Create a time series table by using Tablestore SDK for Python - Tablestore

Appelez l’opération CreateTimeseriesTable pour créer une table de séries temporelles. Vous devez spécifier les informations de configuration liées à la table et aux métadonnées des séries temporelles. Selon vos besoins métier, vous pouvez également définir des identifiants de série temporelle personnalisés et des champs de données personnalisés en tant que colonnes de clé primaire, créer un magasin analytique ainsi qu’un index Lastpoint.

Remarques sur l’utilisation

Le modèle TimeSeries est pris en charge par Tablestore SDK for Python à partir de la version 6.1.0. Assurez-vous d’utiliser la version appropriée du SDK.

Remarque
Pour plus d’informations, consultez Historique des versions du SDK Python.
Le nom d’une table de séries temporelles doit être unique au sein d’une instance et ne peut pas correspondre à celui d’une table existante.
Vous ne pouvez créer qu’un seul magasin analytique pour une table de séries temporelles. Le nombre total de magasins analytiques et d’index Lastpoint ne doit pas dépasser 10.

Remarque
Les fonctionnalités de magasin analytique et d’index Lastpoint sont disponibles dans les régions suivantes : Chine (Hangzhou), Chine (Shanghai), Chine (Beijing) et Chine (Zhangjiakou).
Vous pouvez définir jusqu’à quatre champs de données comme colonnes de clé primaire d’une table de séries temporelles.
Lorsque vous spécifiez des identifiants de série temporelle personnalisés pour une table, vous pouvez ajouter au maximum six champs.

Prérequis

Initialisez un client Tablestore. Pour plus d’informations, voir Initialiser un client Tablestore.

Paramètres

Le tableau suivant décrit les paramètres inclus dans request.

Parameter	Description
table_meta (required)	Les informations de schéma de la table de séries temporelles, composées des éléments suivants : timeseries_table_name (required) : le nom de la table de séries temporelles. timeseries_table_options (facultatif) : les informations de configuration de la table de séries temporelles, comprenant l’élément suivant : time_to_live (required) : la durée de conservation des données dans la table de séries temporelles. Unité : secondes. La durée minimale de conservation des données dans une table de séries temporelles est de 86 400 secondes (un jour). Vous pouvez également définir time_to_live sur -1, ce qui indique que les données n’expirent jamais. timeseries_meta_options (facultatif) : les informations de configuration des métadonnées des séries temporelles, composées des éléments suivants : meta_time_to_live (facultatif) : la durée de conservation des métadonnées des séries temporelles. Unité : secondes. Valeur par défaut : -1, ce qui indique que les métadonnées des séries temporelles n’expirent jamais. La durée minimale de conservation des métadonnées est de 604 800 secondes (sept jours). Important La valeur de meta_time_to_live doit être supérieure ou égale à celle de time_to_live. allow_update_attributes (facultatif) : indique s’il est possible de mettre à jour les attributs des métadonnées des séries temporelles. La valeur par défaut est True, ce qui autorise les mises à jour. Important Si meta_time_to_live est défini sur une valeur différente de -1, vous devez définir allow_update_attributes sur False, ce qui interdit les mises à jour des attributs des métadonnées. timeseries_keys (facultatif) : les identifiants de série temporelle personnalisés. Par défaut, les identifiants de série temporelle comprennent le nom de la métrique, la source de données et les tags. Remarque Spécifiez cet élément uniquement si vous souhaitez utiliser des identifiants de série temporelle personnalisés. field_primary_keys (facultatif) : les champs de données définis comme colonnes de clé primaire, qui permettent de stocker plusieurs lignes de données ayant les mêmes identifiants de série temporelle et le même horodatage dans une table de séries temporelles. Remarque Spécifiez cet élément uniquement si vous souhaitez stocker simultanément plusieurs lignes de données partageant les mêmes identifiants de série temporelle et le même horodatage.
analytical_stores (facultatif)	Les informations de configuration du magasin analytique pour les séries temporelles, composées des éléments suivants : analytical_store_name (required) : le nom du magasin analytique. time_to_live (facultatif) : la durée de conservation des données dans le magasin analytique. Unité : secondes. Valeur par défaut : -1, ce qui indique que les données du magasin analytique n’expirent jamais. La durée minimale de conservation des données dans un magasin analytique est de 2 592 000 secondes (30 jours). sync_option (facultatif) : le mode de synchronisation du magasin analytique. Valeurs possibles : SYNC_TYPE_FULL (default) : synchronisation complète. SYNC_TYPE_INCR : synchronisation incrémentielle.
lastpoint_index_metas (facultatif)	Les informations de configuration de l’index Lastpoint, composées de l’élément suivant : index_table_name (required) : le nom de l’index Lastpoint.

