Tablestore:Specify custom time series identifiers and custom data fields as the primary key columns

Especificar identificadores de series temporales personalizados

Este método es adecuado para escenarios que requieren posicionamiento temporal preciso, consultas por rango, análisis de tendencias y asociación de eventos. A continuación se describen estos casos:

• Resolución de problemas y análisis de causa raíz

  En las operaciones de TI y el monitoreo de equipos industriales, los identificadores de series temporales personalizados ayudan a marcar con precisión el momento en que ocurren las fallas. Al combinarlos con otros datos de series temporales, como el estado del dispositivo y la información de registros, permiten localizar rápidamente las causas de los problemas para el análisis de causa raíz.

• Análisis del comportamiento de los usuarios

  En las aplicaciones de internet, estos identificadores facilitan el análisis de los periodos de actividad, la duración de las sesiones y las rutas de comportamiento de los usuarios. Esto se logra al registrar la hora de inicio de sesión, el tiempo de visualización de las páginas y la secuencia de operaciones. Este enfoque basado en datos optimiza la experiencia del usuario y mejora las recomendaciones inteligentes de contenido.

• Auditoría de transacciones financieras

  En el sector financiero, cada transacción requiere una marca de tiempo precisa. Los identificadores de series temporales personalizados garantizan la secuencia e integridad de las transacciones. Además, sirven para realizar análisis antifraude, como identificar patrones anómalos y rastrear flujos de fondos.

Al especificar identificadores de series temporales personalizados, usted agrupa, filtra y analiza los datos de manera flexible. Esto permite una gestión detallada y genera información más profunda en diversos escenarios de negocio.

Especificar campos de datos personalizados como columnas de clave principal

Utilice este método cuando necesite almacenar varias filas de datos de series temporales con los mismos identificadores y la misma marca de tiempo. Para lograrlo, especifique campos de datos personalizados como columnas de clave principal de su tabla de series temporales. A continuación se describen los escenarios aplicables:

• Análisis de asociación de eventos

  En algunos escenarios de análisis complejos, es necesario asociar datos de series temporales mediante campos distintos a los identificadores. Al especificar campos de datos personalizados como columnas de clave principal, usted localiza rápidamente los datos de un dispositivo específico en marcas de tiempo concretas. Esta opción resulta útil para resolver problemas y analizar comportamientos.

• Indexación multidimensional

  Para aplicaciones avanzadas de bases de datos de series temporales, los campos de datos personalizados mejoran la eficiencia de las consultas y los filtros multidimensionales. Este enfoque permite localizar con mayor precisión los datos relevantes, sobre todo al procesar grandes volúmenes de información.

• Gestión de datos de series temporales multiinquilino

  Cuando proporciona servicios de almacenamiento de datos de series temporales a varios clientes, conviene especificar el ID de inquilino como una de las columnas de clave principal. De esta forma, se crea una clave principal compuesta junto con la marca de tiempo, lo que garantiza el aislamiento de datos y un acceso eficiente para cada inquilino.

Usar la consola de Tablestore

1. Al crear una tabla de series temporales, especifique los identificadores personalizados. Para obtener más información, consulte Manage time series tables.

2. Escriba los datos en la tabla de series temporales con base en los identificadores personalizados.

   Durante la escritura de datos, los campos de los identificadores personalizados del cliente se envían al servidor de Tablestore como pares clave-valor. Primero, el servidor extrae el nombre de la métrica y el origen de datos de estos pares. Luego, utiliza los pares restantes como etiquetas de la serie temporal. Para obtener más información, consulte Write time series data.

   Importante

   Si los campos de los identificadores personalizados no incluyen el campo _tags al crear la tabla, pero quedan pares clave-valor sobrantes tras excluir el nombre de la métrica, el origen de datos y los campos personalizados durante la escritura, la operación fallará.

3. Lea los datos de la tabla de series temporales.

   1. Cree una tabla de asignación SQL para la tabla de series temporales. Para obtener más información, consulte Create mapping tables in the multi-value model for time series tables.

