Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Amazon LiveAnalytics Timestream para conceptos
Los datos de series temporales son una secuencia de puntos de datos registrados durante un intervalo de tiempo. Este tipo de datos se utiliza para medir eventos que cambian con el tiempo. Algunos ejemplos son los siguientes:
-
Precios de las acciones a lo largo del tiempo
-
Mediciones de temperatura a lo largo del tiempo
-
CPUutilización de una EC2 instancia a lo largo del tiempo
En el caso de los datos de series temporales, cada punto de datos consta de una marca temporal, uno o más atributos y el evento que cambia con el tiempo. Estos datos se pueden utilizar para obtener información sobre el rendimiento y el estado de una aplicación, detectar anomalías e identificar oportunidades de optimización. Por ejemplo, es posible que DevOps los ingenieros deseen ver los datos que miden los cambios en las métricas de rendimiento de la infraestructura. Es posible que los fabricantes deseen realizar un seguimiento de los datos de los sensores de IoT que miden los cambios en los equipos de una instalación. Es posible que los especialistas en marketing online deseen analizar los datos del flujo de clics que captan la forma en que un usuario navega por un sitio web a lo largo del tiempo. Como los datos de series temporales se generan a partir de múltiples fuentes en volúmenes extremadamente altos, es necesario recopilarlos prácticamente en tiempo real de manera rentable y, por lo tanto, requieren un almacenamiento eficiente que ayude a organizar y analizar los datos.
Los siguientes son los conceptos clave de Timestream for. LiveAnalytics
-
Serie temporal: secuencia de uno o más puntos de datos (o registros) registrados durante un intervalo de tiempo. Algunos ejemplos son el precio de una acción a lo largo del tiempo, la utilización de memoria CPU o de una EC2 instancia a lo largo del tiempo y la lectura de temperatura/presión de un sensor de IoT a lo largo del tiempo.
-
Registro: un único punto de datos de una serie temporal.
-
Dimensión: atributo que describe los metadatos de una serie temporal. Una dimensión consta de un nombre de dimensión y un valor de dimensión. Considere los siguientes ejemplos:
-
Al considerar una bolsa de valores como una dimensión, el nombre de la dimensión es «bolsa de valores» y el valor de la dimensión es «» NYSE
-
Al considerar una AWS región como una dimensión, el nombre de la dimensión es «region» y el valor de la dimensión es «us-east-1"
-
En el caso de un sensor de IoT, el nombre de la dimensión es «ID del dispositivo» y el valor de la dimensión es «12345».
-
-
Medida: el valor real que mide el registro. Algunos ejemplos son el precio de las acciones, el CPU uso de memoria y la lectura de temperatura o humedad. Las medidas se componen de los nombres y valores de las medidas. Considere los siguientes ejemplos:
-
En el caso del precio de una acción, el nombre de la medida es «precio de la acción» y el valor de la medida es el precio real de la acción en un momento dado.
-
Para la CPU utilización, el nombre de la medida es «CPUutilización» y el valor de la medida es la CPU utilización real.
Las medidas se pueden modelar en Timestream como registros de medidas múltiples o de una sola LiveAnalytics medida. Para obtener más información, consulte Registros de medidas múltiples frente a registros de medida única.
-
-
Marca temporal: indica cuándo se recopiló una medida para un registro determinado. Timestream for LiveAnalytics admite marcas de tiempo con granularidad de nanosegundos.
-
Tabla: un contenedor para un conjunto de series temporales relacionadas.
-
Base de datos: un contenedor de nivel superior para tablas.
Un resumen de Timestream para conceptos LiveAnalytics
Una base de datos contiene 0 o más tablas. Cada tabla contiene 0 o más series temporales. Cada serie temporal consta de una secuencia de registros durante un intervalo de tiempo determinado con una granularidad especificada. Cada serie temporal se puede describir utilizando sus metadatos o dimensiones, sus datos o medidas y sus marcas temporales.
