Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

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。

使用查询见解响应优化查询

假设你正在使用 Amazon Timestream LiveAnalytics 来监控不同地点的能耗。想象一下，你的数据库中有两个名为raw-metrics和的表aggregate-metrics。

该raw-metrics表存储了设备级别的详细能耗数据，并包含以下各列：

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

该aggregate-metrics表存储计划查询的结果，以每小时汇总所有设备的能耗数据。此表包含以下各列：

该aggregate-metrics表以每小时的粒度存储这些数据。该表用State作 CDPK。

查询最近 24 小时的能耗

假设你想提取华盛顿在过去 24 小时内消耗的总能量。要查找这些数据，您可以利用这两个表的优势：raw-metrics和aggregate-metrics。该aggregate-metrics表提供了过去 23 小时的每小时能耗数据，而该raw-metrics表提供过去 1 小时的分钟粒度数据。通过对两个表格进行查询，您可以完整而准确地了解华盛顿在过去24小时内的能源消耗情况。

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，可能无法按原样运行。它旨在演示该概念，但您可能需要对其进行修改以适应您的特定用例或环境。

执行此查询后，您可能会注意到查询响应时间比预期的要慢。要确定此性能问题的根本原因，您可以使用查询见解功能来分析查询的性能并优化其执行。

以下示例显示了查询见解的响应。

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：

如果您的查询访问了多个表，则查询见解会为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，您可以针对时间范围优化查询，如以下示例所示。

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'

如果您再次运行该QueryInsights命令，它将返回以下响应。

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表格的空间覆盖率仍为 100%，效率低下。下一节说明如何优化空间覆盖率查询。

优化空间覆盖范围查询

根据查询见解响应，您可以优化查询的空间覆盖范围，如以下示例所示。

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'

如果您再次运行该QueryInsights命令，它将返回以下响应。

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

提高了查询性能

优化查询后，查询见解将提供以下信息：