      1. En la página Manage Time Series Table, haga clic en la pestaña Query by Executing SQL Statement.

      2. En el lado izquierdo de la pestaña Query by Executing SQL Statement, haga clic en el ícono + junto al nombre de la instancia del modelo TimeSeries.

      3. En el cuadro de diálogo Create Mapping Table, configure los parámetros. La siguiente tabla describe estos parámetros.

         Parámetro	Descripción
         Table Name	El nombre de la tabla de series temporales.
         Mapping Table Name	El nombre de la tabla de asignación. Nota Cuando se crea una tabla de asignación SQL para una tabla de series temporales, el sistema agrega automáticamente el prefijo time series table name:: al nombre de la tabla de asignación.
         Enable Analytical Store	La función analytical store se utiliza en escenarios donde necesita almacenar datos de series temporales por un periodo prolongado y analizarlos. Con esta función, usted guarda los datos a menor costo y ejecuta consultas y análisis de manera eficiente. Para obtener más información, consulte Analytical store. De forma predeterminada, la opción Enable Analytical Store está desactivada. Configure el parámetro según sus requisitos de negocio. Si no desea usar un almacén analítico para guardar y analizar datos de series temporales, conserve la configuración predeterminada del parámetro Enable Analytical Store. Si necesita almacenar datos de series temporales a menor costo o consultarlos y analizarlos de forma eficiente, asegúrese de haber creado un almacén analítico y de que la opción Enable Analytical Store esté activada. Importante La función analytical store es compatible con las siguientes regiones: China (Hangzhou), China (Shanghai), China (Beijing) y China (Zhangjiakou). Para utilizarla, cree una instancia del modelo TimeSeries en alguna de estas regiones. Para obtener más información, consulte Create an instance for the TimeSeries model. Si crea una tabla de asignación con la opción Enable Analytical Store activada, deberá eliminar dicha tabla al mismo tiempo que elimina el almacén analítico. De lo contrario, no podrá eliminar el almacén analítico correctamente.

      4. Haga clic en Generate SQL Statement. El sistema genera automáticamente la instrucción SQL para crear la tabla de asignación.

         Después de especificar identificadores de series temporales personalizados, indique dichos identificadores y los campos de datos personalizados al crear la tabla de asignación SQL. Estos elementos deben definirse como las columnas de clave principal de la nueva tabla.

      5. Haga clic en Execute SQL Statement(F8).

   2. Ejecute la instrucción SELECT para consultar los datos. Para obtener más información, consulte Query data.

      Introduzca la instrucción SQL en el editor de la consola y haga clic en Execute SQL Statement(F8).

      La siguiente instrucción SQL de ejemplo muestra cómo consultar la información de las series temporales cuyo valor de cpu_usage supera 90.0 en una tabla. Para ello, se utiliza la tabla de asignación denominada cpu::ts1:

      SELECT `host`, `processor`, `_tags` , `_time` FROM `cpu::ts1` WHERE cpu_usage > 90.0;

Usar los SDK de Tablestore

En este ejemplo se utiliza Tablestore SDK for Java.

1. Al crear una tabla de series temporales, especifique los identificadores personalizados.

   El siguiente código de ejemplo muestra cómo crear una tabla de series temporales sin almacén analítico y especificar identificadores personalizados:

   private static void createTimeseriesTable(TimeseriesClient client) {
       TimeseriesTableMeta timeseriesTableMeta = new TimeseriesTableMeta("");
       timeseriesTableMeta.setTimeseriesTableOptions(new TimeseriesTableOptions(-1));
       // Specify custom time series identifiers. The host field stores the metric name, the processor field stores the data source, and the _tags field stores the tags.
       timeseriesTableMeta.addTimeseriesKey("host");
       timeseriesTableMeta.addTimeseriesKey("processor");
       timeseriesTableMeta.addTimeseriesKey("_tags");
       CreateTimeseriesTableRequest request = new CreateTimeseriesTableRequest(timeseriesTableMeta);
       request.setEnableAnalyticalStore(false);
       client.createTimeseriesTable(request);
   }

2. Escriba los datos en la tabla de series temporales con base en los identificadores personalizados.

   Durante la escritura de datos, los campos de los identificadores personalizados del cliente se envían al servidor de Tablestore como pares clave-valor. Primero, el servidor extrae el nombre de la métrica y el origen de datos de estos pares. Luego, utiliza los pares restantes como etiquetas de la serie temporal.

