Model TimeSeries dirancang berdasarkan karakteristik data deret waktu. Model ini cocok untuk skenario seperti pemantauan perangkat IoT dan dapat digunakan untuk menyimpan data yang dikumpulkan oleh perangkat serta data pemantauan mesin. Model TimeSeries mendukung pengindeksan otomatis metadata deret waktu dan pengambilan deret waktu berdasarkan kondisi komposit. Model ini menggunakan tabel deret waktu untuk menyimpan data deret waktu, memungkinkan aplikasi menulis dan membaca data dalam jumlah petabyte secara bersamaan serta mengurangi biaya penyimpanan. Anda dapat menjalankan Pernyataan SQL untuk menanyakan dan menganalisis data deret waktu.
Pengenalan
Model TimeSeries dirancang berdasarkan karakteristik data deret waktu. Model ini cocok untuk skenario seperti pemantauan perangkat IoT dan dapat digunakan untuk menyimpan data yang dikumpulkan oleh perangkat serta data pemantauan mesin.
Dalam model TimeSeries Tablestore, tabel deret waktu dua dimensi digunakan untuk menyimpan data deret waktu. Setiap baris mewakili data pada satu titik waktu dalam deret waktu. Pengidentifikasi deret waktu dan cap waktu adalah kolom kunci utama dari baris tersebut, sedangkan titik data deret waktu di bawah cap waktu merupakan kolom data dari baris tersebut. Sebuah baris dapat berisi beberapa kolom data. Anda tidak perlu mendefinisikan skema kolom kunci utama dan kolom data terlebih dahulu. Anda hanya perlu menentukan nama kolom data tertentu saat menulis data ke tabel deret waktu.
Tabel deret waktu dapat menyimpan data deret waktu dari berbagai jenis metrik. Pada gambar berikut, tabel deret waktu menyimpan data dari dua jenis metrik: suhu dan kelembaban.
Pada gambar tersebut, pengidentifikasi deret waktu terdiri dari pengukuran, sumber data, dan tag. Anda dapat memanggil Operasi API untuk memperbarui properti dalam metadata deret waktu. Properti tersebut dapat digunakan untuk mengambil deret waktu.
Setelah data ditulis ke tabel deret waktu, sistem secara otomatis mengekstrak metadata deret waktu dan membuat indeks metadata. Anda dapat mengambil deret waktu berdasarkan kombinasi nama metrik, sumber data, dan tag.
Berikut adalah manfaat dari model TimeSeries:
Menyediakan metode pemodelan umum terpadu untuk data deret waktu, sehingga menghilangkan kebutuhan untuk mendefinisikan skema tabel terlebih dahulu.
Mengizinkan pembuatan indeks metadata otomatis untuk deret waktu dan mendukung pengambilan deret waktu berdasarkan kondisi komposit.
Mendukung pertanyaan dan agregasi menggunakan SQL.
Mendukung peningkatan otomatis kemampuan layanan, penulisan dan pertanyaan dengan konkurensi tinggi, serta penyimpanan data petabyte dengan biaya rendah.
Istilah
Istilah | Deskripsi |
data deret waktu | Data deret waktu terdiri dari beberapa deret waktu. Setiap deret waktu adalah sekumpulan titik data yang disusun secara kronologis. Metadata diperlukan untuk mengidentifikasi deret waktu. Oleh karena itu, data deret waktu terdiri dari metadata dan data.
|
metadata deret waktu | Metadata deret waktu berisi pengidentifikasi dan properti deret waktu. Pengidentifikasi digunakan untuk secara unik mengidentifikasi deret waktu. Properti dapat dimodifikasi dan dapat digunakan untuk mengambil deret waktu. |
pengenal deret waktu | Pengenal deret waktu digunakan untuk secara unik mengidentifikasi deret waktu. Dalam model TimeSeries Tablestore, pengenal deret waktu terdiri dari tiga bagian berikut: nama metrik, sumber data, dan tag. |
nama metrik | Nama besaran fisik atau metrik untuk data dalam deret waktu, seperti cpu atau net, yang menunjukkan penggunaan CPU atau penggunaan jaringan. |
sumber data | Pengidentifikasi sumber data untuk deret waktu. Parameter ini bisa dibiarkan kosong. |
tag | Tag deret waktu. Anda dapat menentukan beberapa pasangan kunci-nilai bertipe string. |
properti | Properti adalah bagian dari metadata deret waktu dan dapat digunakan untuk mencatat informasi properti yang dapat dimodifikasi dari deret waktu. Namun, properti tidak dapat digunakan sebagai pengidentifikasi deret waktu dan tidak dapat digunakan untuk secara unik mengidentifikasi deret waktu. Properti deret waktu adalah beberapa pasangan kunci-nilai bertipe string, yang mirip dengan tag dalam formatnya. Anda dapat menentukan atau memperbarui properti deret waktu untuk mengambil deret waktu dengan menggunakan properti tersebut. |
data dalam deret waktu | Titik data dalam deret waktu terdiri dari waktu ketika data dihasilkan dan nilai data yang sesuai. Jika hanya satu nilai yang dihasilkan setiap saat dalam deret waktu, model nilai tunggal digunakan. Jika beberapa nilai dihasilkan setiap saat dalam deret waktu, model nilai ganda digunakan. Model TimeSeries Tablestore menggunakan model nilai ganda. Anda dapat menentukan beberapa nilai data pada satu titik waktu. Setiap nilai sesuai dengan kolom dalam tabel deret waktu, termasuk nama kolom dan nilai kolom. Nilai kolom mendukung tipe data berikut: Boolean, integer, floating-point, string, dan binary. |
Fitur
Membuat dan mengelola tabel deret waktu
Anda dapat menggunakan konsol Tablestore, SDK, atau CLI untuk menanyakan semua tabel deret waktu dalam sebuah instance, membuat tabel deret waktu, menanyakan konfigurasi tabel deret waktu, memperbarui konfigurasi tabel deret waktu, dan menghapus tabel deret waktu.
