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

Especifique identificadores de série temporal personalizados

Identificadores de série temporal personalizados são úteis em cenários que exigem posicionamento temporal preciso, consultas por intervalo, análise de tendências e associação de eventos. Os itens a seguir descrevem esses cenários:

• Solução de problemas e análise de causa raiz

  Em operações de TI e monitoramento de equipamentos industriais, identificadores de série temporal personalizados ajudam a marcar com precisão o momento em que falhas ocorrem. Combinados com outros dados de série temporal (como status do dispositivo e informações de log), eles possibilitam localizar rapidamente as causas dos problemas para análise de causa raiz.

• Análise de comportamento do usuário

  Em aplicações de Internet, identificadores de série temporal personalizados permitem analisar períodos de atividade dos usuários, durações de sessão e caminhos de comportamento por meio do registro de horários de login, durações de visualização de página e sequências de operações. Essa abordagem baseada em dados facilita a otimização da experiência do usuário e as recomendações inteligentes de conteúdo.

• Auditoria de transações financeiras

  No setor financeiro, cada transação exige um timestamp preciso. Os identificadores de série temporal personalizados garantem a sequência e a integridade das transações e também viabilizam análises antifraude, como a identificação de padrões anômalos de transação e o rastreamento de fluxos financeiros.

Ao especifique identificadores de série temporal personalizados, você pode agrupar, filtrar e analisar dados de série temporal de forma flexível, viabilizando o gerenciamento granular e insights mais profundos em diversos cenários de negócio.

Especifique campos de dados personalizados como colunas de chave primária

Para armazenar múltiplas linhas de dados de série temporal com os mesmos identificadores de série temporal e timestamp, especifique campos de dados personalizados como colunas de chave primária da tabela de série temporal. Os itens a seguir descrevem esses cenários:

• Análise de associação de eventos

  Em cenários complexos de análise, pode ser necessário associar dados de série temporal com base em campos de dados diferentes dos identificadores de série temporal. Ao especifique campos de dados personalizados como colunas de chave primária, você localiza rapidamente os dados de um dispositivo específico em timestamps determinados. Essa abordagem é adequada para solução de problemas e análise de comportamento.

• Indexação multidimensional

  Em aplicações avançadas de bancos de dados de série temporal, quando é necessário realizar consultas e filtragem multidimensionais nos dados, especifique campos de dados personalizados como colunas de chave primária melhora a eficiência das consultas. Essa abordagem permite localizar com mais precisão os dados de série temporal relevantes, especialmente ao processar grandes volumes de dados.

• Gerenciamento de dados de série temporal multi-tenant

  Ao fornecer serviços de armazenamento de dados de série temporal para múltiplos clientes, você pode especifique o id do tenant como uma das colunas de chave primária na tabela de série temporal, formando uma chave primária composta com o timestamp. Essa abordagem garante o isolamento dos dados e o acesso eficiente para diferentes tenants.

Usar o console do Tablestore

1. Ao crie uma tabela de série temporal, especifique os identificadores de série temporal personalizados. Para mais informações, consulte Manage time series tables.

2. Grave dados na tabela de série temporal com base nos identificadores de série temporal personalizados.

   Ao gravar dados na tabela de série temporal, os campos dos identificadores de série temporal personalizados no cliente são passados ao servidor do Tablestore como pares de chave-valor. O servidor primeiro extrai o nome da métrica e a source de dados dos pares de chave-valor, e então utiliza os pares restantes como tags da série temporal. Para mais informações, consulte Write time series data.

   Importante

   Se os campos dos identificadores de série temporal personalizados não incluírem o campo _tags ao crie a tabela de série temporal, mas ainda restarem pares de chave-valor após exclua o nome da métrica, a source de dados e os campos personalizados durante a gravação dos dados, a gravação falhará.

3. Leia dados da tabela de série temporal.

   1. Crie uma tabela de mapeamento SQL para a tabela de série temporal. Para mais informações, consulte Create mapping tables in the multi-value model for time series tables.

      1. Na página Manage Time Series Table, clique em na aba Query by Executing SQL Statement.

      2. No lado esquerdo da aba Query by Executing SQL Statement, clique em no ícone + ao lado do nome da instância do modelo TimeSeries.