   Importante

   Si los campos de los identificadores personalizados no incluyen el campo _tags al crear la tabla, pero quedan pares clave-valor sobrantes tras excluir el nombre de la métrica, el origen de datos y los campos personalizados durante la escritura, la operación fallará.

   El siguiente código de ejemplo muestra cómo escribir tres filas de datos de series temporales en una tabla con base en los identificadores personalizados.

   private static void putTimeseriesData(TimeseriesClient client) {
       long timeInUs = System.currentTimeMillis() * 1000;
       List rows = new ArrayList();
       for (int i = 0; i < 3; i++) {
           Map tags = new HashMap<>();
           // Add fields of the custom time series identifiers.
           tags.put("host", "host_" + i);
           tags.put("processor", String.valueOf(i));
           // Key-value pairs that do not correspond to custom time series identifiers are used as tags of the time series.
           tags.put("region", "hangzhou");
            TimeseriesKey timeseriesKey = new TimeseriesKey("", "", tags);
           TimeseriesRow row = new TimeseriesRow(timeseriesKey, timeInUs);
           row.addField("cpu_usage", ColumnValue.fromDouble(10.0));
           row.addField("cpu_sys", ColumnValue.fromDouble(5.0));
           rows.add(row);
       }
       String tableName = "";
       PutTimeseriesDataRequest putTimeseriesDataRequest = new PutTimeseriesDataRequest(tableName);
       putTimeseriesDataRequest.setRows(rows);
       client.putTimeseriesData(putTimeseriesDataRequest);
   }

   La siguiente tabla muestra los datos de la tabla de series temporales después de escribirlos correctamente.

   host	processor	_tags	_time	cpu_usage	cpu_sys
   host_0	0	["region=hangzhou"]	1712476524000000	10.0	5.0
   host_1	1	["region=hangzhou"]	1712476524000000	10.0	5.0
   host_2	2	["region=hangzhou"]	1712476524000000	10.0	5.0

3. Ejecute instrucciones SQL para leer los datos de la tabla de series temporales.

   1. Cree una tabla de asignación SQL para la tabla de series temporales. Para obtener más información, consulte Create mapping tables in the multi-value model for time series tables.

      Después de especificar identificadores de series temporales personalizados, defina los campos de dichos identificadores y el campo de marca de tiempo como columnas de clave principal al crear la tabla de asignación SQL.

      Configuraciones de ejemplo:

      CREATE TABLE `cpu::ts1` (
          `host` VARCHAR(1024),
          `processor` VARCHAR(1024),
          `_tags` VARCHAR(1024),
          `_time` BIGINT(20),
          `cpu_usage` DOUBLE,
          `cpu_sys` DOUBLE,
          PRIMARY KEY(`host`,`processor`,`_tags`,`_time`)
      );

   2. Ejecute la instrucción SELECT para consultar los datos. Para obtener más información, consulte Query data.

      La siguiente instrucción SQL de ejemplo muestra cómo consultar la información de las series temporales cuyo valor de cpu_usage supera 90.0 en una tabla. Para ello, se utiliza la tabla de asignación denominada cpu::ts1:

      SELECT `host`, `processor`, `_tags` , `_time` FROM `cpu::ts1` WHERE cpu_usage > 90.0;

Usar la consola de Tablestore

1. Al crear una tabla de series temporales, especifique los campos de datos personalizados como columnas de clave principal. Para obtener más información, consulte Manage time series tables.

