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)。

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。

时间序列视图

Timestream for LiveAnalytics 支持以下用于将数据转换为timeseries数据类型的函数：

CREATE_TIME_SERIES

CREATE_TIME_SERIES 是一个聚合函数，接收时间序列的所有原始测量值（时间和度量值），并返回时间序列数据类型。此函数的语法如下：

CREATE_TIME_SERIES(time, measure_value::<data_type>)

其中，<data_type> 是度量值的数据类型，可以是 bigint、boolean、double 或 varchar 其中之一。第二个参数不能为 null。

考虑存储在名为 m etrics 的表中的 EC2 实例的 CPU 使用率，如下所示：

运行查询：

SELECT region, az, vpc, instance_id, CREATE_TIME_SERIES(time, measure_value::double) as cpu_utilization FROM metrics
    WHERE measure_name=’cpu_utilization’
    GROUP BY region, az, vpc, instance_id

将返回所有以 cpu_utilization 作为度量值的序列。本例中包含两个序列：

UNNEST

UNNEST 是表函数，可让您将 timeseries 数据转换为平面模型。语法如下：

UNNEST 将 timeseries 转换为两列，即 time 和 value。也可以在 UNNEST 中使用别名，如下所示：

UNNEST(timeseries) AS <alias_name> (time_alias, value_alias)

其中 <alias_name> 是平面表的别名，time_alias 是 time 列的别名，value_alias 是 value 列的别名。

例如，假设队列中的一些 EC2 实例配置为以 5 秒的间隔发布指标，而另一些实例则以 15 秒的间隔发布指标，并且您需要在过去 6 小时内以 10 秒为粒度发布所有实例的平均指标。要获取此数据，请使用 CREATE_TIME_SERIES 将指标转换为时间序列模型。然后，可使用 INTERPOLATE_LINEAR，并以 10 秒为粒度获取缺失值。下一步，使用 UNNEST 将数据转换回平面模型，然后使用 AVG 获取所有实例的平均指标数。

WITH interpolated_timeseries AS (
    SELECT region, az, vpc, instance_id,
        INTERPOLATE_LINEAR(
            CREATE_TIME_SERIES(time, measure_value::double),
                SEQUENCE(ago(6h), now(), 10s)) AS interpolated_cpu_utilization
    FROM timestreamdb.metrics 
    WHERE measure_name= ‘cpu_utilization’ AND time >= ago(6h)
    GROUP BY region, az, vpc, instance_id
)
SELECT region, az, vpc, instance_id, avg(t.cpu_util)
FROM interpolated_timeseries
CROSS JOIN UNNEST(interpolated_cpu_utilization) AS t (time, cpu_util)
GROUP BY region, az, vpc, instance_id

上述查询演示如何使用带别名的 UNNEST。以下是相同查询的示例，但未使用 UNNEST 的别名：

WITH interpolated_timeseries AS (
    SELECT region, az, vpc, instance_id,
        INTERPOLATE_LINEAR(
            CREATE_TIME_SERIES(time, measure_value::double),
                SEQUENCE(ago(6h), now(), 10s)) AS interpolated_cpu_utilization
    FROM timestreamdb.metrics 
    WHERE measure_name= ‘cpu_utilization’ AND time >= ago(6h)
    GROUP BY region, az, vpc, instance_id
)
SELECT region, az, vpc, instance_id, avg(value)
FROM interpolated_timeseries
CROSS JOIN UNNEST(interpolated_cpu_utilization)
GROUP BY region, az, vpc, instance_id