      3. Na caixa de diálogo Create Mapping Table, configure os parâmetros. A tabela a seguir descreve os parâmetros.

         Parâmetro	Descrição
         Table Name	O nome da tabela de série temporal.
         Mapping Table Name	O nome da tabela de mapeamento. Nota Ao crie uma tabela de mapeamento SQL para uma tabela de série temporal, o sistema adiciona automaticamente o prefixo time series table name:: ao nome da tabela de mapeamento.
         Enable Analytical Store	O recurso de analytical store é utilizado em cenários nos quais você deseja armazenar dados de série temporal por longos períodos e analisá-los. Com o analytical store, é possível armazenar dados de série temporal com custos reduzidos, além de consultar e analisar os dados de forma eficiente. Para mais informações, consulte Analytical store. Por padrão, Enable Analytical Store está desativado. Configure o parâmetro de acordo com suas necessidades de negócio. Se não desejar utilizar um analytical store para armazenar e analisar dados de série temporal, mantenha a configuração padrão do parâmetro Enable Analytical Store. Se desejar armazenar dados de série temporal com custos reduzidos ou consultar e analisar dados de série temporal de forma eficiente, certifique-se de que um analytical store foi criado e que Enable Analytical Store está ativado. Importante O recurso de analytical store está disponível nas seguintes regiões: China (Hangzhou), China (Shanghai), China (Beijing) e China (Zhangjiakou). Para utilizar esse recurso, crie uma instância do modelo TimeSeries em uma dessas regiões. Para mais informações, consulte Create an instance for the TimeSeries model. Se você crie uma tabela de mapeamento com Enable Analytical Store ativado, ao exclua o analytical store, será necessário exclua a tabela de mapeamento ao mesmo tempo. Caso contrário, a exclusão do analytical store falhará.

      4. Clique em Generate SQL Statement. O sistema gera automaticamente a instrução SQL para crie a tabela de mapeamento.

         Após especifique os identificadores de série temporal personalizados, ao crie uma tabela de mapeamento SQL, defina os identificadores de série temporal personalizados e os campos de dados personalizados usados como colunas de chave primária da tabela de série temporal como colunas de chave primária da tabela de mapeamento SQL.

      5. Clique em Execute SQL Statement(F8).

   2. Execute a instrução SELECT para consultar dados. Para mais informações, consulte Query data.

      Insira a instrução SQL no editor SQL do console e clique em Execute SQL Statement(F8).

      A instrução SQL de exemplo a seguir demonstra como consultar informações das séries temporais em que o valor de cpu_usage excede 90,0 em uma tabela de série temporal por meio da tabela de mapeamento chamada cpu::ts1:

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

Usar os SDK do Tablestore

Neste exemplo, o Tablestore SDK for Java é utilizado.

1. Ao crie uma tabela de série temporal, especifique os identificadores de série temporal personalizados.

   O código de exemplo a seguir demonstra como crie uma tabela de série temporal sem analytical store e especifique identificadores de série temporal 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. Grave dados na tabela de série temporal com base nos identificadores de série temporal personalizados.

   Ao gravar dados na tabela de série temporal, os campos dos identificadores de série temporal personalizados no cliente são passados ao servidor do Tablestore como pares de chave-valor. O servidor primeiro extrai o nome da métrica e a source de dados dos pares de chave-valor, e então utiliza os pares restantes como tags da série temporal.

   Importante

   Se os campos dos identificadores de série temporal personalizados não incluírem o campo _tags ao crie a tabela de série temporal, mas ainda restarem pares de chave-valor após exclua o nome da métrica, a source de dados e os campos personalizados durante a gravação dos dados de série temporal, a gravação falhará.

   O código de exemplo a seguir demonstra como gravar três linhas de dados de série temporal em uma tabela de série temporal com base nos identificadores de série temporal 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);
   }

   A tabela a seguir apresenta os dados de série temporal na tabela após a gravação bem-sucedida.

   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. Execute instruções SQL para ler dados da tabela de série temporal.

   1. Crie uma tabela de mapeamento SQL para a tabela de série temporal. Para mais informações, consulte Create mapping tables in the multi-value model for time series tables.

      Após especifique os identificadores de série temporal personalizados, ao crie uma tabela de mapeamento SQL, defina os campos dos identificadores de série temporal personalizados e o campo de timestamp como colunas de chave primária da tabela de mapeamento SQL.

      Configurações de exemplo:

      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. Execute a instrução SELECT para consultar dados. Para mais informações, consulte Query data.

      A instrução SQL de exemplo a seguir demonstra como consultar informações das séries temporais em que o valor de cpu_usage excede 90,0 em uma tabela de série temporal por meio da tabela de mapeamento chamada cpu::ts1:

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

Usar o console do Tablestore

1. Ao crie uma tabela de série temporal, especifique os campos de dados personalizados como colunas de chave primária da tabela. Para mais informações, consulte Gerencie time series tables.

2. Grave dados de série temporal na tabela.

   Ao gravar dados em uma tabela de série temporal, os campos de dados definidos como colunas de chave primária não podem ficar vazios. Para armazenar múltiplas linhas de dados de série temporal com os mesmos identificadores e timestamp, especifique campos de dados personalizados como colunas de chave primária. Para mais informações, consulte Write time series data.

3. Leia dados da tabela de série temporal.

   1. Crie uma tabela de mapeamento SQL para a tabela de série temporal. Para mais informações, consulte Create mapping tables in the multi-value model for time series tables.