2. Escriba los datos de series temporales en la tabla.

   Al escribir datos en una tabla de series temporales, los campos definidos como columnas de clave principal no pueden quedar vacíos. Si especifica campos de datos personalizados como columnas de clave principal, podrá almacenar varias filas con los mismos identificadores y la misma marca de tiempo. Para obtener más información, consulte Write time series data.

3. Lea los datos de la tabla de series temporales.

   1. Cree una tabla de asignación SQL para la tabla de series temporales. Para obtener más información, consulte Create mapping tables in the multi-value model for time series tables.

      1. En la página Manage Time Series Table, haga clic en la pestaña Query by Executing SQL Statement.

      2. En el lado izquierdo de la pestaña Query by Executing SQL Statement, haga clic en el ícono + junto al nombre de la instancia del modelo TimeSeries.

      3. En el cuadro de diálogo Create Mapping Table, configure los parámetros. La siguiente tabla describe estos parámetros.

         Parámetro	Descripción
         Table Name	El nombre de la tabla de series temporales.
         Mapping Table Name	El nombre de la tabla de asignación. Nota Cuando se crea una tabla de asignación SQL para una tabla de series temporales, el sistema agrega automáticamente el prefijo time series table name:: al nombre de la tabla de asignación.
         Enable Analytical Store	La función analytical store se utiliza en escenarios donde necesita almacenar datos de series temporales por un periodo prolongado y analizarlos. Con esta función, usted guarda los datos a menor costo y ejecuta consultas y análisis de manera eficiente. Para obtener más información, consulte Analytical store. De forma predeterminada, la opción Enable Analytical Store está desactivada. Configure el parámetro según sus requisitos de negocio. Si no desea usar un almacén analítico para guardar y analizar datos de series temporales, conserve la configuración predeterminada del parámetro Enable Analytical Store. Si necesita almacenar datos de series temporales a menor costo o consultarlos y analizarlos de forma eficiente, asegúrese de haber creado un almacén analítico y de que la opción Enable Analytical Store esté activada. Importante La función analytical store es compatible con las siguientes regiones: China (Hangzhou), China (Shanghai), China (Beijing) y China (Zhangjiakou). Para utilizarla, cree una instancia del modelo TimeSeries en alguna de estas regiones. Para obtener más información, consulte Create an instance for the TimeSeries model. Si crea una tabla de asignación con la opción Enable Analytical Store activada, deberá eliminar dicha tabla al mismo tiempo que elimina el almacén analítico. De lo contrario, no podrá eliminar el almacén analítico correctamente.

      4. Haga clic en Generate SQL Statement. El sistema genera automáticamente la instrucción SQL para crear la tabla de asignación.

         Después de especificar campos de datos personalizados como columnas de clave principal de una tabla de series temporales, defínelos junto con los identificadores al crear la tabla de asignación SQL. Estos elementos deben establecerse como las columnas de clave principal de la nueva tabla.

      5. Haga clic en Execute SQL Statement(F8).

   2. Ejecute la instrucción SELECT para consultar los datos. Para obtener más información, consulte Query data.

      Introduzca la instrucción SQL en el editor de la consola y haga clic en Execute SQL Statement(F8).

      La siguiente instrucción SQL de ejemplo muestra cómo consultar la información de las series temporales cuyo valor de cpu_usage supera 90.0 en una tabla. Para ello, se utiliza la tabla de asignación denominada cpu::ts1:

      SELECT `host`, `processor`, `_tags` , `_time` FROM `cpu::ts1` WHERE cpu_usage > 90.0;

Usar los SDK de Tablestore

En este ejemplo se utiliza Tablestore SDK for Java.

1. Al crear una tabla de series temporales, especifique los campos de datos personalizados como columnas de clave principal.

