Modelo TimeSeries - Tablestore: Central de Documentação do Alibaba Cloud

Introdução

O modelo TimeSeries foi desenvolvido considerando as características específicas dos dados de séries temporais. Ele é ideal para cenários como monitoramento de dispositivos IoT, permitindo o armazenamento de dados coletados por dispositivos e de dados de monitoramento de máquinas.

No modelo TimeSeries do Tablestore, uma tabela bidimensional de séries temporais armazena os dados. Cada linha representa os dados em um ponto no tempo dentro de uma série temporal. Os identificadores da série temporal e o timestamp constituem as colunas de chave primária da linha, enquanto os pontos de dados da série temporal sob esse timestamp formam as colunas de dados. Uma linha pode conter várias colunas de dados. Não é necessário predefinir os schemas das colunas de chave primária e das colunas de dados. Basta especificar os nomes das colunas de dados específicas ao gravar dados na tabela de séries temporais.

Uma tabela de séries temporais pode armazenar dados de diferentes tipos de métricas. Na figura a seguir, a tabela armazena dados de dois tipos de métricas: temperatura e umidade.

fig_timestreamsample

Na figura, os identificadores da série temporal consistem em medição, source de dados e tags. Chame uma operação de API para atualizar as propriedades nos metadados de uma série temporal. Essas propriedades podem ser usadas para recuperar a série temporal.

Após a gravação dos dados em uma tabela de séries temporais, o sistema extrai automaticamente os metadados da série temporal e cria um índice de metadados. Isso permite recuperar uma série temporal com base na combinação do nome da métrica, source de dados e tags.

Os itens a seguir descrevem os benefícios do modelo TimeSeries:

Oferece um método de modelagem unificado e comum para dados de séries temporais, eliminando a necessidade de predefinir schemas de tabelas.
Permite a criação automática de índices de metadados para séries temporais e suporta a recuperação de séries temporais com base em condições compostas.
Suporta consultas e agregações por meio de SQL.
Possibilita o scale-out automático de capacidades de service, gravações e consultas de alta concorrência e armazenamento de baixo custo para petabytes de dados.

Termos

Termo	Descrição
dados de séries temporais	Os dados de séries temporais consistem em múltiplas séries temporais. Cada série temporal é um conjunto de pontos de dados organizados em ordem cronológica. Metadados são necessários para identificar uma série temporal. Portanto, os dados de séries temporais são compostos por metadados e dados. Metadados: registram os identificadores e propriedades de todas as séries temporais. Dados: registram os pontos de dados de todas as séries temporais. Os pontos de dados incluem o momento em que foram gerados e os valores de dados correspondentes.
metadados de séries temporais	Os metadados de séries temporais contêm os identificadores e as propriedades de uma série temporal. Os identificadores servem para identificar exclusivamente uma série temporal. As propriedades podem ser modificadas e utilizadas para recuperar séries temporais.
identificador de série temporal	Os identificadores de séries temporais são usados para identificar exclusivamente uma série temporal. No modelo TimeSeries do Tablestore, eles consistem nas três partes seguintes: nome da métrica, source de dados e tags.
nome da métrica	Nome de uma grandeza física ou métrica para dados em uma série temporal, como cpu ou net, que indica o uso de CPU ou o uso da rede.
source de dados	Identificador da source de dados da série temporal. Este parâmetro pode ser deixado vazio.
tag	Tag da série temporal. É possível especificar vários pares chave-valor do tipo string.
propriedade	As propriedades fazem parte dos metadados de séries temporais e podem registrar informações modificáveis sobre uma série temporal. No entanto, não podem ser usadas como identificador nem para identificar exclusivamente uma série temporal. As propriedades de uma série temporal são múltiplos pares chave-valor do tipo string, semelhantes às tags em formato. Especifique ou atualize as propriedades de uma série temporal para recuperá-la usando essas propriedades.
dados em uma série temporal	Um ponto de dados em uma série temporal consiste no momento em que o dado foi gerado e no valor correspondente. Se apenas um valor for gerado em cada momento, utiliza-se o modelo de valor único. Se vários valores forem gerados em cada momento, utiliza-se o modelo de múltiplos valores. O modelo TimeSeries do Tablestore usa o modelo de múltiplos valores. Você pode especificar vários valores de dados em um único ponto no tempo. Cada valor corresponde a uma coluna na tabela de séries temporais, incluindo o nome e o valor da coluna. Os valores das colunas suportam os seguintes tipos de dados: Boolean, integer, floating-point, string e binary.

