如需與 Amazon Timestream for LiveAnalytics 類似的功能，請考慮使用 Amazon Timestream for InfluxDB。它提供簡化的資料擷取和單一位數毫秒查詢回應時間，以進行即時分析。[在這裡](https://docs.aws.amazon.com//timestream/latest/developerguide/timestream-for-influxdb.html)進一步了解。
本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
# 使用 存取 Amazon Timestream for LiveAnalytics AWS CLI
您可以使用 AWS Command Line Interface (AWS CLI) 從命令列控制多項 AWS 服務，並透過指令碼將其自動化。您可以使用 AWS CLI 進行臨機操作。您也可以使用它在公用程式指令碼中嵌入 Amazon Timestream for LiveAnalytics 操作。
您必須先設定程式設計存取，才能 AWS CLI 搭配 Timestream for LiveAnalytics 使用 。如需詳細資訊，請參閱[授與程式設計存取權](accessing.md#programmatic-access)。
如需 中 Timestream for LiveAnalytics 查詢 API 可用之所有命令的完整清單 AWS CLI，請參閱 [AWS CLI 命令參考](https://docs.aws.amazon.com/cli/latest/reference/timestream-query/index.html)。
如需 中 Timestream for LiveAnalytics Write API 可用的所有命令的完整清單 AWS CLI，請參閱 [AWS CLI 命令參考](https://docs.aws.amazon.com/cli/latest/reference/timestream-write/index.html)。
**Topics**
+ [下載和設定 AWS CLI](#Tools.CLI.DownloadingAndRunning)
+ [AWS CLI 搭配 Timestream for LiveAnalytics 使用](#Tools.CLI.UsingWithQLDB)
## 下載和設定 AWS CLI
AWS CLI 會在 Windows、macOS 或 Linux 上執行。若要下載、安裝和設定它，請依照下列步驟執行：
1. 在 AWS CLI https：//[http://aws.amazon.com/cli](https://aws.amazon.com/cli) 下載 。
1. 遵循*AWS Command Line Interface 《 使用者指南*》中[安裝 AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/installing.html) 和[設定 AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-getting-started.html) 的指示。
## AWS CLI 搭配 Timestream for LiveAnalytics 使用
命令列格式包含 Amazon Timestream for LiveAnalytics 操作名稱，後面接著該操作的參數。除了 JSON 之外， AWS CLI 還支援參數值的速記語法。
使用 `help` 列出 Timestream for LiveAnalytics 中的所有可用命令。例如：
```
aws timestream-write help
```
```
aws timestream-query help
```
您也可以使用 `help` 描述特定命令，並進一步了解其用量：
```
aws timestream-write create-database help
```
例如，若要建立資料庫：
```
aws timestream-write create-database --database-name myFirstDatabase
```
若要建立已啟用磁性存放區寫入的資料表：
```
aws timestream-write create-table \
--database-name metricsdb \
--table-name metrics \
--magnetic-store-write-properties "{\"EnableMagneticStoreWrites\": true}"
```
使用單一度量記錄寫入資料：
```
aws timestream-write write-records \
--database-name metricsdb \
--table-name metrics \
--common-attributes "{\"Dimensions\":[{\"Name\":\"asset_id\", \"Value\":\"100\"}], \"Time\":\"1631051324000\",\"TimeUnit\":\"MILLISECONDS\"}" \
--records "[{\"MeasureName\":\"temperature\", \"MeasureValueType\":\"DOUBLE\",\"MeasureValue\":\"30\"},{\"MeasureName\":\"windspeed\", \"MeasureValueType\":\"DOUBLE\",\"MeasureValue\":\"7\"},{\"MeasureName\":\"humidity\", \"MeasureValueType\":\"DOUBLE\",\"MeasureValue\":\"15\"},{\"MeasureName\":\"brightness\", \"MeasureValueType\":\"DOUBLE\",\"MeasureValue\":\"17\"}]"
```
使用多度量記錄寫入資料：
```
# wide model helper method to create Multi-measure records
function ingest_multi_measure_records {
epoch=`date +%s`
epoch+=$i
# multi-measure records
aws timestream-write write-records \
--database-name $src_db_wide \
--table-name $src_tbl_wide \
--common-attributes "{\"Dimensions\":[{\"Name\":\"device_id\", \
\"Value\":\"12345678\"},\
{\"Name\":\"device_type\", \"Value\":\"iPhone\"}, \
{\"Name\":\"os_version\", \"Value\":\"14.8\"}, \
{\"Name\":\"region\", \"Value\":\"us-east-1\"} ], \
\"Time\":\"$epoch\",\"TimeUnit\":\"MILLISECONDS\"}" \
--records "[{\"MeasureName\":\"video_metrics\", \"MeasureValueType\":\"MULTI\", \
\"MeasureValues\": \
[{\"Name\":\"video_startup_time\",\"Value\":\"0\",\"Type\":\"BIGINT\"}, \
{\"Name\":\"rebuffering_ratio\",\"Value\":\"0.5\",\"Type\":\"DOUBLE\"}, \
{\"Name\":\"video_playback_failures\",\"Value\":\"0\",\"Type\":\"BIGINT\"}, \
{\"Name\":\"average_frame_rate\",\"Value\":\"0.5\",\"Type\":\"DOUBLE\"}]}]" \
--endpoint-url $ingest_endpoint \
--region $region
}
# create 5 records
for i in {100..105};
do ingest_multi_measure_records $i;
done
```
查詢資料表：
```
aws timestream-query query \
--query-string "SELECT time, device_id, device_type, os_version,
region, video_startup_time, rebuffering_ratio, video_playback_failures, \
average_frame_rate \
FROM metricsdb.metrics \
where time >= ago (15m)"
```
若要建立排程查詢：
```
aws timestream-query create-scheduled-query \
--name scheduled_query_name \
--query-string "select bin(time, 1m) as time, \
avg(measure_value::double) as avg_cpu, min(measure_value::double) as min_cpu, region \
from $src_db.$src_tbl where measure_name = 'cpu' \
and time BETWEEN @scheduled_runtime - (interval '5' minute) AND @scheduled_runtime \
group by region, bin(time, 1m)" \
--schedule-configuration "{\"ScheduleExpression\":\"$cron_exp\"}" \
--notification-configuration "{\"SnsConfiguration\":{\"TopicArn\":\"$sns_topic_arn\"}}" \
--scheduled-query-execution-role-arn "arn:aws:iam::452360119086:role/TimestreamSQExecutionRole" \
--target-configuration "{\"TimestreamConfiguration\":{\
\"DatabaseName\": \"$dest_db\",\
\"TableName\": \"$dest_tbl\",\
\"TimeColumn\":\"time\",\
\"DimensionMappings\":[{\
\"Name\": \"region\", \"DimensionValueType\": \"VARCHAR\"
}],\
\"MultiMeasureMappings\":{\
\"TargetMultiMeasureName\": \"mma_name\",
\"MultiMeasureAttributeMappings\":[{\
\"SourceColumn\": \"avg_cpu\", \"MeasureValueType\": \"DOUBLE\", \"TargetMultiMeasureAttributeName\": \"target_avg_cpu\"
},\
{ \
\"SourceColumn\": \"min_cpu\", \"MeasureValueType\": \"DOUBLE\", \"TargetMultiMeasureAttributeName\": \"target_min_cpu\"
}] \
}\
}}" \
--error-report-configuration "{\"S3Configuration\": {\
\"BucketName\": \"$s3_err_bucket\",\
\"ObjectKeyPrefix\": \"scherrors\",\
\"EncryptionOption\": \"SSE_S3\"\
}\
}"
```