Model TimeSeries dirancang berdasarkan karakteristik data deret waktu dan cocok untuk skenario seperti pemantauan perangkat IoT, termasuk penyimpanan data yang dikumpulkan oleh perangkat serta data pemantauan mesin. Model ini mendukung pengindeksan otomatis metadata deret waktu dan pengambilan deret waktu berdasarkan kondisi komposit. Data deret waktu disimpan dalam tabel deret waktu, memungkinkan aplikasi menulis dan membaca data secara konkuren dalam skala petabyte sekaligus mengurangi biaya penyimpanan. Anda dapat menjalankan pernyataan SQL untuk mengkueri dan menganalisis data deret waktu.
Pengantar
Model TimeSeries dirancang berdasarkan karakteristik data deret waktu dan cocok untuk skenario seperti pemantauan perangkat IoT, termasuk penyimpanan data yang dikumpulkan oleh perangkat serta data pemantauan mesin.
Dalam model TimeSeries Tablestore, data deret waktu disimpan dalam tabel dua dimensi. Setiap baris merepresentasikan data pada satu titik waktu dalam suatu deret waktu. Pengenal deret waktu dan timestamp merupakan kolom kunci primer, sedangkan titik data deret waktu di bawah timestamp tersebut merupakan kolom data. Satu baris dapat berisi beberapa kolom data. Anda tidak perlu menentukan skema kolom kunci primer dan kolom data terlebih dahulu—cukup tentukan nama kolom data spesifik saat menulis data ke tabel deret waktu.
Tabel deret waktu dapat menyimpan data deret waktu dari berbagai tipe metrik. Pada gambar berikut, tabel tersebut menyimpan data dari dua tipe metrik: suhu dan kelembapan.
Pada gambar tersebut, pengenal deret waktu terdiri dari measurement, sumber data, dan tag. Anda dapat memanggil Operasi API untuk memperbarui properti dalam metadata deret waktu, yang selanjutnya dapat digunakan untuk mengambil deret waktu.
Setelah data ditulis ke tabel deret waktu, sistem secara otomatis mengekstraksi metadata deret waktu dan membuat indeks metadata. Anda dapat mengambil deret waktu berdasarkan kombinasi nama metrik, sumber data, dan tag.
Berikut ini adalah manfaat model TimeSeries:
-
Menyediakan metode pemodelan umum yang terpadu untuk data deret waktu tanpa perlu menentukan skema tabel terlebih dahulu.
-
Mendukung pembuatan indeks metadata secara otomatis dan pengambilan deret waktu berdasarkan kondisi komposit.
-
Mendukung kueri dan agregasi menggunakan SQL.
-
Mendukung skala keluar (scale-out) layanan secara otomatis, penulisan dan kueri berkonkurensi tinggi, serta penyimpanan data petabyte dengan biaya rendah.
Istilah
|
Istilah |
Deskripsi |
|
time series data |
Data deret waktu terdiri dari beberapa deret waktu. Setiap deret waktu merupakan kumpulan titik data yang disusun secara kronologis. Metadata diperlukan untuk mengidentifikasi suatu deret waktu. Oleh karena itu, data deret waktu terdiri dari metadata dan data.
