从2025年6月20日起，亚马逊Timestream版 LiveAnalytics 将不再向新客户开放。如果您想使用亚马逊 Timestream LiveAnalytics，请在该日期之前注册。现有客户可以继续照常使用该服务。有关更多信息，请参阅 Amazon Timestream 以了解 LiveAnalytics 可用性变更。
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。
查询
借助 Timestream for Live Analytics DevOps，您可以轻松存储和分析物联网应用的传感器数据、用于设备维护的工业遥测数据以及许多其他用例的指标。Timestream for Live Analytics 中专门构建的自适应查询引擎允许您使用单个 SQL 语句跨存储层访问数据。它可以透明地跨存储层访问和组合数据，而无需您指定数据位置。您可以使用 SQL 在 Timestream for Live Analytics 中查询数据，以便从一个或多个表中检索时间序列数据。您可以访问数据库和表的元数据信息。用于实时分析的时间流 SQL 还支持用于时序分析的内置函数。您可以参考查询语言参考参考以了解更多详细信息。
Timestream for Live Analytics 旨在实现完全分离的数据摄取、存储和查询架构，其中每个组件都可以独立于其他组件进行扩展（使其能够为应用程序的需求提供几乎无限的扩展）。这意味着，当您的应用程序每天发送数百 TB 的数据或运行数百万个处理少量或大量数据的查询时，Timestream for Live Analytics 不会 “翻转”。随着数据随时间的推移而增长，Timestream for Live Analytics 的查询延迟基本保持不变。这是因为 Timestream for Live Analytics 查询架构可以利用大量的并行性来处理更大的数据量，并自动扩展以满足应用程序的查询吞吐量需求。
数据模型
Timestream 支持两种查询数据模型——平面模型和时间序列模型。
注意
Timestream 中的数据使用平面模型存储，它是查询数据的默认模型。时间序列模型是一个查询时间的概念，用于时间序列分析。
平面模型
平面模型是 Timestream 的默认查询数据模型。它以表格格式表示时间序列数据。维度名称、时间、度量名称和度量值显示为列。表中的每一行都是一个原子数据点，对应于时间序列中特定时间的测量结果。时间流数据库、表和列有一些命名限制。中描述了这些内容服务限制。
下表显示了一个说明性示例，说明当数据作为单一测量记录发送时，Timestream 如何存储表示 EC2实例的 CPU 利用率、内存利用率和网络活动的数据。在本例中，维度是区域、可用区、虚拟私有云和 EC2 实例 IDs 的实例。衡量标准是 EC2 实例的 CPU 利用率、内存利用率和传入的网络数据。区域、az、vpc 和 instance_id 列包含维度值。时间列包含每条记录的时间戳。measure_name 列包含由 CPU 利用率、内存利用率和网络字节数_in表示的度量名称。measure_value:: double 列包含作为双精度发出的测量值（例如 CPU 利用率和内存利用率）。measure_value:: bigint 列包含以整数形式发出的测量值，例如传入的网络数据。
| Time | 区域 | az | vpc | instance_id | measure_name | measure_value::double | measure_value::bigint |
|---|---|---|---|---|---|---|---|
|
2019-12-04 19:00:00.000 00000 000 |
us-east-1 |
us-east-1d |
vpc-1a2b3c4d |
i-1234567890abcdef0 |
CPU_利用率 |
35.0 |
null |
|
2019-12-04 19:00:01.000 000 000 000 |
us-east-1 |
us-east-1d |
vpc-1a2b3c4d |
i-1234567890abcdef0 |
CPU_利用率 |
38.2 |
null |
|
2019-12-04 19:00:02.000 000 000 000 |
us-east-1 |
us-east-1d |
vpc-1a2b3c4d |
i-1234567890abcdef0 |
CPU_利用率 |
45.3 |
null |
|
2019-12-04 19:00:00.000 000 000 |
us-east-1 |
us-east-1d |
vpc-1a2b3c4d |
i-1234567890abcdef0 |
memory_utilization |
54.9 |
null |
|
2019-12-04 19:00:01.000 000 000 000 |
us-east-1 |
us-east-1d |
vpc-1a2b3c4d |
i-1234567890abcdef0 |
memory_utilization |
42.6 |
null |
|
2019-12-04 19:00:02.000 000 000 000 |
us-east-1 |
us-east-1d |
vpc-1a2b3c4d |
i-1234567890abcdef0 |
memory_utilization |
33.3 |
null |
|
2019-12-04 19:00:00.000 000 000 |
us-east-1 |
us-east-1d |
vpc-1a2b3c4d |
i-1234567890abcdef0 |
网络字节 |
34,400 |
null |
|
2019-12-04 19:00:01.000 000 000 000 |
us-east-1 |
us-east-1d |
vpc-1a2b3c4d |
i-1234567890abcdef0 |
网络字节 |
1500 |
null |
|
2019-12-04 19:00:02.000 000 000 000 |
us-east-1 |
us-east-1d |
vpc-1a2b3c4d |
i-1234567890abcdef0 |
网络字节 |
6000 |
null |
下表显示了一个说明性示例，说明当数据作为多度量记录发送时，Timestream 如何存储表示 EC2实例的 CPU 利用率、内存利用率和网络活动的数据。
| Time | 区域 | az | vpc | instance_id | measure_name | CPU_利用率 | memory_utilization | 网络字节 |
|---|---|---|---|---|---|---|---|---|
|
2019-12-04 19:00:00.000 000 000 |
us-east-1 |
us-east-1d |
vpc-1a2b3c4d |
i-1234567890abcdef0 |
指标 |
35.0 |
54.9 |
34,400 |
|
2019-12-04 19:00:01.000 000 000 000 |
us-east-1 |
us-east-1d |
vpc-1a2b3c4d |
i-1234567890abcdef0 |
指标 |
38.2 |
42.6 |
1500 |
|
2019-12-04 19:00:02.000 000 000 000 |
us-east-1 |
us-east-1d |
vpc-1a2b3c4d |
i-1234567890abcdef0 |
指标 |
45.3 |
33.3 |
6,600 |
时间序列模型
时间序列模型是一种用于时间序列分析的查询时间结构。它将数据表示为（时间、度量值）对的有序序列。Timestream 支持插值等时间序列函数，使您能够填补数据中的空白。要使用这些函数，必须使用诸如 create_time_series 之类的函数将数据转换为时间序列模型。有关更多查询语言参考详细信息，请参阅。
使用前面的 EC2 实例示例，以下是以时间序列表示的 CPU 使用率数据。
| 区域 | az | vpc | instance_id | CPU_利用率 |
|---|---|---|---|---|
|
us-east-1 |
us-east-1d |
vpc-1a2b3c4d |
i-1234567890abcdef0 |
[{时间：2019-12-04 19:00:00.000 00000 000，值：35}，{时间：2019-12-04 19:00:01.000 000 000 000 000，值：38.2}，{时间：2019-12-04 19:00:00:02.000 000 000 000，值：45.3}] |