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。

架構

Amazon Timestream for Live Analytics 從頭開始設計，以大規模收集、存放和處理時間序列資料。其無伺服器架構支援可獨立擴展的完全解耦資料擷取、儲存和查詢處理系統。此設計可簡化每個子系統，讓您更輕鬆地達到不停搖的可靠性、消除擴展瓶頸，並減少相關系統故障的機會。隨著系統擴展，每個因素都變得更加重要。

寫入架構

寫入時間序列資料時，Amazon Timestream for Live Analytics 會將資料表、分割區的寫入路由至處理高輸送量資料寫入的容錯記憶體存放區執行個體。記憶體存放區會繼而在不同的儲存系統中實現耐用性，該儲存系統會跨三個可用區域 (AZs) 複寫資料。複寫是以規定人數為基礎，因此節點或整個可用區域遺失不會中斷寫入可用性。在近乎即時的時間內，其他記憶體內儲存節點會同步至資料，以提供查詢。讀取器複本節點也會橫跨 AZs，以確保高可用性。

Timestream for Live Analytics 支援將資料直接寫入磁性存放區，適用於產生較低輸送量延遲產生資料的應用程式。延遲抵達資料是指時間戳記早於目前時間的資料。與記憶體存放區中的高輸送量寫入類似，寫入磁性存放區的資料會複寫到三個 AZs，而複寫是以規定人數為基礎。

無論是將資料寫入記憶體或磁性存放區，Timestream for Live Analytics 都會在資料寫入儲存體之前，自動編製索引和分割資料。單一 Timestream for Live Analytics 資料表可能會有數百個、數千個或甚至數百萬個分割區。個別分割區不會直接彼此通訊，也不會共用任何資料 （共用無架構）。相反地，資料表的分割是透過高可用性的分割區追蹤和索引服務進行追蹤。這提供了另一個專門設計來將系統中失敗的影響降至最低的疑慮分離，並使關聯式失敗的可能性降低得多。

儲存架構

當資料存放在 Timestream for Live Analytics 中時，資料會根據以資料寫入的內容屬性，依時間順序以及跨時間進行組織。除了時間之外，具有除「空間」的分割方案對於大規模擴展時間序列系統非常重要。這是因為大多數時間序列資料是在目前時間或前後寫入。因此，僅按時間分割在分配寫入流量或允許在查詢時間有效刪除資料方面沒有什麼好事。這對於極端擴展時間序列處理很重要，而且它允許 Timestream for Live Analytics 以無伺服器方式擴展比其他主要系統更高的數量順序。產生的分割區稱為「圖磚」，因為它們代表二維空間的分割 （設計為類似大小）。Live Analytics 資料表的時間串流一開始是單一分割區 （並排），然後視需要分割在空間維度中。當圖磚達到特定大小時，就會在時間維度中分割，以便在資料大小增加時實現更好的讀取平行處理。

Timestream for Live Analytics 旨在自動管理時間序列資料的生命週期。Timestream for Live Analytics 提供兩個資料存放區：記憶體內存放區和經濟實惠的磁性存放區。它也支援設定資料表層級政策，以在各存放區之間自動傳輸資料。傳入的高輸送量資料會寫入記憶體存放區，其中的資料已針對寫入進行最佳化，以及在目前時間左右執行的讀取，以為儀表板和警示類型查詢提供支援。當寫入、提醒和儀表板需求的主要時間範圍已過時，可讓資料自動從記憶體存放區流向磁性存放區，以最佳化成本。Timestream for Live Analytics 允許為此目的在記憶體存放區上設定資料保留政策。延遲抵達資料的資料寫入會直接寫入磁性存放區。

一旦資料在磁性存放區中可用 （由於記憶體存放區保留期過期或直接寫入磁性存放區），就會重新組織為針對大型磁碟區資料讀取進行高度最佳化的格式。磁性存放區也具有資料保留政策，如果資料過期的時間閾值，則可以設定該政策。當資料超過為磁性存放區保留政策定義的時間範圍時，會自動將其移除。因此，使用 Timestream for Live Analytics，除了某些組態之外，資料生命週期管理無縫地發生在幕後。

查詢架構

即時分析查詢的時間串流是以 SQL 語法表示，該語法具有時間序列特定支援 （時間序列特定資料類型和函數） 的延伸，因此對於熟悉 SQL 的開發人員來說，學習曲線很容易。然後，查詢會由自適應的分散式查詢引擎處理，該引擎會使用來自並排追蹤和索引服務的中繼資料，在發出查詢時無縫存取和合併跨資料存放區的資料。這使得 體驗與客戶產生良好的共鳴，因為它會將許多 Rube Goldberg 複雜性摺疊成簡單且熟悉的資料庫抽象。

查詢是由專用工作者機群執行，其中註冊執行指定查詢的工作者數量取決於查詢複雜性和資料大小。透過大量平行處理，在查詢執行期機群和系統的儲存機群上，可實現大型資料集上複雜查詢的效能。快速有效地分析大量資料的能力是 Timestream for Live Analytics 的最大優勢之一。執行超過 TB 或甚至 PB 資料的單一查詢，可能會有數千部機器同時處理。

行動架構

為了確保 Timestream for Live Analytics 可以為您的應用程式提供幾乎無限的擴展，同時確保 99.99% 的可用性，系統也使用行動架構設計。Timestream for Live Analytics 區段不是將系統整體擴展為多個較小的自身複本，而是稱為儲存格。這可讓儲存格進行完整規模的測試，並防止一個儲存格中的系統問題影響指定區域中任何其他儲存格中的活動。雖然 Timestream for Live Analytics 旨在支援每個區域的多個儲存格，但請考慮以下虛構情況，其中一個區域中有 2 個儲存格。

在上述案例中，資料擷取和查詢請求會先由探索端點分別處理，以進行資料擷取和查詢。然後，探索端點會識別包含客戶資料的儲存格，並將請求導向至該儲存格的適當擷取或查詢端點。使用 SDKs時，系統會透明地為您處理這些端點管理任務。