|
|
time series metadata |
Metadata deret waktu berisi pengenal dan properti suatu deret waktu. Pengenal digunakan untuk mengidentifikasi secara unik suatu deret waktu. Properti dapat dimodifikasi dan digunakan untuk mengambil deret waktu. |
|
time series identifier |
Pengenal deret waktu digunakan untuk mengidentifikasi secara unik suatu deret waktu. Dalam model TimeSeries Tablestore, pengenal deret waktu terdiri dari tiga bagian berikut: nama metrik, sumber data, dan tag. |
|
metric name |
Nama besaran fisik atau metrik untuk data dalam deret waktu, seperti cpu atau net, yang menunjukkan penggunaan CPU atau penggunaan jaringan. |
|
data source |
Pengenal sumber data untuk deret waktu. Parameter ini dapat dikosongkan. |
|
tag |
Tag dari deret waktu. Anda dapat menentukan beberapa pasangan kunci-nilai bertipe string. |
|
property |
Properti merupakan bagian dari metadata deret waktu dan dapat digunakan untuk mencatat informasi properti yang dapat dimodifikasi dari suatu deret waktu. Namun, properti tidak dapat digunakan sebagai pengenal deret waktu dan tidak dapat mengidentifikasi deret waktu secara unik. Properti suatu deret waktu berupa beberapa pasangan kunci-nilai bertipe string, yang formatnya mirip dengan tag. Anda dapat menentukan atau memperbarui properti deret waktu untuk mengambil deret waktu tersebut berdasarkan propertinya. |
|
data in a time series |
Satu titik data dalam deret waktu terdiri dari waktu saat data dihasilkan dan nilai data yang sesuai. Jika hanya satu nilai yang dihasilkan pada setiap momen dalam deret waktu, maka digunakan model nilai tunggal (single-value). Jika beberapa nilai dihasilkan pada setiap momen dalam deret waktu, maka digunakan model multi-nilai (multi-value). Model TimeSeries Tablestore menggunakan model multi-nilai. Anda dapat menentukan beberapa nilai data pada satu titik waktu. Setiap nilai berkorespondensi dengan satu 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
-
Buat dan kelola tabel deret waktu
Anda dapat menggunakan Konsol Tablestore, SDK, atau CLI untuk mengkueri semua tabel deret waktu dalam suatu instans, membuat tabel deret waktu, mengkueri konfigurasi tabel, memperbarui konfigurasi, dan menghapus tabel deret waktu.
Saat membuat atau memperbarui konfigurasi tabel deret waktu, Anda dapat menentukan masa hidup data (TTL/time to live). Setelah nilai TTL ditentukan, sistem secara otomatis memeriksa selisih antara waktu saat ini dan timestamp penulisan data. Jika selisih tersebut melebihi nilai TTL, sistem akan menghapus data yang kedaluwarsa.
-
Baca dan tulis data deret waktu
Anda dapat menggunakan Konsol Tablestore, SDK, atau CLI untuk menulis beberapa baris data deret waktu ke tabel secara bersamaan. Setelah data ditulis, Anda dapat menentukan pengenal deret waktu untuk mengkueri data dalam rentang waktu tertentu.
-
Ambil deret waktu
Anda dapat menggunakan Konsol Tablestore, SDK, atau CLI untuk mengambil deret waktu dari tabel. Pengambilan dapat dilakukan berdasarkan kondisi komposit yang terdiri dari beberapa kriteria. Misalnya, Anda dapat mengambil semua deret waktu dengan nama metrik cpu, tag region bernilai hangzhou, serta properti status bernilai online. Setelah deret waktu diambil, Anda dapat memanggil Operasi API untuk mengkueri data di dalamnya.
-
Lakukan kueri dan analitik SQL
Tabel deret waktu mendukung kueri menggunakan SQL. Dalam SQL, Anda dapat menentukan kondisi metadata untuk memfilter deret waktu dan melakukan agregasi data berdasarkan operasi agregasi dalam dimensi yang berbeda. Misalnya, Anda dapat mengkueri nilai rata-rata data sampel dari sekelompok perangkat dan mengagregasi data tingkat detik menjadi data tingkat menit.
Selain itu, Anda juga dapat mengkueri hanya metadata deret waktu melalui SQL, sehingga memungkinkan pengelolaan metadata 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 - Wilayah Mitra), dan Singapura.
