Para recursos semelhantes aos do Amazon Timestream para, considere o Amazon Timestream LiveAnalytics para InfluxDB. Ele oferece ingestão de dados simplificada e tempos de resposta de consulta de um dígito em milissegundos para análises em tempo real. Saiba mais [aqui](https://docs.aws.amazon.com//timestream/latest/developerguide/timestream-for-influxdb.html).

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Mapeamentos de modelos de dados para carregamento em lote
<a name="batch-load-data-model-mappings"></a>

O seguinte discute o esquema para mapeamentos de modelos de dados e fornece um exemplo.

## Esquema de mapeamentos do modelo de dados
<a name="batch-load-data-model-mappings-schema"></a>

A sintaxe da solicitação `CreateBatchLoadTask` e um objeto `BatchLoadTaskDescription` retornado por uma chamada para o `DescribeBatchLoadTask` inclui um objeto `DataModelConfiguration` que inclui o `DataModel` para carregamento em lote. Ele `DataModel` define mapeamentos dos dados de origem armazenados no formato CSV em um local do S3 para um Timestream de destino para banco de dados e tabela. LiveAnalytics 

O `TimeColumn` campo indica a localização dos dados de origem para o valor a ser mapeado para a `time` coluna da tabela de destino no Timestream for. LiveAnalytics O `TimeUnit` especifica a unidade para o `TimeColumn`, e pode ser qualquer opção dentre `MILLISECONDS`, `SECONDS`, `MICROSECONDS` ou `NANOSECONDS`. Também há mapeamentos para dimensões e medidas. Os mapeamentos de dimensões são compostos por colunas de origem e campos de destino. 

Para obter mais informações, consulte [DimensionMapping](https://docs.aws.amazon.com/timestream/latest/developerguide/API_DimensionMapping). Os mapeamentos para medidas têm duas opções, `MixedMeasureMappings` e `MultiMeasureMappings`.

Para resumir, a `DataModel` contém mapeamentos de uma fonte de dados em um local do S3 para um Timestream de destino para a tabela a seguir. LiveAnalytics 
+ Tempo
+ Dimensões
+ Medidas

Se possível, recomendamos que você mapeie os dados de medida para registros de várias medidas no Timestream for. LiveAnalytics Para obter informações sobre os benefícios de registros de várias medidas, consulte [Registros de várias medidas](writes.md#writes.writing-data-multi-measure). 

Se várias medidas nos dados de origem forem armazenadas em uma linha, você poderá mapear essas várias medidas para registros de várias medidas no Timestream para uso. LiveAnalytics `MultiMeasureMappings` Se houver valores que devem ser mapeados para um registro de medida única, você pode usar `MixedMeasureMappings`. 

Tanto `MixedMeasureMappings` quanto `MultiMeasureMappings` incluem `MultiMeasureAttributeMappings`. Registros de várias medidas são suportados, independentemente da necessidade de registros de medida única.

Se somente registros de destino de várias medidas forem necessários no Timestream for LiveAnalytics, você poderá definir mapeamentos de medidas na estrutura a seguir.

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

**nota**  
Recomendamos utilizar `MultiMeasureMappings` sempre que possível.

Se forem necessários registros de destino de medida única no Timestream for LiveAnalytics, você poderá definir mapeamentos de medida na estrutura a seguir.

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

Quando você usa `MultiMeasureMappings`, a matriz `MultiMeasureAttributeMappings` é sempre necessária. Quando você usa a matriz `MixedMeasureMappings`, se `MeasureValueType` for `MULTI` para um determinado `MixedMeasureMapping`, `MultiMeasureAttributeMappings` é necessário para este `MixedMeasureMapping`. Caso contrário, `MeasureValueType` indica o tipo de medida para o registro de medida única.

De qualquer forma, há uma matriz de `MultiMeasureAttributeMapping` disponível. Você define os mapeamentos para registros de várias medidas em cada `MultiMeasureAttributeMapping` da seguinte forma:

`SourceColumn`  
A coluna nos dados de origem que está localizada no Amazon S3.

`TargetMultiMeasureAttributeName`  
O nome do nome de várias medidas de destino na tabela de destino. Essa entrada é necessária quando `MeasureNameColumn` não é fornecido. Se `MeasureNameColumn` for fornecido, o valor dessa coluna será utilizado como nome de várias medidas.

`MeasureValueType`  
Um dentre `DOUBLE`, `BIGINT` `BOOLEAN`, `VARCHAR` ou `TIMESTAMP`.

## Mapeamentos de modelos de dados com exemplo `MultiMeasureMappings`
<a name="batch-load-data-model-mappings-example-multi"></a>

Este exemplo demonstra o mapeamento para registros de várias medidas, a abordagem preferida, que armazena cada valor de medida em uma coluna dedicada. Você pode baixar um exemplo de CSV em [Amostra CSV](samples/batch-load-sample-file.csv.zip). A amostra tem os seguintes cabeçalhos para mapear para uma coluna de destino em um Timestream for table. LiveAnalytics 
+ `time`
+ `measure_name`
+ `region`
+ `location`
+ `hostname`
+ `memory_utilization`
+ `cpu_utilization`

Identifique as colunas `time` e `measure_name` no arquivo CSV. Nesse caso, eles são mapeados diretamente para o Timestream para colunas de LiveAnalytics tabelas com os mesmos nomes.
+ `time` é mapeado para `time`
+ `measure_name` é mapeado para `measure_name` (ou o valor escolhido)

Ao usar a API, você especifica `time` no campo `TimeColumn` e um valor de unidade de tempo compatível, como `MILLISECONDS` no `TimeUnit` campo. Eles são correspondentes ao **Nome da coluna de origem** e à **Entrada de hora do registro de data e hora** no console. Você pode agrupar ou particionar registros usando o `measure_name`, que é definido com a chave `MeasureNameColumn`.

Na amostra, `region`, `location` e `hostname` são dimensões. As dimensões são mapeadas em uma matriz de objetos `DimensionMapping`.

Para medidas, o valor se `TargetMultiMeasureAttributeName` tornará uma coluna na tabela Timestream for LiveAnalytics . Você pode manter o mesmo nome, como neste exemplo. Ou você pode especificar um novo nome. `MeasureValueType` é um dentre `DOUBLE`, `BIGINT`, `BOOLEAN`, `VARCHAR` ou `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/pt_br/timestream/latest/developerguide/images/column-mapping.jpg)


## Mapeamentos de modelos de dados com exemplo `MixedMeasureMappings`
<a name="batch-load-data-model-mappings-example-mixed"></a>

Recomendamos que você use essa abordagem somente quando precisar mapear registros de medida única no Timestream para. LiveAnalytics