Recursos

Criar e gerenciar tabelas de séries temporais

Use o console do Tablestore, SDKs ou CLI para consultar todas as tabelas de séries temporais em uma instância, criar uma tabela, consultar configurações, atualizar configurações e excluir uma tabela de séries temporais.

Ao criar ou atualizar as configurações de uma tabela de séries temporais, defina o tempo de vida (TTL) dos dados na tabela. Após definir o valor de TTL, o sistema verifica automaticamente a diferença entre a hora atual e o timestamp de gravação dos dados. Se a diferença exceder o valor de TTL, o sistema exclui automaticamente os dados expirados.
Ler e gravar dados de séries temporais

Utilize o console do Tablestore, SDKs ou CLI para gravar várias linhas de dados de séries temporais simultaneamente em uma tabela. Após a gravação, especifique identificadores de séries temporais para consultar os dados dentro de um intervalo de tempo definido.
Recuperar séries temporais

Acesse o console do Tablestore, SDKs ou CLI para recuperar séries temporais em uma tabela. Use uma condição composta por múltiplos critérios para essa recuperação. Por exemplo, recupere todas as séries temporais onde o nome da métrica é cpu, as tags contêm uma tag com nome region e valor hangzhou, e as propriedades contêm uma propriedade com nome status e valor online. Após recuperar as séries temporais, chame uma operação de API para consultar mais detalhes sobre os dados.
Implementar consultas e análises SQL

As tabelas de séries temporais suportam consultas via SQL. No SQL, especifique a condição de metadados para filtrar séries temporais e agregar dados com base em operações de agregação em diferentes dimensões. Por exemplo, consulte o valor médio dos dados de amostra coletados de um lote de dispositivos e agregue dados de nível de segundo em dados de nível de minuto.

Além disso, consulte apenas os metadados das séries temporais em SQL. Dessa forma, gerencie os metadados das séries temporais diretamente por meio de SQL.

Limites

Para obter mais informações, consulte Limits on the TimeSeries model.

Notas de uso

O modelo TimeSeries está disponível nas seguintes regiões: China (Hangzhou), China (Shanghai), China (Beijing), China (Zhangjiakou), China (Ulanqab), China (Shenzhen), China (Chengdu), China (Hong Kong), Japan (Tokyo), Malaysia (Kuala Lumpur), Germany (Frankfurt), Indonesia (Jakarta), UK (London), US (Silicon Valley), US (Virginia), SAU (Riyadh - Partner Region), e Singapore.

Operações de API

Categoria	Operação	Descrição
Operações de API para tabelas de séries temporais	CreateTimeseriesTable	Cria uma tabela de séries temporais.
	ListTimeseriesTable	Consulta os nomes das tabelas de séries temporais em uma instância.
	DescribeTimeseriesTable	Consulta informações sobre uma tabela de séries temporais.
	UpdateTimeseriesTable	Atualiza as configurações de uma tabela de séries temporais.
	DeleteTimeseriesTable	Exclui uma tabela de séries temporais.
Operações de API para séries temporais	PutTimeseriesData	Grava dados de séries temporais em uma tabela de séries temporais.
	GetTimeseriesData	Consulta os dados em uma série temporal.
	QueryTimeseriesMeta	Recupera metadados de séries temporais.
	UpdateTimeseriesMeta	Atualiza metadados de séries temporais.
	DeleteTimeseriesMeta	Exclui os metadados de uma série temporal.
Operações de API para analytical stores de séries temporais	CreateTimeseriesAnalyticalStore	Cria um analytical store de séries temporais.
	UpdateTimeseriesAnalyticalStore	Atualiza as informações de configuração de um analytical store de séries temporais.
	DescribeTimeseriesAnalyticalStore	Consulta informações de um analytical store de séries temporais.
	DeleteTimeseriesAnalyticalStore	Exclui um analytical store de séries temporais.
Operações de API para índices Lastpoint	CreateTimeseriesLastpointIndex	Cria um índice Lastpoint.
Operações de API para índices Lastpoint	DeleteTimeseriesLastpointIndex	Exclui um índice Lastpoint.