Exemples

Créer une table de séries temporelles

L’exemple de code suivant montre comment créer une table de séries temporelles :

try:
    # Set the retention period of data in the time series table to 172,800 seconds (two days).
    tableOption = TimeseriesTableOptions(172800)
    # Set the retention period of the time series metadata to -1 and specify that updates to attributes of time series metadata are allowed.
    metaOption = TimeseriesMetaOptions(-1, True)
    tableMeta = TimeseriesTableMeta("", tableOption, metaOption)

    # Call the operation to create the time series table.
    request = CreateTimeseriesTableRequest(tableMeta)
    otsClient.create_timeseries_table(request)
    print("create timeseries table success.")
except Exception as e:
    # If an exception is thrown, the time series table fails to be created. Handle the exception.
    print("create timeseries table failed. %s" % e)

Créer une table de séries temporelles avec un magasin analytique

L’exemple de code suivant montre comment créer une table de séries temporelles associée à un magasin analytique :

try:
    # Set the retention period of data in the time series table to 172,800 seconds (two days).
    tableOption = TimeseriesTableOptions(172800)
    # Set the retention period of the time series metadata to -1 and specify that updates to attributes of time series metadata are allowed.
    metaOption = TimeseriesMetaOptions(-1, True)
    tableMeta = TimeseriesTableMeta("", tableOption, metaOption)

    # Configure an analytical store.
    analyticalStore = TimeseriesAnalyticalStore("default_analytical_store", -1, SyncType.SYNC_TYPE_FULL)

    # Call the operation to create the time series table.
    request = CreateTimeseriesTableRequest(tableMeta, [analyticalStore])
    otsClient.create_timeseries_table(request)
    print("create timeseries table success.")
except Exception as e:
    # If an exception is thrown, the time series table fails to be created. Handle the exception.
    print("create timeseries table failed. %s" % e)

Créer une table de séries temporelles avec des identifiants personnalisés et des champs de données définis comme colonnes de clé primaire

L’exemple de code suivant montre comment créer une table de séries temporelles en utilisant les identifiants de série temporelle personnalisés keyA, keyB et keyC, ainsi que deux champs de données gid (type String) et uid (type Integer) définis comme colonnes de clé primaire de la table :

try:
    # Set the retention period of data in the time series table to 86,400 seconds (one day).
    tableOption = TimeseriesTableOptions(86400)
    # Set the retention period of the time series metadata to -1 and specify that updates to attributes of time series metadata are allowed.
    metaOption = TimeseriesMetaOptions(-1, True)
    # Specify custom time series identifiers
    timeseriesKeys = ["keyA", "keyB", "keyC"]
    # Specify custom data fields as the primary key columns of the time series table.
    fieldPrimaryKeys = [('gid', 'STRING'), ('uid', 'INTEGER')]
    tableMeta = TimeseriesTableMeta("", tableOption, metaOption, timeseriesKeys,
                                    fieldPrimaryKeys)

    # Call the operation to create the time series table.
    request = CreateTimeseriesTableRequest(tableMeta)
    otsClient.create_timeseries_table(request)
    print("create timeseries table success.")
except Exception as e:
    # If an exception is thrown, the time series table fails to be created. Handle the exception.
    print("create timeseries table failed. %s" % e)

Créer une table de séries temporelles avec un index Lastpoint

L’exemple de code suivant montre comment créer une table de séries temporelles dotée d’un index Lastpoint :

try:
    # Set the retention period of data in the time series table to 86,400 seconds (one day).
    tableOption = TimeseriesTableOptions(86400)
    # Set the retention period of the time series metadata to 604,800 seconds (seven days) and specify that updates to attributes of time series metadata are not allowed.
    metaOption = TimeseriesMetaOptions(604800, False)
    tableMeta = TimeseriesTableMeta("", tableOption, metaOption)

    # Configure a Lastpoint index.
    lastPointIndex = LastpointIndexMeta("")

    # Call the operation to create the time series table.
    request = CreateTimeseriesTableRequest(tableMeta, None, [lastPointIndex])
    otsClient.create_timeseries_table(request)
    print("create timeseries table success.")
except Exception as e:
    # If an exception is thrown, the time series table fails to be created. Handle the exception.
    print("create timeseries table failed. %s" % e)