Saat membuat tabel deret waktu atau memperbarui konfigurasinya, Anda dapat menentukan waktu hidup (TTL) untuk data dalam tabel deret waktu. Setelah nilai TTL ditentukan, sistem secara otomatis memeriksa selisih antara waktu saat ini dan cap waktu ketika data deret waktu ditulis. Jika selisih melebihi nilai TTL, sistem akan menghapus data yang kedaluwarsa.
Membaca dan menulis data deret waktu
Anda dapat menggunakan konsol Tablestore, SDK, atau CLI untuk menulis beberapa baris data deret waktu ke tabel deret waktu secara bersamaan. Setelah data ditulis, Anda dapat menentukan pengenal deret waktu untuk menanyakan data dalam deret waktu dalam rentang waktu tertentu.
Mengambil deret waktu
Anda dapat menggunakan konsol Tablestore, SDK, atau CLI untuk mengambil deret waktu dalam tabel deret waktu. Anda dapat menggunakan kondisi komposit yang terdiri dari beberapa kondisi untuk mengambil deret waktu. Misalnya, Anda dapat mengambil semua deret waktu di mana nama metrik adalah cpu, tag berisi tag dengan nama region dan nilai hangzhou, serta properti berisi properti dengan nama status dan nilai online. Setelah deret waktu diambil, Anda dapat memanggil Operasi API untuk lebih menanyakan data dalam deret waktu.
Menerapkan pertanyaan dan analitik SQL
Tabel deret waktu mendukung pertanyaan menggunakan SQL. Dalam SQL, Anda dapat menentukan kondisi metadata untuk menyaring deret waktu dan mengagregasi data berdasarkan operasi agregasi dalam dimensi yang berbeda. Misalnya, Anda dapat menanyakan nilai rata-rata dari data sampel yang dikumpulkan dari sekelompok perangkat dan mengagregasi data detik-level menjadi data menit-level.
Selain itu, Anda dapat menanyakan hanya metadata deret waktu dalam SQL. Dengan cara ini, Anda dapat mengelola metadata deret waktu menggunakan SQL.
Batasan
Untuk informasi lebih lanjut, lihat Batasan pada model TimeSeries.
Catatan Penggunaan
Model TimeSeries didukung di wilayah berikut: Tiongkok (Hangzhou), Tiongkok (Shanghai), Tiongkok (Beijing), Tiongkok (Zhangjiakou), Tiongkok (Ulanqab), Tiongkok (Shenzhen), Tiongkok (Chengdu), Tiongkok (Hong Kong), Jepang (Tokyo), Malaysia (Kuala Lumpur), Jerman (Frankfurt), Indonesia (Jakarta), Inggris (London), AS (Silicon Valley), AS (Virginia), SAU (Riyadh - Partner Region), dan Singapura.
