Gunakan indeks Lastpoint untuk mengambil data titik waktu terbaru dalam tabel deret waktu dengan cepat. Topik ini menjelaskan gambaran umum, metode penggunaan, dan informasi lainnya tentang fitur indeks Lastpoint.
Gambaran Umum
Indeks Lastpoint dirancang untuk mengambil status terbaru dari deret waktu dalam tabel deret waktu secara cepat. Dengan indeks ini, Anda dapat memperoleh data titik waktu terbaru dari objek yang dipantau dengan efisien.
Setelah membuat indeks Lastpoint untuk tabel deret waktu, Tablestore secara otomatis menyinkronkan data titik waktu terbaru ke indeks Lastpoint melalui pengindeksan lokal saat data ditulis ke tabel deret waktu. Setelah semua data disinkronkan, indeks Lastpoint mencapai keadaan sinkronisasi tambahan tanpa latensi. Indeks Lastpoint mencakup kunci partisi (_#h field) yang dihasilkan oleh Tablestore, pengenal deret waktu, serta data titik waktu terbaru.
Fitur indeks Lastpoint didukung di wilayah berikut: Tiongkok (Hangzhou), Tiongkok (Shanghai), Tiongkok (Beijing), dan Tiongkok (Zhangjiakou).
Untuk melihat data sampel dalam indeks Lastpoint, lihat Lampiran: Data sampel dalam indeks Lastpoint.
Skenario
Tabel berikut menggambarkan skenario tipikal penggunaan indeks Lastpoint.
Skenario | Deskripsi |
Platform IoT | Dalam skenario Internet of Vehicles (IoV), kendaraan secara berkala melaporkan sejumlah besar data, seperti koordinat lokasi kendaraan, suhu di dalam kendaraan, dan daya tersisa. Indeks Lastpoint dapat digunakan untuk pelacakan lokasi kendaraan secara real-time untuk dengan cepat menanyakan informasi lokasi terbaru kendaraan, membantu pengguna memantau status dan lokasi kendaraan secara real-time. |
Sistem pemantauan | Dalam skenario pemantauan perangkat, sering kali diperlukan untuk dengan cepat mendapatkan data terbaru dari beberapa data deret waktu, seperti status operasi perangkat, suhu, dan kelembapan. Sistem pemantauan dapat menggunakan indeks Lastpoint untuk secara efisien mendapatkan status terbaru setiap perangkat, mendukung respons cepat dan penyesuaian. |
Transaksi keuangan | Dalam transaksi keuangan real-time, mendapatkan data harga terbaru secara real-time sangat penting untuk pengambilan keputusan. Indeks Lastpoint membantu pengguna dengan cepat mendapatkan kutipan pasar terbaru dan analisis tren. |
Operasi indeks Lastpoint
Tabel berikut menggambarkan fitur dan metode panggilan yang didukung oleh indeks Lastpoint.
Fitur | Deskripsi | Metode panggilan |
Buat indeks Lastpoint | Buat indeks Lastpoint untuk tabel deret waktu. | |
Kueri data indeks Lastpoint | Kueri data indeks Lastpoint dengan mengeksekusi pernyataan SQL atau menggunakan metode yang sama seperti yang Anda gunakan untuk membaca data dari tabel data. | |
Hapus indeks Lastpoint | Hapus indeks Lastpoint yang dibuat untuk tabel deret waktu. | |
Ambil indeks Lastpoint | Buat indeks pencarian untuk indeks Lastpoint untuk sepenuhnya memanfaatkan keunggulan indeks pencarian dalam kueri data untuk pengambilan data indeks Lastpoint yang efisien. |
Penagihan
Proses pembuatan indeks Lastpoint tidak dikenakan biaya. Namun, penyimpanan data dalam indeks Lastpoint dan pembacaan data akan dikenakan biaya. Untuk informasi lebih lanjut, lihat Item yang dapat ditagih dari model TimeSeries.
Jika Anda menanyakan atau mengambil data indeks Lastpoint menggunakan pernyataan SQL atau indeks pencarian, biaya terkait kueri SQL atau indeks pencarian akan dikenakan sesuai aturan penagihan masing-masing. Untuk informasi lebih lanjut, lihat Item yang dapat ditagih dari kueri SQL dan Item yang dapat ditagih dari indeks pencarian.
Lampiran: Data sampel dalam indeks Lastpoint
Tabel berikut menunjukkan data dalam tabel deret waktu yang berisi dua deret waktu.
Bidang _m_name, _data_source, dan _tags adalah pengenal deret waktu. Bidang _time adalah waktu ketika data dicatat. Bidang cpu_usage dan cpu_sys adalah metrik pengukuran.
_m_name | _data_source | _tags | _time | cpu_usage | cpu_sys |
cpu | host_1 | ["region=hangzhou"] | 1712476524000000 | 10.0 | 5.0 |
cpu | host_1 | ["region=hangzhou"] | 1712476525000000 | 12.0 | 5.0 |
cpu | host_1 | ["region=hangzhou"] | 1712476526000000 | 14.0 | 5.0 |
cpu | host_2 | ["region=hangzhou"] | 1712476524000000 | 10.0 | 5.0 |
cpu | host_2 | ["region=hangzhou"] | 1712476525000000 | 20.0 | 5.0 |
cpu | host_2 | ["region=hangzhou"] | 1712476526000000 | 40.0 | 5.0 |
Setelah membuat indeks Lastpoint, Tablestore secara otomatis menyinkronkan data titik waktu terbaru ke indeks Lastpoint. Tabel berikut menunjukkan data sampel dalam indeks Lastpoint.
Bidang _#h adalah kunci partisi yang dihasilkan oleh Tablestore untuk deret waktu.
_#h | _m_name | _data_source | _tags | _time | cpu_usage | cpu_sys |
03#cpu#a3 | cpu | host_1 | ["region=hangzhou"] | 1712476526000000 | 14.0 | 5.0 |
48#cpu#a5 | cpu | host_2 | ["region=hangzhou"] | 1712476526000000 | 40.0 | 5.0 |