翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

の Timestream でスケジュールされたクエリを使用する LiveAnalytics

Amazon Timestream for のスケジュールされたクエリ機能は、運用ダッシュボード、ビジネスレポート、アドホック分析、およびその他のアプリケーションに通常使用される、集計、ロールアップ、およびその他の形式の前処理済みデータを計算して保存するための、 LiveAnalytics フルマネージド、サーバーレス、スケーラブルなソリューションです。スケジュールされたクエリにより、リアルタイム分析のパフォーマンスとコスト効率が向上します。そのため、データから追加のインサイトを引き出すことができ、より良いビジネス上の意思決定を続けることができます。

スケジュールされたクエリでは、データの集計、ロールアップ、およびその他のオペレーションを計算するリアルタイム分析クエリを定義します。また、 の Amazon Timestream はこれらのクエリ LiveAnalytics を定期的に自動的に実行し、クエリ結果を別のテーブルに確実に書き込みます。通常、データは数分以内に計算され、これらのテーブルに更新されます。

その後、ダッシュボードとレポートをポイントして、かなり大きなソーステーブルをクエリするのではなく、集計データを含むテーブルをクエリできます。これにより、パフォーマンスとコストが増大し、桁違いを超える可能性があります。これは、集計データを含むテーブルに含まれるデータがソーステーブルよりもはるかに少ないため、クエリが高速になり、データストレージが安価になるためです。

さらに、スケジュールされたクエリを持つテーブルは、 LiveAnalytics テーブルの Timestream の既存の機能をすべて提供します。例えば、 を使用してテーブルをクエリできますSQL。Grafana を使用して、テーブルに保存されているデータを視覚化できます。Amazon Kinesis、Amazon 、IoT Core、および Telegraf を使用してテーブルにデータを取り込むこともできます。 MSK AWS IoT 自動データライフサイクル管理のために、これらのテーブルでデータ保持ポリシーを設定できます。

集計データを含むテーブルのデータ保持はソーステーブルのデータ保持と完全に分離されるため、ソーステーブルのデータ保持を減らし、集計データをデータストレージコストのごく一部ではるかに長い期間保持することもできます。スケジュールされたクエリにより、リアルタイム分析が高速になり、安価になり、より多くの顧客がよりアクセスしやすくなるため、顧客はアプリケーションをモニタリングし、データ主導型のビジネス上の意思決定を改善できます。

スケジュールされたクエリの利点

スケジュールされたクエリのユースケース

アプリケーションからのエンドユーザーアクティビティを要約したビジネスレポートにスケジュールされたクエリを使用できるため、パーソナライズのために機械学習モデルをトレーニングできます。異常、ネットワーク侵入、または不正行為を検出するアラームに対してスケジュールされたクエリを使用することもできます。これにより、即時の是正措置を講じることができます。

さらに、スケジュールされたクエリを使用して、より効果的なデータガバナンスを実現できます。これを行うには、スケジュールされたクエリにのみソーステーブルアクセスを許可し、スケジュールされたクエリによって入力されたテーブルにのみデベロッパーアクセスを許可します。これにより、意図しない長時間実行されるクエリの影響が最小限に抑えられます。

例: リアルタイム分析を使用して不正な支払いを検出し、より良いビジネス上の意思決定を行う

米国の大都市に分散されている複数の point-of-saleターミナルから送信されたトランザクションを処理する支払いシステムについて考えてみましょう。の Amazon Timestream を使用してトランザクションデータ LiveAnalytics を保存および分析すると、不正なトランザクションを検出し、リアルタイム分析クエリを実行できます。これらのクエリは、1 時間あたりの最も混雑しているターミナルと最も使用されていない point-of-saleターミナル、各都市の 1 日のうち最も混雑している時間、1 時間あたりのトランザクション数が最も多い都市を特定するなど、ビジネス上の質問に答えるのに役立ちます。

システムは 1 分あたり最大 10 万件のトランザクションを処理します。の LiveAnalytics Amazon Timestream に保存される各トランザクションは 100 バイトです。さまざまな種類の不正な支払いを検出するために、1 分ごとに実行される 10 個のクエリを設定しました。また、ビジネス上の質問に答えるために、さまざまなディメンションに沿ってデータを集約してスライス/ダイジングする 25 のクエリを作成しました。これらのクエリはそれぞれ、過去 1 時間のデータを処理します。

これらのクエリによって生成されたデータを表示するダッシュボードを作成しました。ダッシュボードには 25 のウィジェットが含まれており、1 時間ごとに更新され、通常はいつでも 10 人のユーザーがアクセスできます。最後に、メモリストアには 2 時間のデータ保持期間を設定し、マグネティックストアには 6 か月のデータ保持期間を設定します。

この場合、ダッシュボードにアクセスして更新するたびにデータを再計算するリアルタイム分析クエリを使用するか、ダッシュボードの派生テーブルを使用できます。リアルタイム分析クエリに基づくダッシュボードのクエリコストは、1 か月あたり 120.70 USD になります。対照的に、派生テーブルを使用するダッシュボードクエリのコストは、1 か月あたり 12.27 USD になります (料金については LiveAnalytics、「Amazon Timestream」を参照してください）。この場合、派生テーブルを使用すると、クエリコストが最大 10 倍削減されます。