Operasi API
Kategori | Operasi | Deskripsi |
Operasi API pada tabel deret waktu | Membuat tabel deret waktu. | |
Menanyakan nama-nama tabel deret waktu dalam sebuah instance. | ||
Menanyakan informasi tentang tabel deret waktu. | ||
Memperbarui konfigurasi tabel deret waktu. | ||
Menghapus tabel deret waktu. | ||
Operasi API pada deret waktu | Menulis data deret waktu ke tabel deret waktu. | |
Menanyakan data dalam deret waktu. | ||
Mengambil metadata deret waktu. | ||
Memperbarui metadata deret waktu. | ||
Menghapus metadata deret waktu. | ||
Operasi API pada toko analitik deret waktu | Membuat toko analitik deret waktu. | |
Memperbarui informasi konfigurasi toko analitik deret waktu. | ||
Menanyakan informasi toko analitik deret waktu. | ||
Menghapus toko analitik deret waktu. | ||
Operasi API pada indeks Lastpoint | Membuat indeks Lastpoint. | |
Menghapus indeks Lastpoint. |
Prosedur
Langkah | Operasi | Deskripsi |
1 | Memberikan izin pada sumber daya Tablestore kepada pengguna RAM | Setelah Anda membuat pengguna RAM, berikan izin minimal untuk mengakses sumber daya Tablestore kepada pengguna RAM dengan melampirkan kebijakan sistem atau kebijakan kustom ke pengguna RAM. Jika Anda ingin menggunakan akun Alibaba Cloud Anda atau pengguna RAM yang diberi izin yang diperlukan untuk mengakses sumber daya Tablestore, lewati langkah ini. Penting Secara default, akun Alibaba Cloud memiliki izin untuk melakukan operasi pada semua sumber daya cloud dalam akun tersebut. Untuk alasan keamanan, kami sarankan Anda membuat pengguna RAM dan memberikan izin kepada pengguna RAM tersebut. Dengan cara ini, pengguna RAM yang berbeda memiliki izin untuk mengakses sumber daya yang berbeda. |
2 | Sebelum Anda menggunakan Tablestore, Anda harus mengaktifkan Tablestore. Anda hanya perlu mengaktifkan Tablestore sekali. Anda tidak dikenakan biaya saat mengaktifkan Tablestore. Jika Tablestore sudah diaktifkan, lewati langkah ini. | |
3 | Penting
Buat instance Tablestore di wilayah yang dipilih berdasarkan model tabel yang ingin Anda buat dalam instance dan tipe instance. Jika instance Tablestore yang ada memenuhi kebutuhan bisnis Anda, lewati langkah ini. | |
4 | Buat tabel deret waktu untuk menyimpan data deret waktu. Saat Anda membuat tabel deret waktu, Anda dapat mengonfigurasi TTL tabel deret waktu berdasarkan apakah Anda ingin membersihkan data historis. | |
5 | Tulis data deret waktu ke deret waktu dalam batch. Data deret waktu terdiri dari metadata dan data. Jika Anda belum membuat metadata sebelum menulis data deret waktu, sistem akan secara otomatis mengekstrak metadata dari data yang ditulis. Catatan Anda juga dapat menggunakan paket kafka-connect-tablestore untuk menyinkronkan data dari Apache Kafka ke tabel deret waktu. Untuk informasi lebih lanjut, lihat Sinkronisasi data ke tabel der waktu. | |
6 | Penting Jika Anda tidak yakin tentang informasi deret waktu yang ingin Anda tanyakan, seperti nama metrik dan sumber data, Anda dapat menentukan beberapa kondisi untuk mengambil deret waktu. Untuk informasi lebih lanjut, lihat Operasi deret waktu. Setelah deret waktu yang ingin Anda tanyakan ditemukan, Anda dapat menanyakan data deret waktu yang memenuhi kondisi tertentu seperti rentang waktu dalam deret waktu tersebut. | |
7 | Anda dapat membuat tiga jenis tabel pemetaan untuk tabel deret waktu dalam SQL untuk menanyakan data.
|
Gunakan Model TimeSeries
Anda dapat mencoba Model TimeSeries dengan cepat menggunakan konsol Tablestore, SDK, atau CLI.
Aturan Penagihan
Item yang dapat ditagih dari model TimeSeries meliputi throughput baca, throughput tulis, dan penggunaan penyimpanan data deret waktu dan metadata deret waktu, serta lalu lintas keluar Internet. Untuk informasi lebih lanjut, lihat Item yang dapat ditagih dari model TimeSeries.
Pertanyaan Umum
Referensi
Untuk menghapus data deret waktu historis dalam tabel deret waktu, Anda dapat mengonfigurasi TTL untuk tabel deret waktu tersebut. Untuk informasi lebih lanjut, lihat TTL data deret waktu.
Untuk mencadangkan data deret waktu di Tablestore dengan cara yang hemat biaya atau mengekspor data deret waktu sebagai file ke perangkat lokal, Anda dapat menggunakan fitur Integrasi Data dari DataWorks untuk menyinkronkan data deret waktu dari Tablestore ke Object Storage Service (OSS) untuk penyimpanan atau unduhan. Untuk informasi lebih lanjut, lihat Sinkronkan data dari Tablestore ke OSS.
Untuk memvisualisasikan data deret waktu, Anda dapat menghubungkan Tablestore ke Grafana. Untuk informasi lebih lanjut, lihat Hubungkan Tablestore ke Grafana.
Jika Anda menggunakan Realtime Compute for Apache Flink untuk menghitung dan menganalisis data, Anda dapat menggunakan tabel deret waktu Tablestore untuk menyimpan hasilnya. Untuk informasi lebih lanjut, lihat Tutorial (Model TimeSeries).
Jika Anda ingin menyimpan data deret waktu dengan biaya rendah dan menanyakan serta menganalisis data deret waktu dengan cepat, Anda dapat menggunakan toko analitik deret waktu. Untuk informasi lebih lanjut, lihat Toko analitik deret waktu.
Jika Anda ingin menanyakan data titik terakhir dalam deret waktu pada tabel deret waktu, Anda dapat membuat indeks Lastpoint untuk tabel deret waktu tersebut. Untuk informasi lebih lanjut, lihat Indeks Lastpoint.