Untuk kemampuan serupa dengan Amazon Timestream LiveAnalytics, pertimbangkan Amazon Timestream untuk InfluxDB. Ini menawarkan konsumsi data yang disederhanakan dan waktu respons kueri milidetik satu digit untuk analitik waktu nyata. Pelajari lebih lanjut [di sini](https://docs.aws.amazon.com//timestream/latest/developerguide/timestream-for-influxdb.html).

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Pemetaan model data untuk pemuatan batch
<a name="batch-load-data-model-mappings"></a>

Berikut ini membahas skema untuk pemetaan model data dan memberi dan contoh.

## Skema pemetaan model data
<a name="batch-load-data-model-mappings-schema"></a>

Sintaks `CreateBatchLoadTask` permintaan dan `BatchLoadTaskDescription` objek dikembalikan oleh panggilan untuk `DescribeBatchLoadTask` menyertakan `DataModelConfiguration` objek yang menyertakan `DataModel` untuk pemuatan batch. `DataModel`Mendefinisikan pemetaan dari data sumber yang disimpan dalam format CSV di lokasi S3 ke Timestream target untuk database dan tabel. LiveAnalytics 

`TimeColumn`Bidang menunjukkan lokasi data sumber untuk nilai yang akan dipetakan ke `time` kolom tabel tujuan di Timestream untuk. LiveAnalytics `TimeUnit`Menentukan unit untuk`TimeColumn`, dan dapat menjadi salah satu dari`MILLISECONDS`,, `SECONDS``MICROSECONDS`, atau`NANOSECONDS`. Ada juga pemetaan untuk dimensi dan ukuran. Pemetaan dimensi terdiri dari kolom sumber dan bidang target. 

Untuk informasi selengkapnya, lihat [DimensionMapping](https://docs.aws.amazon.com/timestream/latest/developerguide/API_DimensionMapping). Pemetaan untuk tindakan memiliki dua opsi, `MixedMeasureMappings` dan. `MultiMeasureMappings`

Untuk meringkas, a `DataModel` berisi pemetaan dari sumber data di lokasi S3 ke Timestream target untuk tabel berikut ini. LiveAnalytics 
+ Waktu
+ Dimensi
+ Tindakan

Jika memungkinkan, kami menyarankan Anda memetakan data pengukuran ke catatan multi-ukuran di Timestream untuk. LiveAnalytics Untuk informasi tentang manfaat catatan multi-ukuran, lihat[Catatan multi-ukuran](writes.md#writes.writing-data-multi-measure). 

Jika beberapa ukuran dalam data sumber disimpan dalam satu baris, Anda dapat memetakan beberapa ukuran tersebut ke catatan multi-ukuran di Timestream untuk LiveAnalytics digunakan. `MultiMeasureMappings` Jika ada nilai yang harus dipetakan ke catatan ukuran tunggal, Anda dapat menggunakannya`MixedMeasureMappings`. 

`MixedMeasureMappings`dan `MultiMeasureMappings` keduanya termasuk`MultiMeasureAttributeMappings`. Catatan multi-ukuran didukung terlepas dari apakah catatan ukuran tunggal diperlukan.

Jika hanya catatan target multi-ukuran yang diperlukan di Timestream for LiveAnalytics, Anda dapat menentukan pemetaan ukuran dalam struktur berikut.

```
CreateBatchLoadTask
    MeasureNameColumn
    MultiMeasureMappings
        TargetMultiMeasureName
        MultiMeasureAttributeMappings array
```

**catatan**  
Kami merekomendasikan penggunaan `MultiMeasureMappings` bila memungkinkan.

Jika catatan target ukuran tunggal diperlukan di Timestream for LiveAnalytics, Anda dapat menentukan pemetaan ukuran dalam struktur berikut.

```
CreateBatchLoadTask
    MeasureNameColumn
    MixedMeasureMappings array
        MixedMeasureMapping
            MeasureName
            MeasureValueType
            SourceColumn
            TargetMeasureName
            MultiMeasureAttributeMappings array
```

Saat Anda menggunakan`MultiMeasureMappings`, `MultiMeasureAttributeMappings` array selalu diperlukan. Bila Anda menggunakan `MixedMeasureMappings` array, jika `MeasureValueType` adalah `MULTI` untuk diberikan`MixedMeasureMapping`, `MultiMeasureAttributeMappings` diperlukan untuk itu`MixedMeasureMapping`. Jika tidak, `MeasureValueType` tunjukkan jenis ukuran untuk catatan ukuran tunggal.