Operasi API
|
Kategori |
Operasi |
Deskripsi |
|
Operasi API pada tabel deret waktu |
Membuat tabel deret waktu. |
|
|
Mengkueri nama tabel deret waktu dalam suatu instans. |
||
|
Mengkueri 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. |
|
|
Mengkueri data dalam deret waktu. |
||
|
Mengambil metadata deret waktu. |
||
|
Memperbarui metadata deret waktu. |
||
|
Menghapus metadata deret waktu. |
||
|
Operasi API pada penyimpanan analitik deret waktu |
Membuat penyimpanan analitik deret waktu. |
|
|
Memperbarui informasi konfigurasi penyimpanan analitik deret waktu. |
||
|
Mengkueri informasi penyimpanan analitik deret waktu. |
||
|
Menghapus penyimpanan analitik deret waktu. |
||
|
Operasi API pada indeks Lastpoint |
Membuat indeks Lastpoint. |
|
|
Menghapus indeks Lastpoint. |
Prosedur
|
Langkah |
Operasi |
Deskripsi |
|
1 |
Setelah membuat RAM user, berikan izin minimal untuk mengakses sumber daya Tablestore kepada RAM user tersebut dengan melampirkan kebijakan sistem atau kebijakan kustom. Jika Anda ingin menggunakan Akun Alibaba Cloud atau RAM user yang telah 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 menyarankan agar Anda membuat RAM user dan memberikan izin kepada RAM user tersebut. Dengan demikian, RAM user yang berbeda memiliki izin untuk mengakses sumber daya yang berbeda. |
|
|
2 |
Sebelum menggunakan Tablestore, Anda harus mengaktifkan Tablestore. Anda hanya perlu mengaktifkan Tablestore sekali. Anda tidak dikenai biaya saat mengaktifkan Tablestore. Jika Tablestore sudah diaktifkan, lewati langkah ini. |
|
|
3 |
Penting
Buat instans Tablestore di wilayah yang dipilih berdasarkan model tabel yang ingin dibuat dalam instans tersebut dan tipe instans. Jika instans Tablestore yang sudah ada memenuhi kebutuhan bisnis Anda, lewati langkah ini. |
|
|
4 |
Buat tabel deret waktu untuk menyimpan data deret waktu. Saat 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 secara batch. Data deret waktu terdiri dari metadata dan data. Jika Anda tidak membuat metadata sebelum menulis data deret waktu, sistem secara otomatis mengekstraksi 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 Alirkan data Kafka ke tabel deret waktu. |
|
|
6 |
Penting
Jika Anda tidak yakin tentang informasi deret waktu yang datanya ingin Anda kueri, seperti nama metrik dan sumber data, Anda dapat menentukan beberapa kondisi untuk mengambil deret waktu tersebut. Untuk informasi lebih lanjut, lihat Kelola deret waktu. Setelah deret waktu yang datanya ingin Anda kueri diambil, Anda dapat mengkueri 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 guna mengkueri data.
|
Gunakan model TimeSeries
Anda dapat mencoba model TimeSeries secara cepat menggunakan Konsol Tablestore, SDK, atau CLI.
Aturan penagihan
Item yang dapat ditagih pada model TimeSeries mencakup throughput baca, throughput tulis, penggunaan penyimpanan data deret waktu serta metadata deret waktu, dan lalu lintas keluar melalui Internet. Untuk informasi lebih lanjut, lihat Item yang dapat ditagih pada model TimeSeries.
FAQ
Referensi
-
Untuk menghapus data deret waktu historis dalam tabel deret waktu, Anda dapat mengonfigurasi TTL untuk tabel tersebut. Untuk informasi lebih lanjut, lihat Siklus hidup data deret waktu.
-
Untuk backup data deret waktu di Tablestore secara hemat biaya atau mengekspor data deret waktu sebagai file ke perangkat lokal, Anda dapat menggunakan fitur Data Integration dari DataWorks untuk menyinkronkan data deret waktu dari Tablestore ke Object Storage Service (OSS) guna disimpan atau diunduh. 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 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 mengkueri serta menganalisis data deret waktu secara cepat, Anda dapat menggunakan penyimpanan analitik deret waktu. Untuk informasi lebih lanjut, lihat Penyimpanan analitik deret waktu.
-
Jika Anda ingin mengkueri data titik terbaru dalam deret waktu di tabel deret waktu, Anda dapat membuat indeks Lastpoint untuk tabel tersebut. Untuk informasi lebih lanjut, lihat Indeks Lastpoint.