   El siguiente código de ejemplo muestra cómo crear una tabla de series temporales sin almacén analítico y especificar campos de datos personalizados como columnas de clave principal:

   private static void createTimeseriesTable(TimeseriesClient client) {
       TimeseriesTableMeta timeseriesTableMeta = new TimeseriesTableMeta("");
       timeseriesTableMeta.setTimeseriesTableOptions(new TimeseriesTableOptions(-1));
       // Specify custom data fields as the primary key columns.
       timeseriesTableMeta.addFieldPrimaryKey("processor", PrimaryKeyType.INTEGER);
       CreateTimeseriesTableRequest request = new CreateTimeseriesTableRequest(timeseriesTableMeta);
       request.setEnableAnalyticalStore(false);
       client.createTimeseriesTable(request);
   }

2. Escriba los datos de series temporales en la tabla.

   Al escribir datos en una tabla de series temporales, los campos definidos como columnas de clave principal no pueden quedar vacíos. Si especifica campos de datos personalizados como columnas de clave principal, podrá almacenar varias filas con los mismos identificadores y la misma marca de tiempo.

   El siguiente código de ejemplo muestra cómo escribir tres filas de datos con los mismos identificadores de series temporales y la misma marca de tiempo en una tabla:

   private static void putTimeseriesData(TimeseriesClient client) {
       long timeInUs = System.currentTimeMillis() * 1000;
       List rows = new ArrayList();
       for (int i = 0; i < 3; i++) {
           Map tags = new HashMap<>();
           tags.put("region", "hangzhou");
            TimeseriesKey timeseriesKey = new TimeseriesKey("cpu", "host_" + i, tags);
           TimeseriesRow row = new TimeseriesRow(timeseriesKey, timeInUs);
           // The data fields that are specified as the primary key columns cannot be left empty.
           row.addField("processor", ColumnValue.fromLong(i));
           row.addField("cpu_usage", ColumnValue.fromDouble(10.0));
           row.addField("cpu_sys", ColumnValue.fromDouble(5.0));
           rows.add(row);
       }
       String tableName = "<TIMESERIES_TABLE_NAME>";
       PutTimeseriesDataRequest putTimeseriesDataRequest = new PutTimeseriesDataRequest(tableName);
       putTimeseriesDataRequest.setRows(rows);
       client.putTimeseriesData(putTimeseriesDataRequest);
   }

   La siguiente tabla muestra los datos de la tabla de series temporales después de escribirlos correctamente.

   _m_name	_data_source	_tags	_time	processor	cpu_usage	cpu_sys
   cpu	host_0	["region=hangzhou"]	1712476524000000	0	10.0	5.0
   cpu	host_1	["region=hangzhou"]	1712476524000000	1	10.0	5.0
   cpu	host_2	["region=hangzhou"]	1712476524000000	2	10.0	5.0

3. Ejecute instrucciones SQL para leer los datos de la tabla de series temporales.

   1. Cree una tabla de asignación SQL para la tabla de series temporales. Para obtener más información, consulte Create mapping tables in the multi-value model for time series tables.

      Después de especificar campos de datos personalizados como columnas de clave principal de una tabla de series temporales, defínelos junto con los identificadores al crear la tabla de asignación SQL. Estos elementos deben establecerse como las columnas de clave principal de la nueva tabla.

      Configuraciones de ejemplo:

      CREATE TABLE `cpu::ts1` (
          `_m_name` VARCHAR(1024),
          `_data_source`  VARCHAR(1024),
          `_tags` VARCHAR(1024),
          `_time` BIGINT(20),
          `processor` BIGINT,
          `cpu_usage` DOUBLE,
          `cpu_sys` DOUBLE,
          PRIMARY KEY(`_m_name`,`_data_source`,`_tags`,`_time`,`processor`)
      );

   2. Ejecute la instrucción SELECT para consultar los datos. Para obtener más información, consulte Query data.

      La siguiente instrucción SQL de ejemplo muestra cómo consultar la información de las series temporales cuyo valor de cpu_usage supera 90.0 en una tabla. Para ello, se utiliza la tabla de asignación denominada cpu::ts1:

      SELECT `_m_name`, `_data_source`, `_tags` , `_time`, `processor` FROM `cpu::ts1` WHERE cpu_usage > 90.0;