      1. Na página Manage Time Series Table, clique em na aba Query by Executing SQL Statement.

      2. No lado esquerdo da aba Query by Executing SQL Statement, clique em no ícone + ao lado do nome da instância do modelo TimeSeries.

      3. Na caixa de diálogo Create Mapping Table, configure os parâmetros. A tabela a seguir descreve os parâmetros.

         Parâmetro	Descrição
         Table Name	O nome da tabela de série temporal.
         Mapping Table Name	O nome da tabela de mapeamento. Nota Ao crie uma tabela de mapeamento SQL para uma tabela de série temporal, o sistema adiciona automaticamente o prefixo time series table name:: ao nome da tabela de mapeamento.
         Enable Analytical Store	O recurso de analytical store é utilizado em cenários nos quais você deseja armazenar dados de série temporal por longos períodos e analisá-los. Com o analytical store, é possível armazenar dados de série temporal com custos reduzidos, além de consultar e analisar os dados de forma eficiente. Para mais informações, consulte Analytical store. Por padrão, Enable Analytical Store está desativado. Configure o parâmetro de acordo com suas necessidades de negócio. Se não desejar utilizar um analytical store para armazenar e analisar dados de série temporal, mantenha a configuração padrão do parâmetro Enable Analytical Store. Se desejar armazenar dados de série temporal com custos reduzidos ou consultar e analisar dados de série temporal de forma eficiente, certifique-se de que um analytical store foi criado e que Enable Analytical Store está ativado. Importante O recurso de analytical store está disponível nas seguintes regiões: China (Hangzhou), China (Shanghai), China (Beijing) e China (Zhangjiakou). Para utilizar esse recurso, crie uma instância do modelo TimeSeries em uma dessas regiões. Para mais informações, consulte Create an instance for the TimeSeries model. Se você crie uma tabela de mapeamento com Enable Analytical Store ativado, ao exclua o analytical store, será necessário exclua a tabela de mapeamento ao mesmo tempo. Caso contrário, a exclusão do analytical store falhará.

      4. Clique em Generate SQL Statement. O sistema gera automaticamente a instrução SQL para crie a tabela de mapeamento.

         Após especifique campos de dados personalizados como colunas de chave primária de uma tabela de série temporal, ao crie uma tabela de mapeamento SQL, defina os identificadores de série temporal e os campos de dados personalizados usados como colunas de chave primária da tabela de série temporal como colunas de chave primária da tabela de mapeamento SQL.

      5. Clique em Execute SQL Statement(F8).

   2. Execute a instrução SELECT para consultar dados. Para mais informações, consulte Query data.

      Insira a instrução SQL no editor SQL do console e clique em Execute SQL Statement(F8).

      A instrução SQL de exemplo a seguir demonstra como consultar informações das séries temporais em que o valor de cpu_usage excede 90,0 em uma tabela de série temporal por meio da tabela de mapeamento chamada cpu::ts1:

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

Usar os SDK do Tablestore

Neste exemplo, o Tablestore SDK for Java é utilizado.

1. Ao crie uma tabela de série temporal, especifique os campos de dados personalizados como colunas de chave primária da tabela.

   O código de exemplo a seguir demonstra como crie uma tabela de série temporal sem analytical store e especifique campos de dados personalizados como colunas de chave primária da tabela:

   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. Grave dados de série temporal na tabela.

   Ao gravar dados em uma tabela de série temporal, os campos de dados definidos como colunas de chave primária não podem ficar vazios. Para armazenar múltiplas linhas de dados de série temporal com os mesmos identificadores e timestamp, especifique campos de dados personalizados como colunas de chave primária.

   O código de exemplo a seguir demonstra como gravar três linhas de dados de série temporal com os mesmos identificadores e timestamp em uma tabela de série temporal:

   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);
   }

   A tabela a seguir apresenta os dados de série temporal na tabela após a gravação bem-sucedida.

   _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. Execute instruções SQL para ler dados da tabela de série temporal.

   1. Crie uma tabela de mapeamento SQL para a tabela de série temporal. Para mais informações, consulte Create mapping tables in the multi-value model for time series tables.

      Após especifique campos de dados personalizados como colunas de chave primária de uma tabela de série temporal, ao crie uma tabela de mapeamento SQL, defina os identificadores de série temporal e os campos de dados personalizados usados como colunas de chave primária da tabela de série temporal como colunas de chave primária da tabela de mapeamento SQL.

      Configurações de exemplo:

      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. Execute a instrução SELECT para consultar dados. Para mais informações, consulte Query data.

      A instrução SQL de exemplo a seguir demonstra como consultar informações das séries temporais em que o valor de cpu_usage excede 90,0 em uma tabela de série temporal por meio da tabela de mapeamento chamada cpu::ts1:

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