能 LiveAnalytics，可以考虑适用于 InfluxDB 的亚马逊 Timestream。适用于 InfluxDB 的 Amazon Timestream 提供简化的数据摄取和个位数毫秒级的查询响应时间，以实现实时分析。点击此处了解更多信息。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

使用查询见解响应以优化查询

假设你正在使用 Amazon Timestream LiveAnalytics 来监控不同地点的能耗。假设您的数据库中有两个表，名为 raw-metrics 和 aggregate-metrics。

raw-metrics 表存储设备级别的详细能耗数据，包含以下列：

该表的数据是按 minute-by-minute粒度收集和存储的。该表将 State 用作 CDPK。

aggregate-metrics 表存储计划查询的结果，每小时汇总一次所有设备的能耗数据。此表包含以下列：

aggregate-metrics 表以小时为单位存储这些数据。该表将 State 用作 CDPK。

查询过去 24 小时的能耗情况

假设您想提取华盛顿过去 24 小时内的总能耗量。要查找这些数据，您可以同时利用以下两个表的优势：raw-metrics 和 aggregate-metrics。aggregate-metrics表 提供过去 23 小时的每小时能耗数据，而 raw-metrics 表提供过去 1 小时的每分钟数据。通过对这两个表进行查询，您可以完整且准确地了解华盛顿过去 24 小时内的能耗情况。

SELECT am.time, am.state, am.total_energy_consumption, 
rm.time, rm.state, rm.device_id, rm.energy_consumption
FROM 
 "metrics"."aggregate-metrics" am
 LEFT JOIN "metrics"."raw-metrics" rm ON am.state = rm.state
WHERE rm.time >= ago(1h) and rm.time < now()

此示例查询仅用于说明目的，可能无法直接使用。该示例旨在演示概念，但您可能需要根据具体使用案例或环境进行修改。

执行此查询后，您可能会发现查询响应时间比预期更慢。要确定此性能问题的根本原因，您可以使用查询见解功能，以分析查询的性能并优化其执行过程。

以下示例显示查询见解响应。

queryInsightsResponse={
                QuerySpatialCoverage: {
                    Max: {
                        Value: 1.0,
                        TableArn: arn:aws:timestream:us-east-1:123456789012:database/metrics/table/raw-metrics,
                        PartitionKey: [State]
                    }
                },
                QueryTemporalRange: {
                    Max: {
                        Value:31540000000000000 //365 days,
                        TableArn: arn:aws:timestream:us-east-1:123456789012:database/metrics/table/aggregate-metrics
                    }
                },
                QueryTableCount: 2,
                OutputRows: 83,
                OutputBytes: 590

查询见解响应提供以下信息：

如果您的查询访问多个表，则查询见解会针对访问模式最差的表提供指标。

针对时间范围优化查询

根据查询见解响应，您可以优化查询的时间范围，如下例所示。

SELECT am.time, am.state, am.total_energy_consumption, 
rm.time, rm.state, rm.device_id, rm.energy_consumption
FROM 
  "metrics"."aggregate-metrics" am
  LEFT JOIN "metrics"."raw-metrics" rm ON am.state = rm.state
WHERE 
  am.time >=  ago(23h) and am.time < now()
  AND rm.time >=  ago(1h) and rm.time < now()
  AND rm.state = 'Washington'

如果再次运行 QueryInsights 命令，该命令会返回以下响应。

queryInsightsResponse={
                QuerySpatialCoverage: {
                    Max: {
                        Value: 1.0,
                        TableArn: arn:aws:timestream:us-east-1:123456789012:database/metrics/table/aggregate-metrics,
                        PartitionKey: [State]
                    }
                },
                QueryTemporalRange: {
                    Max: {
                        Value: 82800000000000 //23 hours,
                        TableArn: arn:aws:timestream:us-east-1:123456789012:database/metrics/table/aggregate-metrics
                    }
                },
                QueryTableCount: 2,
                OutputRows: 83,
                OutputBytes: 590

此响应显示 aggregate-metrics 表的空间覆盖仍为 100%，效率低下。以下部分介绍如何优化查询的空间覆盖。

优化查询的空间覆盖

根据查询见解响应，您可以优化查询的空间覆盖，如下例所示。

SELECT am.time, am.state, am.total_energy_consumption, 
rm.time, rm.state, rm.device_id, rm.energy_consumption
FROM 
  "metrics"."aggregate-metrics" am
  LEFT JOIN "metrics"."raw-metrics" rm ON am.state = rm.state
WHERE 
  am.time >=  ago(23h) and am.time < now()
  AND am.state ='Washington'
  AND rm.time >=  ago(1h) and rm.time < now()
  AND rm.state = 'Washington'

如果再次运行 QueryInsights 命令，该命令会返回以下响应。

queryInsightsResponse={
                QuerySpatialCoverage: {
                    Max: {
                        Value: 0.02,
                        TableArn: arn:aws:timestream:us-east-1:123456789012:database/metrics/table/aggregate-metrics,
                        PartitionKey: [State]
                    }
                },
                QueryTemporalRange: {
                    Max: {
                        Value: 82800000000000 //23 hours,
                        TableArn: arn:aws:timestream:us-east-1:123456789012:database/metrics/table/aggregate-metrics
                    }
                },
                QueryTableCount: 2,
                OutputRows: 83,
                OutputBytes: 590

提高查询性能

优化查询后，查询见解会提供以下信息：