Procedimento

Etapa	Operação	Descrição
1	Grant permissions on Tablestore resources to a RAM user	Após criar um usuário RAM, conceda permissões mínimas para acessar recursos do Tablestore anexando políticas de sistema ou personalizadas ao usuário RAM. Caso pretenda usar sua conta Alibaba Cloud ou um usuário RAM que já possua as permissões necessárias para acessar recursos do Tablestore, ignore esta etapa. Importante Por padrão, uma conta Alibaba Cloud tem permissão para executar operações em todos os recursos cloud dentro da conta. Para fins de segurança, recomendamos criar usuários RAM e conceder permissões específicas a eles. Assim, diferentes usuários RAM terão acesso a diferentes recursos.
2	Activate Tablestore	Antes de usar o Tablestore, ative o service. Ative o Tablestore apenas uma vez. Não há cobrança pela ativação. Se o Tablestore já estiver ativado, ignore esta etapa.
3	Create a Tablestore instance for the TimeSeries model	Importante Antes de criar uma instância do Tablestore, determine o modelo da tabela que deseja criar na instância e o tipo de instância com base nas características do negócio e nos requisitos de desempenho de leitura/gravação e custos. Para obter mais informações, consulte Billing overview e Instances. Se o botão Create Instance for TimeSeries Model não aparecer em uma região compatível com o modelo TimeSeries, clique em Create Instance para criar uma instância. Para obter mais informações, consulte Create an instance. Crie uma instância do Tablestore na região selecionada, considerando o modelo da tabela que deseja criar e o tipo de instância. Se uma instância existente do Tablestore atender aos seus requisitos de negócios, ignore esta etapa.
4	Create a time series table	Crie uma tabela de séries temporais para armazenar os dados. Ao criar a tabela, configure o TTL com base na necessidade de limpar dados históricos.
5	Write time series data	Grave dados de séries temporais em lote. Os dados consistem em metadados e dados propriamente ditos. Se você não criar metadados antes da gravação, o sistema os extrairá automaticamente dos dados gravados. Nota Também é possível usar o pacote kafka-connect-tablestore para sincronizar dados do Apache Kafka para a tabela de séries temporais. Para obter mais informações, consulte Stream Kafka data to a time series table.
6	Query time series data	Importante Caso não tenha certeza sobre as informações da série temporal cujos dados deseja consultar, como nome da métrica e source de dados, especifique múltiplas condições para recuperar a série temporal. Para obter mais informações, consulte Manage time series. Após recuperar a série temporal desejada, consulte os dados que atendem às condições especificadas, como um intervalo de tempo dentro da série.
7	Use SQL to query time series data	Crie três tipos de tabelas de mapeamento para uma tabela de séries temporais em SQL para consultar dados. Após criar uma tabela de séries temporais, o sistema gera automaticamente uma tabela de mapeamento de metadados. Utilize essa tabela de mapeamento para recuperar séries temporais. Depois da criação da tabela, o sistema cria automaticamente uma tabela de mapeamento no modelo de valor único em SQL. Use essa tabela para consultar dados na tabela de séries temporais. Após a criação da tabela, crie uma tabela de mapeamento no modelo de múltiplos valores em SQL. Essa tabela permite consultar dados na tabela de séries temporais.

Usar o modelo TimeSeries

Experimente rapidamente o modelo TimeSeries usando o console do Tablestore, SDKs ou CLI.

Regras de faturamento

Os itens faturáveis do modelo TimeSeries incluem o throughput de leitura, throughput de gravação e uso de armazenamento de dados e metadados de séries temporais, além do tráfego de saída pela Internet. Para obter mais informações, consulte Billable items of the TimeSeries model.

FAQ

Referências

Para excluir dados históricos de séries temporais em uma tabela, configure o TTL da tabela. Para obter mais informações, consulte Time series data lifecycle.
Para fazer backup de dados de séries temporais no Tablestore de forma econômica ou exportá-los como arquivos para dispositivos locais, utilize o recurso Data Integration do DataWorks para sincronizar dados do Tablestore para o Object Storage Service (OSS) para armazenamento ou download. Para obter mais informações, consulte Synchronize data from Tablestore to OSS.
Para visualizar dados de séries temporais, conecte o Tablestore ao Grafana. Para obter mais informações, consulte Connect to Grafana.
Caso utilize o Realtime Compute for Apache Flink para computação e análise de dados, use tabelas de séries temporais do Tablestore para armazenar os resultados. Para obter mais informações, consulte Tutorial (TimeSeries model).

Para armazenar dados de séries temporais com baixo custo e realizar consultas e análises rápidas, utilize analytical stores de séries temporais. Para obter mais informações, consulte Time series analytical store.
Se precisar consultar dados do ponto mais recente no tempo em séries temporais dentro de uma tabela, crie um índice Lastpoint para essa tabela. Para obter mais informações, consulte Lastpoint index.