Either way, ada array yang `MultiMeasureAttributeMapping` tersedia. Anda menentukan pemetaan ke catatan multi-ukuran di masing-masing `MultiMeasureAttributeMapping` sebagai berikut:

`SourceColumn`  
Kolom dalam data sumber yang terletak di Amazon S3.

`TargetMultiMeasureAttributeName`  
Nama nama multi-ukuran target di tabel tujuan. Input ini `MeasureNameColumn` diperlukan ketika tidak disediakan. Jika `MeasureNameColumn` disediakan, nilai dari kolom itu digunakan sebagai nama multi-ukuran.

`MeasureValueType`  
Salah satu`DOUBLE`, `BIGINT``BOOLEAN`,`VARCHAR`, atau`TIMESTAMP`.

## Pemetaan model data dengan contoh `MultiMeasureMappings`
<a name="batch-load-data-model-mappings-example-multi"></a>

Contoh ini menunjukkan pemetaan ke catatan multi-ukuran, pendekatan yang disukai, yang menyimpan setiap nilai ukuran dalam kolom khusus. Anda dapat mengunduh sampel CSV di [sampel CSV](samples/batch-load-sample-file.csv.zip). Sampel memiliki judul berikut untuk dipetakan ke kolom target dalam Timestream untuk LiveAnalytics tabel.
+ `time`
+ `measure_name`
+ `region`
+ `location`
+ `hostname`
+ `memory_utilization`
+ `cpu_utilization`

Identifikasi `time` dan `measure_name` kolom dalam file CSV. Dalam hal ini peta ini langsung ke Timestream untuk kolom LiveAnalytics tabel dengan nama yang sama.
+ `time`peta ke `time`
+ `measure_name`peta ke `measure_name` (atau nilai yang Anda pilih)

Saat menggunakan API, Anda menentukan `time` di `TimeColumn` bidang dan nilai satuan waktu yang didukung seperti `MILLISECONDS` di `TimeUnit` bidang. Ini sesuai dengan **nama kolom Sumber** dan **masukan waktu stempel waktu** di konsol. Anda dapat mengelompokkan atau mempartisi catatan menggunakan `measure_name` yang didefinisikan dengan `MeasureNameColumn` kunci.

Dalam sampel,`region`,`location`, dan `hostname` dimensi. Dimensi dipetakan dalam array `DimensionMapping` objek.

Untuk ukuran, nilainya `TargetMultiMeasureAttributeName` akan menjadi kolom di Timestream untuk LiveAnalytics tabel. Anda dapat menyimpan nama yang sama seperti dalam contoh ini. Atau Anda dapat menentukan yang baru. `MeasureValueType`adalah salah satu`DOUBLE`,`BIGINT`,`BOOLEAN`,`VARCHAR`, atau`TIMESTAMP`. 

```
{
  "TimeColumn": "time",
  "TimeUnit": "MILLISECONDS",
  "DimensionMappings": [
    {
      "SourceColumn": "region",
      "DestinationColumn": "region"
    },
    {
      "SourceColumn": "location",
      "DestinationColumn": "location"
    },
    {
      "SourceColumn": "hostname",
      "DestinationColumn": "hostname"
    }
  ],
  "MeasureNameColumn": "measure_name",
  "MultiMeasureMappings": {
    "MultiMeasureAttributeMappings": [
      {
        "SourceColumn": "memory_utilization",
        "TargetMultiMeasureAttributeName": "memory_utilization",
        "MeasureValueType": "DOUBLE"
      },
      {
        "SourceColumn": "cpu_utilization",
        "TargetMultiMeasureAttributeName": "cpu_utilization",
        "MeasureValueType": "DOUBLE"
      }
    ]
  }
}
```

![\[Visual builder interface showing column mappings for timestream data attributes and types.\]](http://docs.aws.amazon.com/id_id/timestream/latest/developerguide/images/column-mapping.jpg)


## Pemetaan model data dengan contoh `MixedMeasureMappings`
<a name="batch-load-data-model-mappings-example-mixed"></a>

Kami menyarankan Anda hanya menggunakan pendekatan ini ketika Anda perlu memetakan ke catatan ukuran tunggal di Timestream untuk. LiveAnalytics