要获得与亚马逊 Timestream 类似的功能 LiveAnalytics，可以考虑适用于 InfluxDB 的亚马逊 Timestream。适用于 InfluxDB 的 Amazon Timestream 提供简化的数据摄取和个位数毫秒级的查询响应时间，以实现实时分析。点击[此处](https://docs.aws.amazon.com//timestream/latest/developerguide/timestream-for-influxdb.html)了解更多信息。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 计划查询模式
<a name="scheduledqueries-patterns"></a>

在本节中，您将找到一些常见的模式，说明如何使用用于 LiveAnalytics计划查询的 Amazon Timestream 来优化控制面板，从而更快地加载并降低成本。以下示例使用 DevOps 应用场景来说明适用于一般定时查询的关键概念，无论应用场景如何。

Timestream 中的计划查询 LiveAnalytics 允许您使用 Timestream 的完整 SQL 表面区域来表达您的查询。 LiveAnalytics您的查询可以包含一个或多个源表，执行聚合或 Timestream LiveAnalytics 的 SQL 语言允许的任何其他查询，然后在 Timestream 的另一个目标表中实现查询结果。 LiveAnalytics为便于阐述，本部分将计划查询的目标表称为*派生表*。

以下是本部分涵盖的要点。
+ 使用简单的实例集级别聚合，说明如何定义计划查询并理解一些基本概念。
+ 如何将计划查询的目标（派生表）结果与源表结果结合，从而获得计划查询的成本和性能优势。
+ 在配置计划查询的刷新周期时，您需要权衡哪些因素。
+ 在某些常见场景中使用计划查询。
  + 跟踪每个实例在特定日期之前的最后一个数据点。
  + 用于在控制面板中填充变量的维度的不同值。
+ 如何根据计划查询的上下文处理延迟到达的数据。
+ 如何通过一次性手动执行来处理各种场景，这些场景无法直接通过计划查询的自动化触发器覆盖。

**Topics**
+ [场景](scheduledqueries-patterns-scenario.md)
+ [简单的实例集级别聚合](scheduledqueries-patterns-simplefleet.md)
+ [每个设备的最后一点](scheduledqueries-patterns-lastpointfromdevice.md)
+ [唯一维度值](scheduledqueries-patterns-uniquedimvalues.md)
+ [处理延迟到达的数据](scheduledqueries-patterns-latearrive.md)
+ [回填历史预计算](scheduledqueries-patterns-backfilling.md)